• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.07a
• /
• pp.141-142
• /
• 2018

기존 데이터의 패턴 예측에는 통계를 기반으로 한 수학적 모델이 주로 사용되었으나 새로운 데이터에 대한 피드백이 부족하기 때문에 장기간의 데이터 예측에 한계가 있다. 또한 데이터의 특성이 다양하고 복잡한 경우에는 수학적 모델의 결합 및 계산과정이 어려워진다. 따라서 본 논문에서는 데이터의 학습 및 예측에 기존 정적 모델이 아닌 기계학습 중 시계열 데이터 분석 (Time Series Analysis) 을 기반으로 연구를 진행하였다. 기계학습은 복잡한 특성을 가진 데이터를 학습하여 미래의 데이터 값을 예측하거나 분류하는데 있어서 정확도 및 처리시간 측면에서의 성능을 향상시킬 수 있다.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2004.03a
• /
• pp.279-285
• /
• 2004

도시라는 광역지역의 확장을 분석하는데 위성자료는 매우 유용한 정보를 제공한다. 특히 한국항공우주연구원에서 운용중인 다목적 실용위성(KOMPSAT) 1호 영상자료는 해상도가 높아 도시지역의 분석에 유용한 정보를 제공하고 있으며, 과거의 항공사진 등을 복합적으로 활용한다면 도시의 확장 과정에 대한 시계열 분석이 가능하다. 도시의 확장 과정을 분석하여 그 정보를 추출하는 것은 새로운 도시계획을 위한 필수적인 기본 자료를 구축하는 중요한 역할을 할 수 있으며, 특히 2003년 개정 시행중인 국토의 계획 및 이용에 관한 법률은 도시기본계획 수립에 있어 도시의 성장 경향 등에 관한 기초조사를 의무화한 토지적성평가 제도를 도입하고 있다. 본 연구에서는 다목적 실용위성 1호 EOC 영상과 기타 원격탐사 자료를 복합적으로 활용하여 대전광역시 도시화 지역의 확장 추이를 분석하고 그 경향과 특성을 도출해 도시계획 수립에 원격탐사 자료를 활용할 수 있는 가능성을 제시해 보고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.458-461
• /
• 2021

유동인구 예측은 상권의 특성에 따른 점포의 입지 선정 및 고객 맞춤형 마케팅 등 민간 분야에서부터 교통망 등 사회 간접 자본 설계를 위한 공공 분야에 이르기까지 다양한 목적으로 연구되어 왔으며, 최근에는 Covid-19 의 확산에 따라 그 중요도가 더욱 높아지고 있다. 보다 정교한 예측을 위해서는 전체적인 유동 인구 뿐만 아니라 특성 별로 세분화된 하위 그룹에 대해서도 정확한 예측이 요구되나, 기존의 예측 모델들은 이러한 데이터의 계층 구조를 고려하지 않았다. 본 연구에서는 세분화된 하위 그룹 별 유동인구의 예측 정확도를 높이기 위해 전체 유동인구의 패턴을 동시에 활용하는 Global-Local 구조 기반의 Deep Learning 유동인구 분석 모델을 제안한다. 실험 결과 단일 시계열 데이터만을 사용하는 경우 대비 5.4%~52.6%의 예측 오류 감소 효과가 있음을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.586-588
• /
• 2022

산업용 설비의 결함을 예측하기 위해 기기에 탑재된 다양한 센서의 시계열 데이터를 이용한 결함 진단 연구가 확대되고 있다. 센서의 시계열 데이터는 값의 특성이 명확하지 않을 경우, 특징 추출이 제한적이지만, 주파수 영역으로 변환하면 진폭, 피크 주파수 등 데이터의 정보를 다각도로 담고 있어 특성을 추출하는 데에 이점이 있다. 따라서, 본 논문은 FFT(Fast Fourier Transform) 기법을 이용해 분해된 데이터를 조합하여 학습에 적용하는 선택적 FFT 기법을 제안한다. 제안 기법은 협동 로봇의 진동 신호를 이용한 결함 진단에 적용하였으며, 기존 결함 진단 정확도 대비 최대 41.81% 향상된 성능을 보였다.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.69-70
• /
• 2011

평일의 전력수요는 연속적인 시계열 특성이 뚜렷하여 전력수요예측 오차가 크지 않으나 특수일의 경우는 불연속적인 시계열특성을 가지게 되어 전력수요예측 오차율이 크다. 특히, 연휴의 직전 평일은 평일의 특성과 특수일의 특성이 혼재하고 있어 오차율이 가장 큰 일자 중 하나이다. 따라서 본 논문에서는 연휴 직전 평일과 직전 일요일과의 부하 변동비를 계산하여 전력수요를 예측하는 방법을 제안하고, 추석연휴 직전 평일에 제안한 방법을 적용하여 최대수요예측 오차가 개선됨을 확인하였다.

• The KIPS Transactions:PartB
• /
• v.14B no.7
• /
• pp.531-540
• /
• 2007

In this research, we proposed a two-phase hybrid stock price forecasting model with cointegration tests and artificial neural networks. Using not only the related stocks to the target stock but also the past information as input features in neural networks, the new model showed an improved performance in forecasting than that of the usual neural networks. Firstly in order to extract stocks which have long run relationships with the target stock, we made use of Johansen's cointegration test. In stock market, some stocks are apt to vary similarly and these phenomenon can be very informative to forecast the target stock. Johansen's cointegration test provides whether variables are related and whether the relationship is statistically significant. Secondly, we learned the model which includes lagged variables of the target and related stocks in addition to other characteristics of them. Although former research usually did not incorporate those variables, it is well known that most economic time series data are depend on its past value. Also, it is common in econometric literatures to consider lagged values as dependent variables. We implemented a price direction forecasting system for KOSPI index to examine the performance of the proposed model. As the result, our model had 11.29% higher forecasting accuracy on average than the model learned without cointegration test and also showed 10.59% higher on average than the model which randomly selected stocks to make the size of the feature set same as that of the proposed model.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2022.05a
• /
• pp.510-512
• /
• 2022

Various studies are being conducted to improve the accuracy of fine dust, but there is a problem that deep learning models are not well learned due to various characteristics according to the concentration of fine dust. This paper proposes an EEMD-based fine dust concentration prediction model to decompose the characteristics of fine dust concentration and reflect the characteristics. After decomposing the fine dust concentration through EEMD, the final fine dust concentration value is derived by ensemble of the prediction results according to the characteristics derived from each. As a result of the model's performance evaluation, 91.7% of the fine dust concentration prediction accuracy was confirmed.

• Journal of the Korean Geophysical Society
• /
• v.2 no.4
• /
• pp.269-276
• /
• 1999

As a part of trying to get the resistivity values correctly from laboratory core resistivity measurement, the effect of sample holders in resistivity measurement was analyzed and a better way to determine the representative resistivity value from the time series resistivity data was searched. Modified GS type and modified two-electrode type sample holders were devised and their effects have been compared with those of GS and two-electrode type sample holders. The modified two-electrode type sample holder has benefits both in repetition and simplicity in data acquisition. The analysis of distribution trend of the time series resistivity data obtained with different kind of sample holders and source frequencies shows that the maximum curvature point method gives the best result in determining representative resistivity value.

• The Journal of Engineering Geology
• /
• v.21 no.1
• /
• pp.35-43
• /
• 2011

Time series analysis was applied to groundwater level, water temperature, and electrical conductivity data obtained from monitoring wells around ground-source heat pumps at Sangji University of Wonju (standing column well type) and at Jungwon University of Goesan (closed loop type), from 21 May to 12 October 2010. We found large temporal variations in the characteristics of groundwater at Wonju, but only minor variations at Goesan. These results may improve our understanding of the effects of ground-source heat pumps on the characteristics of surrounding groundwater, according to the installation method for the pumps.

• Proceedings of the Korea Contents Association Conference
• /
• 2003.11a
• /
• pp.290-297
• /
• 2003

A time-series database is a set of data sequences, each of which is a list of changing values corresponding to an object. Subsequence matching under time warping is defined as an operation that finds such subsequences whose time warping distance to a given query sequence are below a tolerance from a time-series database. In this paper, we first point out the characteristics of the previous methods for time-series sequence matching under time warping, and then discuss the approaches for applying them to whole matching as well as subsequence matching. Also, we perform quantitative performance evaluation via a series of experiments with real-life data. There have not been such researches in the literature that compare the performances of all the previous methods of subsequence matching under time warping. Thus, our results would be used as a good reference for showing their relative performances.