• Korean Journal of Construction Engineering and Management
• /
• v.10 no.4
• /
• pp.50-57
• /
• 2009

The Korea Standard of Estimate which has been used as the only basis of Cost estimate of public construction projects is failed to reflect the fluctuation of current construction cost. Therefore, the government decided to gradually introduce historical construction cost into cost estimate of public construction projects from 2004 and to reduce the use of Korean Standard of Estimate. This paper presents a series of process and the methodology for computing Actual Cost and analyzing the fluctuation patterns based on not only previous contract prices which made a successful bid but also all of the other bid prices. Also, this paper mainly handles a device for extracting strategic bid price such as low price bid for assuring reliable data and for predicting the construction cost which is built by Wavelet Analysis of Time series Analysis data and Neural Network. It is anticipated that the effective use of the proposed process for estimating actual unit cost would make the cost estimation more current and reasonable.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2019.05a
• /
• pp.76-76
• /
• 2019

도선사는 항만선박운항 안전과 효율적인 항만운영을 위해 유지되어야 하는 중요한 인적요소이다. 그러나 최근 개정된 도선법에 따른 예상되는 도선사 시험응시연령의 저하와 국가필수도선사제도 도입으로 인한 정년연장 현상 등의 직접적인 환경변화가 이루어지고 있다. 또한 계속되는 해운 및 항만환경의 변화인 선박의 대형화와 항만물동량 변화 등은 우리나라 도선사 수요에 직간접적이니 영향으로 작용하고 있다. 따라서 본 연구에서는 이러한 도선환경 변화에 따른 우리나라 도선사 수요의 산정과 각 도선구별 적정 도선사의 분배방안을 제시 하고자 한다. 우선 문헌조사 및 선행연구의 분석을 통하여, 1996년 이후 우리나라 해양수산부에서 시행해오고 있는 수급계획 수립과 이에 따른 도선사 수 지정방식에서 도선운영협의제도로 변환한 과정과 문제점 등을 도출하고자 한다. 그리고 선행연구에서 도입해 수요예측 산정방식의 장단점과 문제점을 분석하여, 수요예측 개선방안을 도출하였다. 마지막으로 기존 수요예측 방식의 개선방안으로 시계열 자료를 이용한 시계열분석법을 도입하여, 향후 5년간의 적정 도선사 수요를 예측하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.462-462
• /
• 2015

이 논문에서는 시 공간적 토양수분 변화를 파악하기 위해 다년간 축적된 실측 토양수분 데이터를 이용하여 단변량 시계열 분석을 하였다. 지형에 따른 토양수분 변화를 알아보기 위해 경기도 파주에 위치한 설마천 유역의 산지사면 중 한 단면을 선정하였으며, 깊이에 따른 변동성은 깊이 10cm와 30cm에서 측정한 토양수분 데이터를 이용하여 분석하였다. 또한, 연도별 토양수분의 변화를 파악하고 토양수분을 예측하기 위해 2010-2013년의 토양수분 데이터를 일단위로 단변량 모델링을 시도하였다. 그 결과, 연도별 변화에 따른 경향성은 보이지 않았으며 대부분의 지점에서 ARMA(1, 1) 또는 ARMA(1, 0) 모형으로 모의되었다. 2시간 간격의 1-2개월 단기간 토양수분 데이터를 모의한 선행연구와 달리 본 연구에서는 낮은 차수의 모형을 보였다. 지형적 토양수분 거동을 살펴보면 상부사면에 위치하고 있는 지점에서는 모두 ARMA(1, 1)로 표현되지만 하부사면에 위치한 지점들은 연도나 심도에 따라 ARMA(1, 0)으로 모의된다. 단변량 모형의 정확도를 알아보기 위해 R2와 RMSE를 비교하였다. 10cm 깊이에서는 경향성을 보이지 않으나, 30cm 깊이에서는 사면하부로 갈수록 R2는 작아지고 RMSE는 커져, 하부사면에서의 모델링이 상부사면에 비해 정확도가 낮음을 보였다. 또한 2012년 토양수분 자료를 이용하여 2013년 토양수분을 예측하기 위해 2012년 매개변수와 2013년 전일 데이터를 이용하여 예측하고자 하는 일단위 토양수분을 구하였다. 그 결과 $R^2=0.646-0.807$, RMSE=1.758-4.802의 정확도를 나타냈다.

• Journal of KIISE:Information Networking
• /
• v.32 no.4
• /
• pp.433-442
• /
• 2005

An increase In traffic has a large Influence on the performance of a total network. Therefore, traffic management has become an important issue of network management. In this paper, we propose a new routing algorithm that attempts to analyze network conditions using time series prediction models and to propose predictive optimal routing decisions. Traffic congestion is assumed when the predicting result is bigger than the permitted bandwidth. By collecting traffic in real network, the predictable model is obtained when it minimizes statistical errors. In order to predict network traffic based on time series models, we assume that models satisfy a stationary assumption. The stationary assumption can be evaluated by using ACF(Auto Correlation Function) and PACF(Partial Auto Correlation Function). We can obtain the result of these two functions when it satisfies the stationary assumption. We modify routing oaths by predicting traffic in order to avoid traffic congestion through experiments. As a result, Predicting traffic and balancing load by modifying paths allows us to avoid path congestion and increase network performance.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2014.10a
• /
• pp.708-710
• /
• 2014

최근 금융 분야에서는 빅 데이터를 이용하여 주가예측 모형을 만들어내고 있으며, 특히 금융 시계열 자료의 변동성 집중 현상을 금융 빅 데이터를 이용하여 분석함으로써 세계 주식시장의 동조화 현상을 분석하고 있다. 본 논문에서는 한국과 중국의 일별 주가지수수익률과 일중 주가지수수익률을 이용하여 이들 2개 국가의 대표적인 주가지수 시계열 데이터에 변동성 집중 현상이 존재하는지를 보다 세밀하게 추적하여 양국 주식시장의 동조화 현상을 분석한다. 분석 결과, 한국의 KOSPI와 중국의 Shanghai 종합주가지수의 지수수익률 시계열 자료는 단위근이 존재하지 않으며, 변동성 집중 현상을 보이는 것으로 나타났다. 또한 한국보다는 중국 주식시장의 변동성 집중현상이 보다 강하게 나타나며, 이러한 현상은 일중 주가지수수익률 시계열 자료에서 보다 두드러지게 나타났다.

• Environmental and Resource Economics Review
• /
• v.4 no.1
• /
• pp.103-124
• /
• 1994

주요 현물유가(WTI, Brent, Oman, Dubai)와 선물유가간의 동태적 관계를 시계열 분석 방법을 이용하여 살펴보았다. 현물유가 및 선물유가들은 1차 적분된 시계열(I(1))로 보여진다. 현물유가들사이 및 현물유가와 선물유가사이에도 공적분관계(cointegration relation)가 있는 것으로 보여진다. 한편, 선물유가는 현물 유가를 인과(Granger-cause)하지만, 현물유가는 선물유가를 인과하지 않는 것으로 나타났다. 이러한 공적분관계 및 인과관계의 결과는 합리적 기대가설(rational expectations hypothesis)에 의한 효율적 석유시장(efficient oil markets)과 일치하는 것으로 보여진다. 수정오차모형(error correction model)에 의해 3/4분기 및 4/4분기의 유가들을 예측해 보았다.

• The Korean Journal of Applied Statistics
• /
• v.33 no.3
• /
• pp.257-267
• /
• 2020

We introduce multivariate exponential smoothing models based on a vector innovations structural time series framework. The models enable us to exploit potential inter-series dependencies to improve the fit and forecasts of multivariate (vector) time series. Models are applied to forecast the exchange rates of the UK pound (UKP) and US dollar (USD) against the Korean won (KRW) observed on monthly basis; subseqently, we compare their performance with alternative models. We observe that the multivariate exponential smoothing models are superior to alternatives.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.19 no.5
• /
• pp.655-660
• /
• 2009

The context prediction algorithms are not suitable to provide real-time personalized service for users in context-awareness environment. The algorithms have problems like time delay in training data processing and the difficulties of implementation in real-time environment. In this paper, we propose a prediction algorithm with user modeling to shorten of processing time and to improve the prediction accuracy in the context prediction algorithm. The algorithm uses moving path of user contexts for context prediction and generates user model by time-series analysis of user's moving path. And that predicts the user context with the user model by sequence matching method. We compared our algorithms with the prediction algorithms by processing time and prediction accuracy. As the result, the prediction accuracy of our algorithm is similar to the prediction algorithms, and processing time is reduced by 40% in real time service environment.

• Advanced Industrial SCIence
• /
• v.3 no.1
• /
• pp.17-22
• /
• 2024

History, which began with the emergence of mankind, has a means of recording. Today, we can check the past through data. Generated data may only be generated and stored at a certain moment, but it is not only continuously generated over a certain time interval from the past to the present, but also occurs in the future, so making predictions using it is an important task. In order to find out trends in the use of time series data among numerous data, this paper analyzes the concept of time series data, analyzes Recurrent Neural Network and Long-Short Term Memory, which are mainly used for time series data analysis in the machine learning field, and analyzes the use of these models. Through case studies, it was confirmed that it is being used in various fields such as medical diagnosis, stock price analysis, and climate prediction, and is showing high predictive results. Based on this, we will explore ways to utilize it in the future.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2012.05a
• /
• pp.803-806
• /
• 2012

On this paper, various analysis methods has been applied to analyze and forecast the maximum electrical power needs, which is regarded as a nonlinear dynamic system. To understand the characteristic of complicated system, we used TISEAN package and evaluate the chaotic characteristic of time series obtained from electrical power demand using it. TISEAN package offers various algorithms and codes to analyze time series of nonlinear system effectively.