• Journal of the Korean Institute of Intelligent Systems
• /
• v.21 no.3
• /
• pp.341-346
• /
• 2011

A vacant technology forecasting is an important issue in management of technology. The forecast of vacant technology leads to the growth of nation and company. So, we need the results of technology developments until now to predict the vacant technology. Patent is an objective thing of the results in research and development of technology. We study a predictive method for forecasting the vacant technology quantitatively using patent data in this paper. We propose an ensemble model that is to vote some clustering criteria because we can't guarantee a model is optimal. Therefore, an objective and accurate forecasting model of vacant technology is researched in our paper. This model combines statistical analysis methods with machine learning algorithms. To verify our performance evaluation objectively, we make experiments using patent documents of diverse technology fields.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.497-497
• /
• 2018

복잡한 기상조건 하에서 강우의 예측은 수문 기상 분야에서 필수적인 과정이라 할 수 있다. 특히 월 단위의 강우 예측은 장기적인 수자원 관리 및 계획 수립 시 매우 중요한 기준이 되기 때문에 보다 정확하고 신뢰도 있는 예측을 필요로 하고 있다. 이를 위해 전 지구적 기후 변동의 양상을 수치화 하여 나타낼 수 있는 기상인자의 활용이 활발해지고 있으며 다양한 모형을 기반으로 한 강우 예측이 수행되고 있다. 최근에는 인공지능 기법을 활용한 인공신경망 모형의 적용이 활발해짐에 따라 높은 예측력을 바탕으로 강우 예측에 대한 연구가 이루어지고 있지만 초기 가중치의 무작위성 또는 과적합으로 인한 문제도 함께 나타나고 있다. 본 연구에서는 인공신경망 모형의 활용성을 높이고 신뢰성을 확보하기 위한 강우 예측을 수행하고자 하였다. 이를 위해 다양한 기상인자를 활용하여 인공신경망 모형을 위한 정보를 구축하고 인공신경망 모형을 통해 생성되는 결과로부터 단일 예측이 아닌 앙상블 예측을 활용함으로써 강우 앙상블을 생성하고 조합하였다. 그 결과 인공신경망 모형을 통한 단일 예측보다 앙상블을 통한 예측으로 안정적이고 정확한 예측 결과를 산정할 수 있었으며 기존에 인공신경망 모형을 통한 예측의 문제점을 보완할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.233-233
• /
• 2023

효율적인 수자원 관리에 필수적인 요소 중 하나는 유역 유출의 정확한 예측이다. 동일한 유역이라 할지라도 과거 기후조건에 대해 매개변수나 모형구조가 최적화된 수문모형은 현재나 미래 기후에 대해 최적이라 할수 없으며, 이에 따라 유역 유출 해석의 불확실성 또한 증가하고 있다. 수문자료동화는 모형의 입력 자료에 따른 불확실성을 줄이고 예측정확도를 향상 시킬 수 있는 방법으로, 수문모형의 상태량이나 매개변수를 업데이트하여 모형 초기 조건의 가능성 높은 추정치를 생성하는 기법이다. 본 연구에서는 국내 댐 상류 유역에 대해 집중형 수문모형과 순차자료동화 기법의 연계 패키지인 airGRdatassim 모형을 적용하여, 앙상블 칼만 필터와 파티클 필터 기법의 수문자료동화 특성을 비교 분석하고, 자료동화와 관련된 하이퍼-매개변수의 불확실성이 수문모의 성능에 미치는 영향을 분석하였다. 자료동화 적용 결과, 두 자료동화 기법 중 파티클 필터에 의한 모의성능이 높았으며 기상강제력 노이즈의 범위, 갱신 대상 상태량 설정, 앙상블 설정 등 수문자료동화의 설정과 관련된 하이퍼 매개변수의 불확실성은 두 기법별 뚜렷한 차이를 보였다. 또한, 본 연구에서는 일단위에서 시단위로 확장한 유량 예측 자료동화의 시험 모의결과 및 앙상블 수문동화기법의 도전과제에 대해서도 논의한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.550-550
• /
• 2016

본 연구에서는 Clark 모형을 기반으로 한 홍수유출 앙상블 멤버 생성기법을 개발하였다. Clark 모형의 매개변수인 집중시간과 저류상수는 불확실성을 가진다. 본 연구에서는 집중시간과 저류상수가 가지고 있는 불확실성을 해결하기 위하여 적절한 확률분포를 선정하였다. 집중시간에 적절한 확률분포는 집중시간이 가지고 있는 특성과 확률분포가 가지고 있는 특성을 비교 및 분석하여 선정하였다. 선정된 확률분포는 감마분포와 대수정규분포이다. 저류상수에 적절한 확률분포는 저류 상수와 집중시간의 관계를 분석하여 선정하였다. 선정된 확률분포는 집중시간에서 선정한 확률분포와 동일하다. 본 연구에서는 이지호 등(2013)의 연구에서 집중시간과 저류상수 사이에 뚜렷한 관계를 확인하고 이에 적합한 이변량 확률분포를 선정하였다. 선정된 이변량 확률분포는 이변량 감마분포와 이변량 대수정규분포이다. 이변량 감마분포는 집중시간과 저류상수에 적용 가능한 Smith, Adelfang and Tubb's(SAT) 이변량 감마분포를 선정하였다. SAT 이변량 감마분포와 이변량 대수정규분포의 적합도 검정방법은 K-S 검정을 이용하였다. 본 연구에서는 SAT 이변량 감마분포와 이변량 대수정규분포로 Random Number Generation 실시하였다. 생성된 집중시간과 저류상수의 앙상블 멤버는 Clark 모형을 이용하여 홍수유출 앙상블 멤버를 생성한다. 제안된 홍수유출 앙상블 멤버 생성기법은 방림 유역을 대상 검토하였다.

• The Korean Journal of Applied Statistics
• /
• v.32 no.2
• /
• pp.319-330
• /
• 2019

Forecasting the electricity consumption through analyzing the past electricity consumption a advantageous for energy planing and policy. Machine learning is widely used as a method to predict electricity consumption. Among them, ensemble learning is a method to avoid the overfitting of models and reduce variance to improve prediction accuracy. However, ensemble learning applied to daily data shows the disadvantages of predicting a center value without showing a peak due to the characteristics of ensemble learning. In this study, we overcome the shortcomings of ensemble learning by considering the temperature trend. We compare nine models and propose a model using random forest with the linear trend of temperature.

• Journal of Korea Society of Industrial Information Systems
• /
• v.17 no.7
• /
• pp.139-148
• /
• 2012

An ensemble of classifiers is to employ a set of individually trained classifiers and combine their predictions. It has been found that in most cases the ensembles produce more accurate predictions than the base classifiers. Combining outputs from multiple classifiers, known as ensemble learning, is one of the standard and most important techniques for improving classification accuracy in machine learning. An ensemble of classifiers is efficient only if the individual classifiers make decisions as diverse as possible. Bagging is the most popular method of ensemble learning to generate a diverse set of classifiers. Diversity in bagging is obtained by using different training sets. The different training data subsets are randomly drawn with replacement from the entire training dataset. The random subspace method is an ensemble construction technique using different attribute subsets. In the random subspace, the training dataset is also modified as in bagging. However, this modification is performed in the feature space. Bagging and random subspace are quite well known and popular ensemble algorithms. However, few studies have dealt with the integration of bagging and random subspace using SVM Classifiers, though there is a great potential for useful applications in this area. The focus of this paper is to propose methods for improving SVM performance using hybrid ensemble strategy for bankruptcy prediction. This paper applies the proposed ensemble model to the bankruptcy prediction problem using a real data set from Korean companies.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.135-135
• /
• 2017

최근 강우-유출 모형은 물리적 현상에 근거한 확정론적 모의 모형과 물리적 성분으로 설명할 수 없는 내용에 대해 통계적으로 접근하는 추계학적 모의 모형 등이 계속 연구되고 있어 자연현상에 가까운 결과를 기대할 수 있게 되었다. 하지만 우리나라의 경우 많은 연구에도 불구하고 돌발성 집중호우, 여름철 집중되는 강우 등으로 인해 재난이 반복적으로 발생하고 있어 모형의 정확성에 대한 논의가 지속되고 있다. 동일한 유역에 동일한 입력자료를 사용하더라도 사용하는 모형에 따라 유출 분석결과는 상이하며 이는 유출 해석에 대한 불확실성으로 작용한다. 본 연구에서는 앙상블 및 블랜딩 기법을 사용하여 각 강우-유출 모형의 불확실성을 고려하여 최적 유출량을 산정하고자 한다. 대상 유역으로는 한강 수계에 있는 중랑천 유역을 선정하였으며, Distributed 모형인 Vflo 모형과 Lumped 모형인 저류함수 모형, SSARR모형, TANK 모형을 이용하여 유출 분석을 실시하였다. 그 후, Multi-Model Super Ensemble(MMSE), Simple Model Average(SMA), Mean Square Error(MSE) 방법 등의 blending 기법을 이용하여 하나의 통합된 형태의 유출 분석 결과를 제시하였으며, 최적 유출량 산정을 위한 blending 기법을 선정하였다. 본 연구를 통해 동일한 강우 시나리오에 대한 여러 강우-유출 모형에 대한 정확도를 확인하였으며, 앙상블 및 블랜딩 기법을 사용하여 유출 분석에 대한 정확도를 향상시킬 수 있을 것으로 판단된다.

• Journal of the Korean Data and Information Science Society
• /
• v.24 no.6
• /
• pp.1113-1125
• /
• 2013

Corporate bankruptcy prediction has been an important topic in the accounting and finance field for a long time. Several data mining techniques have been used for bankruptcy prediction. However, there are many limits for application to real classification problem with a single model. This study proposes ensemble SVM (support vector machine) model which assembles different SVM models with each different kernel functions. Our ensemble model is made and evaluated by v-fold cross-validation approach. The k top performing models are recruited into the ensemble. The classification is then carried out using the majority voting opinion of the ensemble. In this paper, we investigate the performance of ensemble SVM classifier in terms of accuracy, error rate, sensitivity, specificity, ROC curve, and AUC to compare with single SVM classifiers based on financial ratios dataset and simulation dataset. The results confirmed the advantages of our method: It is robust while providing good performance.

• Journal of Korean Society for Geospatial Information Science
• /
• v.22 no.4
• /
• pp.47-52
• /
• 2014

Species distribution models have been widely applied in order to assess biodiversity, design reserve, manage habitat and predict climate change. However, SDMs has been used restrictively to the public and policy sectors owing to model uncertainty. Recent studies on ensemble and consensus models have been increased to reduce model uncertainty. This paper was carried out single model and multi model for Corylopsis coreana and compares two models. First, model evaluation was used AUC, kappa and TSS. TSS was the most effective method because it was easy to compare several models and convert binary maps. Second, both single and ensemble model show good performance and RF, Maxent and GBM was evaluated higher, GAM and SRE was evaluated lower relatively. Third, ensemble model tended to overestimate over single model. This problem can be solved by the suitable model selection and weighting through collaboration between field experts and modeler. Finally, we should identify causes and magnitude of model uncertainty and improve data quality and model methods in order to apply special decision-making support system and conservation planning, and when we make policy decisions using SDMs, we should recognize uncertainty and risk.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.346-346
• /
• 2023

한국은 기상·수문정보의 예측이 기상 및 기후 측면에서 주도적으로 이루어지고 있다. 그러나 단기 및 중기 수자원 평가 및 분석을 위해 필요한 시공간적 규모, 정확도, 평가체계를 고려한 기상 기후 예측정보의 활용 방안이 마련될 필요가 있다. 이에 본 연구에서는 미래 수자원 평가 및 분석을 위한 방안을 마련하고자 국내 경안천 유역을 대상으로 하천유량을 예측하고 평가하였다. 이를 위해, 우리는 세계기상기구(World Meteorological Organization, WMO)에서 회원국을 대상으로 배포 중인 수자원 평가 도구인 동적수자원평가시스템(Dynamic Water resources Assessment Tool, DWAT)을 경안천 유역에 대하여 구축하고, 과거 관측 기상 및 유량 자료를 이용하여 매개변수를 보정하였다. 앙상블 하천유량 예측을 위해서 전지구적인 기후 패턴과 국내 기상 특성 간의 상관성 분석 후 이를 예측인자로 활용하여 다중회귀모형과 인공신경망 모형으로부터 생성된 1,000개의 앙상블 강우 및 기온 예측정보를 DWAT의 입력자료로 이용하였다. 2022년에 대한 앙상블예측정보를 DWAT의 입력자료로 사용하여 앙상블 하천유량이 예측되었다. 예측된 일-단위 하천유량은 실제 관측유량과 차이를 보이나 이는 예측된 앙상블 강우 및 기온정보의 오차에 기인하는 것으로 보인다. 이러한 결과는 수문 모형 결과의 오차는 강제 자료의 오차에 큰 영향을 받는 한계를 다시 한번 확인시켜준다. 따라서 단기·중기 수자원 평가 및 분석을 월-단위 하천유량으로 변환하여 월별 통계치를 분석하는 방향을 고려할 필요가 있다.