• 한국가스학회지
• /
• 제23권5호
• /
• pp.52-58
• /
• 2019

본 연구에서는 국내 도시가스 인수량에 대한 예측 모델을 개발하였다. 국내의 도시가스 회사는 KOGAS에 차년도 수요를 예측하여 보고해야 하므로 도시가스 인수량 예측은 도시가스 회사에 중요한 사안이다. 도시가스 사용량에 영향을 미치는 요인은 용도구분에 따라 다소 상이하나, 인수량 데이터는 용도별 구분이 어렵기 때문에 특정 용도에 관계없이 영향을 주는 요인으로 외기온도를 고려하여 모델개발을 실시하였다.실험 및 검증은 JB주식회사의 2008년부터 2018년까지 총 11년 치 도시가스 인수량 데이터를 사용하였으며, 전통적인 시계열 분석 중 하나인 ARIMA(Auto-Regressive Integrated Moving Average)와 딥러닝 기법인 LSTM(Long Short-Term Memory)을 이용하여 각각 예측 모델을 구축하고 두 방법의 단점을 최소화하기 위하여 다양한 앙상블(Ensemble) 기법을 사용하였다. 본 연구에서 제안한 일별 예측의 오차율 절댓값 평균은 Ensemble LSTM 기준 0.48%, 월별 예측의 오차율 절댓값 평균은 2.46%, 1년 예측의 오차율 절댓값 평균은 5.24%임을 확인하였다.

• 한국콘텐츠학회논문지
• /
• 제15권3호
• /
• pp.32-39
• /
• 2015

본 논문에서는 첨단 ICT기반의 다양한 기술들을 이용하여 미래형 지도에 대해 제안한다. 미래형 지도는 현실세계에 존재하는 유무형의 사실과 현상에 대한 이해와 해석을 통하여 다양한 형식으로 결과를 표현하고 사용자 참여형의 새로운 모습으로 발전될 것으로 전망되고 있다. 향후 지도는 경제, 산업, 일상생활에 필요한 정보의 수집, 처리, 활용, 분석, 배포 및 공유가 실시간으로 이루어지는 새로운 패러다임을 지향하는 지도 형태로 발전할 것으로 예상된다. 이러한 관점으로 본 논문에서는 지도, 데이터베이스, 공간분석의 개념을 기반으로 현실공간의 정보를 디지털화하여 실시간 개인 맞춤형 콘텐츠를 제공하고, 시계열 데이터의 표현을 특징으로 하여 사회, 경제, 문화 등 모든 분야의 거시 현상을 분석 및 예측하여, 미래창조경제를 선도할 수 있는 '신 패러다임 맵'에 대한 개념을 정립하고 그에 따른 핵심 기술들을 기술한다.

• 한국산림과학회지
• /
• 제95권6호
• /
• pp.643-648
• /
• 2006

효율적인 산불예방과 진화활동을 위해서는 산불 발생 및 확산특성에 대한 분석이 요구된다. 본 연구에서는 1970년부터 2005년까지 총 36년간의 월별 산불 발생건수 및 연소면적 자료를 이용하여 산불특성을 분석하고, Box-Jenkins의 ARIMA 모형을 이용하여 시계열 예측모형을 추정하였다. 분석 결과 발생건수 및 연소면적은 월별로 유의한 차이가 있었는데, 3월과 4월 두 달 동안 전체 발생건수의 59%, 연소면적의 72%가 집중되었다. 발생건수와 연소면적 모두에 있어서 ARIMA(1, 0, 1) 모형이 적합한 모델로 선정되었으며, 산불은 1개월과 12개월 전의 발생건수, 연소면적 수치와 밀접한 관련이 있음을 알 수 있었다.

• 한국융합학회논문지
• /
• 제12권3호
• /
• pp.9-15
• /
• 2021

최근 5G와 인공지능 기술이 발전하면서 클라우드 엣지 환경에서 정보를 수집/처리/분석 하기 위한 AIoT 기술에 많은 관심을 갖고 있다. AIoT 기술은 다양한 스마트 환경에 적용되고 있지만 수집된 정보의 정확한 분석을 통해 빠른 대응처리를 수행할 수 있는 연구가 필요하다. 본 논문에서는 스마트 환경에서 수집된 정보를 AIoT에서 빠른 처리와 정확한 분석/예측을 통해 AIoT 정보들간 연계 처리를 블록 처리함으써 대역폭 및 처리시간을 최소화할 수 있는 기법을 제안한다. 제안 기법은 블록체인으로 수집된 정보를 다중 연계하여 AIoT 장치에서 데이터 인덱스에 대한 시드를 생성하여 수집정보와 함께 블록처리하여 데이터 센터로 전달한다. 이 때, 클라우드와 AIoT 장치사이는 DNN(Deep Neural Network) 모델을 배치하여 네트워크 오버헤드를 줄이도록 하였다. 그리고, 서버/데이터센터에서는 전달된 분석 및 예측된 결과를 통해 정확하지 못한 AIoT 정보의 정확도를 개선하여 지연시간을 최소화하도록 하였다. 또한, 제안기법은 AIoT 정보에 가중치를 적용하여 블록체인으로 그룹핑하기 때문에 계층화된 다층 네트워크로 분할 가능하도록 하여 데이터 지연시간을 최소화하였다.

• 한국건설관리학회논문집
• /
• 제6권1호
• /
• pp.80-88
• /
• 2005

주택수요는 수요유발 상관인자를 주축으로 한 주택수요 예측모형에 의하여 그 수표량을 예측할 수 있다. 이때, 주택수요 예측모형은 상관인자의 영향도에 따라서 인자의 미세한 추이변화에 대해서도 수요의 변화폭을 민감하게 제시하게 된다. 이를 위하여 주택수요 예측에 동원 될 수 있는 여러 상관인자들 가운데 영향도가 가장 큰 인자가 무엇인지 찾아낼 필요가 있다. 이때 대상인자의 데이터는 횡단면자료(Cross Section Data) 혹은 시계열자료(Time Series Data)분석으로 수행된다. 즉, 영향도가 가장 큰 인자들을 찾아내는 방법마련이 필요하며 이후 이 방법에 따른 상관인자의 도출이 가능함에 따라 영향도가 가장 큰 인자를 발굴하는 방법을 제시하고 이에 의한 상관인자를 도출하는 것을 본 연구의 목적으로 한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.224-224
• /
• 2022

물부족, 수질오염, 조류발생 등 효율적 물관리를 위해서는 물정보 통합이 필요하지만 부처별/목적별로 개별 생산·관리되어 물관리 현안에 효과적으로 대응하기 어려운 실정이다. 물관리 현안 대응 의사결정을 위해서는 현재 상황에 대한 정확한 인식과 장래(1,3개월) 수자원 상황을 고려한 예측·분석체계 구축 필요하며, 이를 위해서는 수원별 가용수량, 지역별 물사용량 및 회귀수량 등 지자체, 유역, 하천을 연계한 실제 물이용 정보 기반의 물배분 현황 분석체계 구축이 필요하다. 본 연구에서는 물수급 관련 수요·공급 시설의 위치를 연결하는 물수급 분석 알고리즘 개발을 통해 지형공간정보의 위상(topology) 관계를 설정하여 물수급 분석의 계산순서를 선정하고, 시계열 DB를 입력하여 전국 약 40만개 이상의 일단위 물수급 분석 정보생산체계를 구축하였다. 본 연구에서 개발된 물수급 분석 모형은 향후 물관련 이슈 지역의 용수공급능력 평가 및 디지털트윈 등 다양한 수자원 정책평가에 활용될 것으로 기대된다.

• 한국전자거래학회지
• /
• 제25권2호
• /
• pp.49-63
• /
• 2020

영화 제작에 막대한 비용이 투입되지만 관객수요는 매우 불확실하기 때문에 개선된 수요예측은 수익 개선을 위한 의사결정의 중요 수단으로 활용될 수 있다. 본 연구에서는 영화의 개봉 후 수요를 예측함에 있어 기계학습 기법의 적용 타당성을 예측 성능의 관점에서 검증하였다. 분석결과를 종합하면 다음과 같다. 첫째, 대안변수에 대한 통계적 검증 결과 기본 영화 특성(감독, 배우)과 함께 개봉 후 2주차까지의 스크린수, 상영횟수, 관객수, 주요 배우에 대한 관심도 등 시계열 자료가 수요예측에 유의미한 것을 확인하였다. 둘째, Random Forest Classifier와 SVM(Support Vector Machine) 등 분류 기반 기계학습 기법과 Random Forest Regressor와 k-NN Regressor와 같은 회귀모형 기반 기계학습 기법에 적용하여 예측 성능을 평가한 결과, Random Forest 기법이 우수한 결과를 보였다. 셋째, 누적관객수가 1분위보다 작은 영화에서 회귀모형 기반 기법은 낮은 예측 정확도를 보였으며, 분류기반 기법은 반대로 가장 우수한 결과를 얻었다. 즉, 영화 수요의 분포 특성에 따라서 차별화된 기계학습 기법을 적용하는 것이 필요하다.

• 한국산학기술학회논문지
• /
• 제16권10호
• /
• pp.6860-6868
• /
• 2015

본 연구에서는 국내 도시가스 일일 수요 예측에 대한 문제를 다룬다. 정확한 일일 수요 예측은 안정적인 도시가스의 수급을 위해서 필수적인 사항으로 실제 가스 공급기관의 일상 업무에 해당한다. 본 연구에서는 수요예측 방법을 고안하기 위하여 일일 도시가스 수요 시계열에 대한 데이터 분석을 수행하였으며, 예측일 수요에 영향을 주는 주요한 요인으로 직전일 수요, 기온, 요일 등을 파악하였다. 본 연구에서는 이러한 요인들을 고려한 회귀 모형과 국내 도시가스 수요 특성에 맞는 선별적 샘플링 절차를 제안하였다. 제안 모형과 선별적 샘플링 절차로 구성된 예측 방법의 성능 검증을 위하여 실제 도시가스 수요에 대한 예측을 수행하였다. 문헌에 소개된 기존 방법과 예측 성능을 비교한 결과, 본 연구에서 제안한 방법의 평균절대백분율오차는 약 2.22%로서 개선 비율은 대략 7%에 해당한다.

• 대한교통학회지
• /
• 제31권3호
• /
• pp.3-18
• /
• 2013

본 연구는 2000년 1사분기부터 2010년 4사분기 까지 인천국제공항에서 출발하여 유럽내 모든공항에 도착한 항공화물의 시계열 자료를 바탕으로 SARIMA 모형을 활용, 수요예측 모형을 구축하였다. 또한 SARIMA 모형을 활용하여 구축한 예측모형을 기존에 주로 활용되어진 ARIMA 모형과 그 예측정확성을 비교 분석함으로써 SARIMA 모형의 정확성을 확인하였다. 현재 국내교통수요를 예측하는 부문에 있어서 SARIMA 모형을 활용한 경우는 극히 드물다. 또한 공항의 총 여객수요나 화물량이 아닌 항공노선의 수요예측에 관한 연구 역시 찾아보기 힘들다. 이러한 상황 하에서, SARIMA 모형을 활용하여 인천국제공항 발 유럽노선의 항공화물 수요를 예측한 본 연구는 상당히 큰 의미가 있다고 생각된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권10호
• /
• pp.427-436
• /
• 2022

산업통상자원부에서 제공하는 KOTRA 무역 데이터는 해당 품목과 해당 국가에 대하여 GDP, 관세율, 비즈니스 점수, 과/차년도 수출금액 등을 제공한다. 그러나 무역 수출품목은 수없이 많을뿐더러 그에 따른 대량의 데이터를 매년 수작업 기반 분석을 통해 유의미한 결과를 이끌어내는 것은 상당히 큰 시간과 비용을 요구한다. 따라서 이번 연구에선 대량의 데이터를 학습하여 단기간에 저비용으로 결과 예측이 가능한 다층 퍼셉트론 모델을 구현하고 성능을 평가하였다. 먼저 딥러닝 기반 무역 수출 가격 예측 모델을 일반적 다변량 회귀 모델과 비교하였을 때, 예측 오류와 학습 시간 측면에서 통계적으로 우수한 성능을 보였다. 수출 가격 데이터는 시계열 속성이 있을 것으로 예상하는 바, 은닉 노드들이 모두 연결된 다층 퍼셉트론과 순환 신경망을 이용하여 수출 가격 데이터를 예측하였다. 그 결과 새로운 데이터에 대해 수출 가격 예측을 위한 일반화 능력은 순환 신경망이 우수한 성능을 보였으나, 다층 퍼셉트론이 무역 수출 가격 예측에서 더 뛰어난 성능을 보였다. 추후 장기간 데이터를 확보한다면, 순환 신경망 혹은 트랜스포머 기반 딥러닝 모델을 이용하여 더 뛰어난 수출 가격 예측이 가능할 것으로 사료된다.