• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2000년도 추계학술발표논문집 (하)
• /
• pp.1425-1428
• /
• 2000

본 논문에서는 빠르고 정확하게 기후를 예측, 분석하기 위해 웨이브렛 변환을 통해 Data의 특징을 추출하고 이를 신경망의 입력값으로 사용하는 기상예측시스템은 제안하였다. 또한 학습이 잘되지 않는 패턴에 대한 집중적인 학습을 수행할 수 있는 Epsilon Descending 학습방법을 사용하여 정확도를 상승시켰다. 예측실험결과 웨이브렛 변환을 데이터의 전처리 과정에 삽입한 제안 기상예측시스템이 기존의 신경망만을 통한 기상예측시스템에 비해 예측능력면에서 훨씬 더 우수함을 보였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 학술대회 논문집 정보 및 제어부문
• /
• pp.489-490
• /
• 2008

본 고에서는 체내 심실신호를 농하여 신경학적 분석 및 다형성의 측면에서 심실세동이 일어나는 것을 예측하는 분석 알고리즘을 설계하였다. 신경학적 측면에서는 시계열 신호의 Peak to Peak Interval을 예측법과 0.15Hz를 기준으로 HRV 신호의 AR Burg 모델링을 통하여 고주파성과 저주파성을 나누어 교감신경과 부교감신경의 활동성 통한 신경학적 예측법을 제시하였으며 또한 체내 심실신호의 비선형적 특성을 고려한 Fractal Dimension을 생성시킴으로서 주기성의 특성과 다형성 통한 예측법을 제시하였다. 체내 심전도를 기반으로 Simulation 하였으며 각 분석별 조합을 통하여 최적의 예측 구조를 찾고자 하였다. 의학적 의미가 있는 민감도와 특이도를 판별하였으며 예측을 위한 수행시간을 실험하였다. 이를 통하여 자율신경 활성도와 다형성 판별을 조합한 방법이 심실세동 예측을 위한 민감도의 측면에서 가장 우수함을 나타내었고 시뮬레이션을 위만 시뮬레이터(Simulator) UI(User Interface)를 제시하였다.

• 융합정보논문지
• /
• 제11권3호
• /
• pp.7-13
• /
• 2021

본 연구는 딥러닝(Deep Learning) 알고리즘 GAN 모델을 기반으로 초미세먼지(PM2.5) 인공지능 예측시스템을 개발한다. 실험 데이터는 시계열 축으로 생성된 온도, 습도, 풍속, 기압의 기상변화와 SO2, CO, O3, NO2, PM10와 같은 대기오염물질 농도와 밀접한 관련이 있다. 데이터 특성상, 현재시간 농도가 이전시간 농도에 영향을 받기 때문에 반복지도학습(Recursive Supervised Learning) 예측 모델을 적용하였다. 기존 모델인 CNN, LSTM의 정확도(Accuracy)를 비교분석을 위해 관측값(Observation Value)과 예측값(Prediction Value)간의 차이를 분석하고 시각화했다. 성능분석 결과 제안하는 GAN이 LSTM 대비 평가항목 RMSE, MAPE, IOA에서 각각 15.8%, 10.9%, 5.5%로 향상된 것을 확인하였다.

• 한국항공운항학회:학술대회논문집
• /
• 한국항공운항학회 2016년도 춘계학술대회
• /
• pp.136-141
• /
• 2016

본 논문에서는 항행안전시설을 구성하는 구성요소를 체계별로 구분하고 체계별 운영시간 에 따른 고장율 등을 분석한다. 아울러 설계수명에 점차 도달한 항행안전시설 운영단계에서 발생한 유지보수비용 데이터를 토대로 남은 설계수명 기간 동안 향후 발생 가능한 유지보수 비용을 추정한다. 이런 분석결과를 통해 장비의 신뢰성 관련 선행연구들에서 주로 인용되고 있는 욕조커브(Bathtub Curve) 이론과 본 연구의 비용예측 결과와의 연관성을 진단하고 안정적인 유지보수를 위한 기초자료로서 활용되고자 한다. ARIMA 예측모형을 토대로 향후 10개월 간 발생가능한 유지보수 비용을 예측한 결과 비용이 상승할 것이라는 통계적으로 신뢰할 만한 추정 결과를 얻었다. ARIMA를 활용한 추정결과는 앞선 MTBF 분석내용을 지지함과 동시에 시설의 정비 신뢰도를 보여주는 욕조커브 분포와 일치하는 신뢰할 수 있는 결론을 얻은 것이다.

• Ecology and Resilient Infrastructure
• /
• 제5권3호
• /
• pp.125-133
• /
• 2018

인공신경망 (Artificial neural network, ANN)은 간편히 시계열 데이터를 예측할 수 있는 모델 중에 하나로 지하수위를 예측하는데 빈번히 사용되었으며, 많은 연구자들이 ANN으로 지하수위 예측에 있어서 높은 예측 신뢰성을 얻기 위하여 노력해 왔다. 본 연구에서는 ANN를 이용한 지하수위 예측 시 계절 효과를 반영하기 위한 input으로 사용되는 Dummy가 지하수위 예측 결과에 미치는 영향에 대하여 분석하였다. 정성적 및 정량적인 분석을 위하여 도해법과 상관계수, 에러 지수를 이용하였다. 분석결과 하천변 도심지역에서는 ANN의 input으로 사용된 Dummy가 오히려 예측 신뢰성을 떨어뜨리는 결과를 보였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2005년도 추계종합학술대회
• /
• pp.697-700
• /
• 2005

최근들어 전력의 안정적인 공급과 계통의 안정한 운용 등을 위해서 신뢰성 높은 전력수요예측의 필요성이 점차 증가하고 있다. 본 논문에서는 기존에 제시된 예측시스템보다 정확도가 높은 전력수요예측을 위해 카오스 이론과 퍼지 보산 알고리즘을 이용하여 전력수요량 예측시스템을 제안한다. 최대수요 전력 시계열 데이터를 수집하여 카오스 성질을 분석하여 이를 바탕으로 퍼지 알고리즘을 적용한 전력수요량 예측 시스템을 구성하고, 이 시스템을 통하여 얻어진 결과와 실제 데이터를 비교함으로서 시스템의 성능을 평가한다.

• 인터넷정보학회논문지
• /
• 제23권4호
• /
• pp.45-55
• /
• 2022

암호화폐 시장의 규모는 날이 갈수록 커져가고 있으며, 대표적인 암호화폐인 비트코인의 경우 시가총액이 500조를 넘어섰다. 이에 따라 암호화폐의 가격을 예측하려는 연구도 많이 이루어졌으며, 이들은 대부분 주식가격을 예측하는 방법론과 유사성을 띄는 연구들이다. 하지만 선행연구를 비춰 봤을 때 주식가격예측과 달리 암호화폐 가격 예측은 머신러닝의 정확도가 우위에 있는 사례가 많다는 점, 개념적으로 주식과 달리 암호화폐는 소유로 인한 수동적 소득이 없다는 점, 통계적으로 시가총액 대비 하루 거래량의 비율을 살펴봤을 때 암호화폐가 주식 대비 최소 3배이상 높다는 점이 도출되었다. 이를 통해 암호화폐 가격 예측 연구에는 주식 가격 예측과 다른 방법론이 적용되어야 함을 본 논문에서 주장하였다. 우리는 기존에 주가 딥러닝 예측에 사용되던 워크 포워드 검증를 응용한 역순 워크 포워드 검증을 제안하였다. 역순 워크 포워드 검증은 워크 포워드 검증과 달리 검증 데이터셋을 테스트 데이터셋에 시계열상으로 바로 앞에 부분으로 고정시켜놓고, 훈련데이터를 훈련 데이터셋에 시계열상으로 바로 앞 부분부터 서서히 훈련 데이터셋의 크기를 늘려가면서 검증에 대한 정확도를 측정한다. 측정된 모든 검증 정확도 중 가장 높은 정확도를 보이는 훈련 데이터셋의 크기에 맞춰서 훈련 데이터를 절삭시킨 뒤 검증 데이터와 합쳐서 실험 데이터에 대한 정확도를 측정하였다. 분석모델로는 로지스틱 회귀분석과 SVM을 사용했으며, 우리가 제안한 역순 워크 포워드 검증의 신뢰성을 위해서 분석 모델 내부적으로도 L1, L2, rbf, poly등의 다양한 알고리즘과 정규화 파라미터를 적용하였다. 그 결과 모든 분석모델에서 기존 연구보다 향상된 정확도를 보임이 확인되었으며, 평균적으로도 1.23%p의 정확도 상승을 보였다. 선행연구를 통해 암호화폐 가격 예측의 정확도가 대부분 50%~60%사이에서 머무르는 걸 감안할 때 이는 상당한 정확도 개선이다.

• 해양환경안전학회지
• /
• 제26권4호
• /
• pp.382-391
• /
• 2020

본 연구에서는 인공지능기법을 이용하여 진동만의 용존산소량 예측을 하였다. 관측자료에 존재하는 결측 구간을 보간하기 위해 양방향재귀신경망(BRITS, Bidirectional Recurrent Imputation for Time Series) 딥러닝 알고리즘을 이용하였고, 대표적 시계열 예측 선형모델인 ARIMA(Auto-Regressive Integrated Moving Average)과 비선형모델 중 가장 많이 이용되고 있는 LSTM(Long Short-Term Memory) 모델을 이용하여 진동만의 용존산소량을 예측하고 그 성능을 평가했다. 결측 구간 보정 실험은 표층에서 높은 정확도로 보정이 가능했으나, 저층에서는 그 정확도가 낮았으며, 중층에서는 실험조건에 따라 정확도가 불안정하게 나타났다. 실험조건에 따라 정확도가 불안정하게 나타났다. 결과로부터 LSTM 모델이 중층과 저층에서 ARIMA 모델보다 우세한 정확도를 보였으나, 표층에서는 ARIMA모델의 정확도가 약간 높은 것으로 나타났다.

• 재무관리논총
• /
• 제8권1호
• /
• pp.231-252
• /
• 2002

2000년 7월부터 채권시가평가의 실행으로 채권운용자들도 채권포트폴리오의 위험을 채권선물을 이용하여 통제하거나 감소시키기 위해 헤지를 하여야 한다. 이때 헤지비율을 추정하는 방법으로는 전통적 회귀분석모형, 백터오차수정모형(Vector Error Correction Model : VECM)과 VAR모형(Vector AutoRegressive Model)이 있다. 전통적인 회귀분석모형에 의하여 추정된 헤지비율은 시계열자료의 불안정성(nonstationary) 등으로 인하여 잘못 추정될 가능성이 있어 면밀한 검토와 분석 후 사용하여야 한다. 시계열자료의 불안정성으로 말미암아 야기되는 문제점들을 개선할 수 있는 모형으로서 VECM과 VAR모형이 널리 이용되고 있다. 따라서 본 연구는 VECM과 VAR모형을 사용하여 추정된 헤지비율과 전통적 회귀분석모형을 사용하여 추정한 헤지비율을 비교하여 어떤 모형으로 추정한 헤지비율이 더 정확한지를 평가하는데 목적을 두고 있다. 즉, 본 연구는 KTB 현 선물의 헤징에 대한 연구로 2000년 1월 4일부터 2001년 7월 27일까지 385일간의 KTB 현 선물 자료와 불룸버그 국채지수를 대상으로 VECM 및 VAR모형과 전통적 회귀분석모형에 의한 헤지비율을 추정하고 각 모형의 설명력과 예측력을 비교하고자 한다. 이 연구의 실증분석 결과, KTB 현물가격과 KTB 선물가격간, 블룸버그 국채지수와 KTB 선물가격간에는 공적분 관계가 존재하며, VECM 및 VAR와 전통적 회귀분석모형을 이용하여 추정한 최적헤지비율의 크기는 대동소이(大同小異)하며, 전통적 회귀분석방법을 이용하는 것이 VECM과 VAR모형을 이용할 때 보다 설명력과 예측력이 우월한 것으로 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.185-185
• /
• 2015

미계측 지역에서의 토양수분을 예측하기 위한 공간보간 기법으로 크리깅 방법과 조건부합성기법을 한반도에 적용하여 비교 분석하였다. 연구에 사용된 토양수분 자료는 2011년 5월 1일부터 2011년 9월 30일까지이며, Advanced Microwave Scanning Radiometer-Earth observing system(AMSR-E)의 위성관측 자료와 농촌진흥청에서 제공하는 지상관측 자료를 이용하였다. leave-one-out 교차검증 방법을 사용하여 공간보간 성능을 평가했고, 관측지점별 시계열 분석 결과 총 24개 관측지점 중 14개 관측지점에서 CM의 결과가 우세한 것으로 나타났다. 특정 관측일에 대해 예측 성능 분석 결과 총 113일 중 68일에 대해 CM의 결과가 우세한 것으로 나타났다. 각 관측지점의 예측 성능을 공간적으로 분석하기 위하여 관측소별 예측 성능 지도를 작성하여 공간적인 특성을 분석한 결과 관측소가 밀집되어있는 한반도의 서쪽지역에서 예측이 성능이 좋게 나왔다. 이러한 결과는 위성으로부터 관측된 토양수분 자료의 공간적인 특성을 고려하여 지상관측 자료와 합성하는 것이 토양수분의 공간적인 보간성능을 향상 시킬 수 있다는 것을 의미한다.