• 한국산학기술학회논문지
• /
• 제20권2호
• /
• pp.458-468
• /
• 2019

본 연구는 2015년 6월부터 2018년 8월까지 인천국제공항 여객터미널에서 발생한 품목별 식음료 매출액(POS) 데이터를 기반으로 2020년 12월까지 식음료 매출액을 추정하고자 하였다. 이를 위해 연구자는 시계열 분석기법들 중 하나인 ARIMA-Intervention(개입모형)을 이용하여 인천국제공항 식음료 매출액에 영향을 미칠 것으로 판단되는 주요 시계열 영향변수들을 구분하고 그에 따른 변화폭을 추정하였고 그 결과를 토대로 향후 발생가능할 것으로 예측되는 식음료 월별 매출액을 추정하는 것을 목적으로 한 것이다. 개입변수는 국내 THAAD 배치에 따른 중국 정부의 2016년 7월부터 2017년 12월까지 한국 방문을 자제를 권고한 한한령으로 설정하였다. 정상 예측치의 경우에 비록 식사 매출 상승세가 둔화되었다 하더라도 하계 극성수기인 2019년 7월 203억, 2019년 8월 212억으로 월별 매출액이 200억을 돌파할 것으로 예측되며 2020년에는 각각 214억 및 221억으로 증가할 것으로 예측되었다. 음료 매출액은 2019년 7월에는 77억, 2019년 8월에는 81억으로 예측되며 2020년에는 79억 및 82억으로 증가할 것으로 전망되었다. 저비용항공사들은 정규항공사에 비해 식음료 서비스가 전무하거나 유료화 정책으로 운영하기 때문에 저비용항공사 이용객들은 여객터미널에서 출국 및 입국 시 식음료 서비스를 이용하는 빈도가 높을 수 밖에 없을 것이다. 앞서 예측자료에 제시된 것처럼 식음료 매출은 저비용항공사의 성장과 동반하여 증대될 가능성이 높을 것이다.

• 지능정보연구
• /
• 제24권4호
• /
• pp.1-32
• /
• 2018

본 연구는 경제적으로 국내에 큰 영향을 주었던 글로벌 금융위기를 기반으로 총 10년의 연간 기업데이터를 이용한다. 먼저 시대 변화 흐름에 일관성있는 부도 모형을 구축하는 것을 목표로 금융위기 이전(2000~2006년)의 데이터를 학습한다. 이후 매개 변수 튜닝을 통해 금융위기 기간이 포함(2007~2008년)된 유효성 검증 데이터가 학습데이터의 결과와 비슷한 양상을 보이고, 우수한 예측력을 가지도록 조정한다. 이후 학습 및 유효성 검증 데이터를 통합(2000~2008년)하여 유효성 검증 때와 같은 매개변수를 적용하여 모형을 재구축하고, 결과적으로 최종 학습된 모형을 기반으로 시험 데이터(2009년) 결과를 바탕으로 딥러닝 시계열 알고리즘 기반의 기업부도예측 모형이 유용함을 검증한다. 부도에 대한 정의는 Lee(2015) 연구와 동일하게 기업의 상장폐지 사유들 중 실적이 부진했던 경우를 부도로 선정한다. 독립변수의 경우, 기존 선행연구에서 이용되었던 재무비율 변수를 비롯한 기타 재무정보를 포함한다. 이후 최적의 변수군을 선별하는 방식으로 다변량 판별분석, 로짓 모형, 그리고 Lasso 회귀분석 모형을 이용한다. 기업부도예측 모형 방법론으로는 Altman(1968)이 제시했던 다중판별분석 모형, Ohlson(1980)이 제시한 로짓모형, 그리고 비시계열 기계학습 기반 부도예측모형과 딥러닝 시계열 알고리즘을 이용한다. 기업 데이터의 경우, '비선형적인 변수들', 변수들의 '다중 공선성 문제', 그리고 '데이터 수 부족'이란 한계점이 존재한다. 이에 로짓 모형은 '비선형성'을, Lasso 회귀분석 모형은 '다중 공선성 문제'를 해결하고, 가변적인 데이터 생성 방식을 이용하는 딥러닝 시계열 알고리즘을 접목함으로서 데이터 수가 부족한 점을 보완하여 연구를 진행한다. 현 정부를 비롯한 해외 정부에서는 4차 산업혁명을 통해 국가 및 사회의 시스템, 일상생활 전반을 아우르기 위해 힘쓰고 있다. 즉, 현재는 다양한 산업에 이르러 빅데이터를 이용한 딥러닝 연구가 활발히 진행되고 있지만, 금융 산업을 위한 연구분야는 아직도 미비하다. 따라서 이 연구는 기업 부도에 관하여 딥러닝 시계열 알고리즘 분석을 진행한 초기 논문으로서, 금융 데이터와 딥러닝 시계열 알고리즘을 접목한 연구를 시작하는 비 전공자에게 비교분석 자료로 쓰이기를 바란다.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 1999년도 추계학술대회 논문집
• /
• pp.47-52
• /
• 1999

데이타 마이닝이란 축적된 방대한 양의 실제 데이타로부터 이전에는 알지 못했던, 숨겨진 임의의 규칙성들을 비전통적인 방식으로 발견해 내는 작업을 말한다. 많은 데이타로부터 무엇인가 흥미로운 경향이나 패턴을 발굴해 내는 것이 데이타 마이닝의 목적이다. 본 연구에서는 다양한 측정값으로 표현되는 \circled1 인지 유형 데이타와, \circled2 생리적 반응 특성 데이터가 \circled3 직관적 예측의 성과에 미치는 영향을 데이타 마이닝 기술을 이용하여 분석함으로써 존재하는 규칙적인 관련성을 탐사하였다. 현재까지 분석한 바로는 첫째, 분석적인 사람이 직관적인 사람보다 예측이 더 정확한 경향이 있었다. 둘째, 실험 전과 실험중 간의 뇌파증가율이 높거나 뇌파량이 적으면 분석적인 사람일 가능성이 많았다. 셋째, 분석적인 사람은 실험 전에 뇌파량이 적을수록 더 정확해지며, 직관적인 사람은 실험전에 뇌파량이 많을수록 더 정확해지는 것으로 관측되었다.

• 한국지리정보학회지
• /
• 제2권2호
• /
• pp.69-78
• /
• 1999

본 논문에서는 한반도의 지역별 강수량 예측을 위한 신경망 기법을 소개한다. 시계열 패턴 예측 문제에 적용될 수 있는 기존의 다양한 신경망 모델의 특성을 분석하고 이로부터 강수량 예측 문제에 적합한 모델 및 학습 알고리즘을 제시한다. 본 논문에서 제시하는 모델은 계층적구조의 신경망으로 각 노드의 출력값은 일정기간동안 버퍼에 저장되어 상위계층에 입력으로 작용한다. 본 연구에서는 제안된 모델에 대하여 이중연결형태의 시냅스 구조를 채택하고, 이에 대한 네트워크의 동작특성과 학습알고리즘 등을 정의한다. 이러한 이중연결구조는 기존의 다층퍼셉트론에서 바이어스 노드의 역할을 담당하며, 노드가 갖는 특징들간의 관계를 효과적으로 반영함으로써 기존의 전형적인 시계열 예측 신경망인 FIR(Finite Impulse Response) 네트워크와 비교할 때 학습의 효율을 개선시킨다. 제시된 이론은 월별 및 계절별 강수량 예측 실험에 적용하였다. 신경망 예측기의 학습자료로서 과거 수십년동안 관측된 강수량 데이터와 해수표면온도 데이터를 사용하며 예측 실험결과로부터 제시된 이론의 타당성을 고찰한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2019년도 춘계학술대회
• /
• pp.330-333
• /
• 2019

본 연구는 기존 관중 수 예측에 주로 사용되는 ARIMA 모형과 다른 GKFN(Network with Gaussian kernel functions) 모델을 시계열 모델로 제안하고 여러 변수 간의 상관관계를 분석한 MLP(Multilayer Perceptron) 모델을 각각 따로 만들어 두 가지 RMSE값의 가중치를 결합한 새로운 모델을 최종적으로 제안한다. GKFN 모델은 phase space 분석을 위해 smoothness measure를 측정하고 커널 개수를 늘려가며 학습시키는 방법이다. 또한, MLP 모델은 관중 수에 영향을 주는 여러 변수(날짜, 날씨 등 팀과 관련된 특징들)의 상관관계를 correlation coefficient 값을 이용해 분석하고 높은 상관관계를 가지는 변수들을 이용해 MLP 모델을 만들어 학습하는 것이다. 이를 통해 프로야구팀 기아 타이거즈의 일일 단위 관중 수를 예측하고자 하였다. 관중 수 예측을 통해 구단과 관객 모두 긍정적인 활용이 가능할 것이다. 훈련 자료는 2010년부터 2018년까지 9년 동안 기아 타이거즈의 일별 관중 수를 자료로 하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제27권2호
• /
• pp.327-335
• /
• 2016

2008년 글로벌 금융위기 이후 중국은 위안화 국제화의 점진적 추진을 진행하면서 중국상하이 외환시장과 중국홍콩 외환시장에서 거래되는 통화인 역내위안화와 역외위안화를 형성시켰다. 본 연구는 위안화 국제화와 점진적인 중국 자본계정 개방에 따라 급변하는 외환시장상황의 변동성을 정확하게 파악하기 위해서 GARCH모형 (일반화된 자기회귀 조건부이분산성모형)에 다단계인공신경망을 결합한 MLP-GARCH 모형과 GARCH모형과 기계학습의 일종인 딥러닝 (deep learning)을 통합한 DL-GARCH을 가지고 위안화 변동성예측을 비교 실험과 분석을 하였다. 비교분석 결과 DL-GARCH 모형은 MLP-GARCH보다 모형 위안화 역내 외 환율변동성 예측 면에서 더욱 더 개선된 예측값을 제공하였다. 그래서 이분산시계열모형을 딥러닝과 결합한 DL-GARCH 모형은 시계열의 환율 변동성 예측 문제에 딥러닝을 응용할 수 있음을 확인하였다. 향후 이분산시계열과 결합된 딥러닝 모형은 다른 금융시계열 데이터에 응용하여 그 일반화 가능성을 높일 수 있을 것이다.

• 한국건설관리학회논문집
• /
• 제21권4호
• /
• pp.30-37
• /
• 2020

본 연구는 해외건설수주액을 설명하는 다양한 시계열 모형의 비교와 검증을 통해, 예측력 관점에서 가장 적합한 해외건설수주 예측모형을 선택하고(모형선택), 이를 다른 국가의 해외건설수주 예측에도 적용하여 개발된 모형의 보편성을 확인하는데(일반화 검증) 목적이 있다. 연구에는 1981년부터 2019년까지의 연도별 해외건설수주액, 두바이유가 및 국가별 환율 데이터를 활용하였다. 2016~2019년간 예측치와 실측치 간의 오차(MAPE, RMSE, MAE)가 낮고, 2018-2019년간 해외건설수주액 증감여부를 정확하게 맞추는 모형을 선택하였는데, 이러한 기준에 따라 VAR모형이 선택되었다. 이를 활용하여 중국 해외건설수주액을 예측한 결과도 실제와 부합하였다. 이러한 분석 결과는 추후 세계 건설수주 시장 전반을 분석하는 종합적 모형개발 가능성을 시사한다.

• 한국품질경영학회:학술대회논문집
• /
• 한국품질경영학회 2010년도 춘계학술대회
• /
• pp.345-350
• /
• 2010

2009년부터 도입된 근로소득 장려세제(EITC)와 가장 밀접한 관계가 있을 것으로 예상되는 기초생활 보장제도를 고려하고 근로소득 장려세제의 수급요건에 적합한 수급 세대규모와 상관분석 등을 통해 영향 요소를 선정하고 영향 요소를 예측하여 향후 근로소득 장려세제의 수급 규모나 필요 예산을 예측할 수 있는 시스템을 개발하였다. 예측에는 시계열 분석과 사회제도 성장에 적합한 로지스틱곡선 등을 이용하였다. 본 연구에서 제안된 시스템은 향후 제도에 따른 사회적 영향 예측과 제도 개선에 필요한 의사결정을 전략적으로 지원할 수 있을 것으로 기대한다.

• 전자통신동향분석
• /
• 제17권4호통권76호
• /
• pp.75-80
• /
• 2002

본 고에서 저자는 신규 통신 서비스로서 공중 무선 LAN 서비스의 수요 예측에 대해 다룬다. 신규 사업에 있어서 수요 예측은 사업의 수익성을 평가하는 가장 기본적인 자료이며 효과적인 마케팅 전략 수립을 위한 기초 단계로서 의미가 크다. 그러나 신규 서비스는 특성상 과거의 판매 자료가 존재하지 않기 때문에 시계열 자료를 이용한 수요 예측이 불가능하다. 따라서 본 고에서는 공중 무선 LAN 서비스와 유사한 특성을 지닐 것으로 판명되는 기존 서비스인 ADSL/케이블모뎀 서비스와 이동전화 서비스의 과거의 확산 과정을 분석하여 공중 무선 LAN 서비스의 확산 과정을 살펴본다. 이러한 유사추론과정을 통해 2006년까지 공중 무선 LAN 서비스의 가입자 수를 예측한다. 또한 선택모형(choice model)을 이용한 잠재 시장 규모의 추정법에 대해 언급한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.592-595
• /
• 2021

양자 알고리즘인 그루버나 쇼어 알고리즘에 의해 현존하는 암호 체계들이 무너질 수 있으며, 블록체인 네트워크를 기반으로 타원곡선 암호 및 타원곡선 전자서명을 사용하는 암호화폐의 안전성 또한 위협받고 있다. 따라서 암호화폐에도 양자 컴퓨터에 대한 대응책이 필요하다. 본 논문에서는 시계열 예측에 적합한 순환형 신경망을 활용하여 양자 저항성을 가지는 암호화폐들의 가격을 예측하고 분석한다. 데이터가 부족하였으나 학습 결과 0.005 이하의 손실을 달성하였으며, 최근 15일의 데이터를 통해 예측한 결과, 모두 소폭 상승할 것으로 나타났다. 향후에는 더 많은 데이터를 통해 더 정확한 예측이 가능한 신경망을 설계하고 다양한 양자 관련 이슈들을 참고하여 분석을 수행하고자 한다.