• 대한교통학회지
• /
• 제16권4호
• /
• pp.153-166
• /
• 1998

본 연구에서는 도시 가로망에서의 구간 통행시간을 예측하기 위하여 time-frequency 분석의 일종인 웨이브렛변환과 RBF신경망 모형을 이용한 예측모형을 개발하였다. 웨이브렛 변환을 이용한 시계열 자료 분석을 통해서 통행시간에 내재되어 있는 다양한 패턴의 특징을 추출함으로써 오전/오후의 첨두현상, 신호교차로의 현시주기 등 주기적으로 발생되는 요인들에 의해서 통행시간 시계열 자료의 패턴에 나타나는 규칙성을 분석해 내었다. 분석된 패턴정보에 대한 규명은 카오스 이론을 근간으로한 시간지연좌표를 이용하여 시계열 자료의 규칙성을 시각적으로 판별하여 예측모형 구축에 활용하도록 하였다. 또, RBF신경망을 이용하여 예측범위의 공간적/시간적 확대에 따른 모형 구축에 소요되는 시간을 최소화하도록 하였으며, 시내버스 노선의 정류장간 운행시간 예측을 통해서 기존 연구에서 제기되었던 현실세계의 단순화, 다단계 예측시 정확성 등의 문제를 해결하였다. 예측실험결과 웨이브렛 변환을 데이터의 전처리 과정에 삽입하여 링크 통행시간의 패턴정보 예측에 활용할 경우, 기존의 예측모형에 비해서 훨씬 정확한 예측이 가능한 것으로 나타났으며, RBF 신경망은 짧은 학습시간에도 불구하고 역전파 신경망보다 우수한 예측력을 갖고 있는 것으로 밝혀졌다.

• 한국경영과학회:학술대회논문집
• /
• 대한산업공학회/한국경영과학회 1995년도 춘계공동학술대회논문집; 전남대학교; 28-29 Apr. 1995
• /
• pp.455-468
• /
• 1995

기술변화에 의한 상품의 대체과정과 수요 성장 추세를 설명하고자 개발된 기존의 통계학적 수요예측 모형들은 확률밀도함수 또는 특정한 수학적 함수의 외형적 특성을 이용한 함수적 접근방법을 사용한 결과 과거 데이터들의 단순 경향치의 추세 설명에 한정되고 상한치를 향한 무한 접근 성장으로 일관되는 함수적 제약을 안고 있으며, 수요의 영향 요인을 반영하지 못하므로써 데이터가 없는 신제품 서비스 예측에 적용이 불가능한 문제점을 갖고 있다. 본 논문에서는 이들 문제점들을 극복하고 시장에 처음 출하되는 새로운 재화 또는 서비스의 수요예측 및 포화수준 도달 이후의 체감 성장에도 적용가능한 방법론으로서 수용의 결정요인을 반영한 예측모형을 제시한다. 모형의 예측능력을 판단하기 위해 정보통신 분야의 몇가지 대표적 제품 및 서비스를 대상으로 기존 모형(peal 모형, weibull 모형, NUI 모형, compertz 모형)들과 NTPS 모형(Nonasymtotic Technological Product Subsituation Model)을 적용하여 예측 결과를 비교하였다. 또한 본 모형을 활용하여 새로운 제품 및 서비스 수요예측을 위한 모수의 특성에 대하여도 검토해 보았다.

• 디지털융복합연구
• /
• 제18권2호
• /
• pp.205-211
• /
• 2020

미래 예측의 방법은 기술적 특성 또는 기술적 성능으로 예측이 가능할 수 있다. 그러므로 기술예측은 경제적, 사회적 이익을 산출해 낼 수 있는 전략적 연구 분야에서 활용되고 있다. 본 연구에서는 이러한 기술적 특성으로 미래를 예측하는 방법의 연구를 통하여 미래 시장을 예측하였다. 특별한 제품의 수요 욕구에 따라 시장을 점유하는 시점의 예측을 통해 미래 예측 방법을 연구하였다. 시장수요 예측을 위하여 대표적인 계량적 분석 방법인 연평균성장률(CAGR) 모형, BASS 모형, Logistic 모형, 곰페르츠 성장모형(Gompertz Growth Curve) 등의 비교를 통해 미래시장의 수요예측 모형을 제안하였다. 본 연구는 Rogers의 혁신확산 이론을 접목하여 제품이 시장에 확산되는 시점을 예측하였다. 연구결과로 특별한 제품이 시장을 점유하기 위한 다양한 요인들의 확산 시점을 통해 특별한 상품이 미래 시장에서 성숙하는 시점을 예측할 수 있는 방법론을 개발하였다. 그러나 시장을 예측하기 위한 전문가 판단에 대한 오류를 줄이는 것은 한계점이 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.131-131
• /
• 2022

기후변화의 영향으로 극치강우의 변동성이 커지고 있으며 계획빈도를 초과하는 폭우로 피해가 증가하고 있다. 기존의 물리기반의 홍수예측모델은 개념적 및 구조적 제약과 함께 다양한 유역조건 및 수문기상 조건에 기인한 강우-유출 관계의 불확실성을 고려하는 데 한계가 있다. 특히 한정된 홍수 사상을 통해 구축된 관측 자료로 인해 새로운 홍수 사상 예측 능력이 저조할 수밖에 없다. 따라서 기존 물리모형 기반의 홍수예측과 함께, 딥러닝(deep learning) 모형을 고려한 홍수예측 모델 개발과 개선이 필요하다. 본 연구에서는 다양한 분야에서 활용되는 인공지능(artificial intelligence, AI) 기술을 종합적으로 검토하고, 홍수 예측 측면에서의 활용 가능성 및 신뢰성을 고려하여 AI 기법을 채택하였다. 한강수계에 존재하는 댐 중 일부를 선정하여 대상 댐의 수문·기상학적 자료를 전처리한 후, 인공지능 기반의 홍수예측모형을 구축 및 최적화하였다. 다양한 예측인자와 모델 구성으로 홍수예측력에 대한 평가를 다각적으로 수행함으로써 홍수예측모델의 신뢰성을 제고하였다. 전반적으로 우수한 결과를 도출하였고, 유역면적이 작을수록 결과가 좋았다. 이는 넓은 유역일수록 복잡한 강우-유출 과정이 내재되어 있기 때문으로 판단되며, 넓은 유역에는 본 연구에서 활용한 자료에 추가적인 자료를 도입하여 모형 개선이 이루어져야 할 것으로 판단하였다. 수문 예측 연구에 통계모형이나 기계학습모형의 적용은 많이 있었지만, 딥러닝 기법 활용은 새로운 시도라는 점에서 의미가 있다.

• 응용통계연구
• /
• 제31권2호
• /
• pp.229-239
• /
• 2018

본 논문에서는 시간적 계층 개념을 활용하여 시계열 자료를 예측하는 방법을 소개한다. 횡단적 계층 자료 분석에서와 유사한 방법으로 중복되지 않는 시간적 계층을 시계열 자료에 구조화할 수 있다. 이러한 시간적 계층을 활용하여 조정된 예측은 기존의 계층별 독립적 기저 예측 및 상향식 예측보다 더 정확하고 강건한 예측값을 생성한다. 실증 분석으로서 국내 교통사고 발생건수를 시간적 계층 개념을 활용하여 예측한다. 분석 결과, 조정 예측이 기존의 다른 예측보다 예측 성능면에서 더 우수함을 확인할 수 있다.

• 정보처리학회논문지A
• /
• 제9A권4호
• /
• pp.497-502
• /
• 2002

조건부 분기 명령어는 분기 벌칙을 야기함으로써 명령어 수준의 병렬도 향상에 제약을 가한다. 고성능 슈퍼스칼라 프로세서의 등장으로 인해, 정확한 분기 예측의 중요성은 더욱 높아지고, 이를 위해 동적 분기 예측의 일종인 2단계 적응적 분기 예측(2-level adaptive branch prediction) 방식이 개발되었다. 그러나 2단계 적응적 분기 예측이 상당히 높은 예측 정확도를 보여주고 있음에도 불구하고, 정확도에 따른 비용이 기하급수적으로 증가하는 등의 문제점을 가지고 있다. 본 논문에서는 2단계 적응적 분기 예측의 이러한 문제점을 개선하기 위하여 세트 연관 캐쉬를 이용한 캐쉬 상관 분기 예측기(cached correlated branch predictor)를 제안하고, 기존의 방식에 비해 예측의 정확도는 증가하고, 비용은 줄어든 것을 시뮬레이션을 통하여 확인한다. 세트 연관 예측기의 경우 전역과 지역 방식의 가장 좋은 예측 실패율은 각각 5.99%, 6.28%이며, 이는 종래의 2단계 적응적 분기 예측 방식에서의 가장 좋은 결과인 9.23%, 7.35%에 비해 각각 54%, 17% 향상된 결과이다.

• 전기의세계
• /
• 제34권5호
• /
• pp.272-280
• /
• 1985

전력계통의 목표를 달성하기 위한 기본적인 요청은 시시각각으로 변동되는 전력부하를 확실하게 예측하는 일부터 시작된다. 그런데 전력부하는 온도, 습도, 광도 등 예측일의 기상요인은 물론 산업구조, 경기변동의 사회적인 요인에 의해 변화된다. 또한 온라인 예측시는 자동급전시스템의 여건이나 예측주기에 따라 각각 고려해야 할 사항이 다양하므로 정확도가 높으면서도 안정된 결정적인 예측기법을 찾기가 어렵다. 그러나 주어진 계통과 이용할 수 있는 여건을 바탕으로 했을때의 허용정도 및 자동화등 실제 적용면에서 보다 나은 예측기법은 생각될 수 있다. 필자들은 우리나라 계통을 대상으로 자동급전시스템(AGC/SCADA system)에 의해 온라인 리얼타임으로 취득해온 부하데이터를 이용하여 자유자재 (interactive)기능을 내포한 단기 부하예측 팩키지를 개발한 바 있으며 이에 소개하는 바이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.4-4
• /
• 2022

낙동강 하구 환경/생태 복원을 위하여 "해수유입"으로 하구환경을 조성하는 사업이 추진되고 있으며, 해수 유입 규모와 빈도에 따른 생태환경변화를 예측하는 연구수요가 증가하고 있는 상황이다. 보다 구체적으로는 단기간의 해수유입에 의한 흐름 및 염분 확산범위 예측과 더불어 보다 장기간의 지형변화, 수질환경 변화, 생태환경 변화 등에 대한 예측이 필요한 상황이다. 그리고 그 예측의 대부분을 수치모델에 크게 의존하고 있는 상황이다. 그러나, 수치모형을 이용한 단기 예측은 가까운 미래에 대한 입력조건을 사용하여야 하기 때문에 입력조건에 대한 불확실성이 포함되고, 환경생태모형의 불확실성에 따른 예측 한계 등으로 인하여 오차가 누적되기 때문에 직접적인 활용에 크게 제한이 따를 수 있다. 또한 운영과정에서 어떤 분산, 편향 오차 등이 지속적으로 발생하는 경우, 모델 예측 결과에 대한 신뢰수준이 크게 감소하기 때문에 모델의 적절한 운영기법이 요구된다. 모델은 관심을 가지는 자연현상에 대한 근사(approximation)이고, 예상하지 못한 오차가 발생할 수 있기 때문에 관측 자료를 이용한 자료동화(data assimilation) 과정이 운영모델에서는 필수적인 부분이다. 이론적인 기반이 탄탄한 유체역학 기반 기상예측의 경우에도, 가용한 모든 지점의 관측 자료를 이용한 자료 동화과정을 통하여 모델 예측 결과를 개선하여 나가는 과정을 포함하여 운영하고 있다. 이 과정이 포함하는 중요한 개념은 수치모델이 가지고 있는 (예측 수준의) 한계를 인정하고, 수치모델에 전적으로 의존하는 것이 아니라 관측 자료를 이용하여 그 한계를 저감하여 나가는 과정이다. 모니터링은 모델의 한계를 알려주는 지표이다. 모델링과 모니터링의 불가피한 상호의존 관계를 의미하는 이 개념은 단기간의 흐름, 염분 확산 예측으로 한정되지 않고, 장기적인 변화가 예상되는 생태환경변화 모델에도 적용이 된다. 즉각적인 변화보다는 장기적인 관점에서 파악하여야 하는 생태학적인 변화는 보다 다양한 인자가 관여하기 때문에 어떤 측면에서는 모델보다는 적절한 빈도와 항목에 대한 관측계획 수립(monitoring design)이 더 중요하다고 할 수 있다. 이론적인 질량보존(mass conservation) 방정식을 기반으로 하는 모델은 다양한 현실적인 인자의 영향을 받기 때문에 모델의 한계를 인정하고, 모니터링 자료를 적극적으로 활용하여 불확실성을 저감하는 접근방식이 요구된다.

• 식품산업과 영양
• /
• 제10권1호
• /
• pp.11-16
• /
• 2005

식물성 단백질의 주요 공급원이며 우리나라 전통식품 중의 하나인 두부의 유통기한을 정량적으로 예측할 수 있는 수학적 모델을 개발하고자 온도와 초기균수에 따른 두부 부패세균의 성장 실험 결과를 데이터베이스화하여 이를 바탕으로 균의 성장을 정량적으로 평가할 수 있는 수학적 모델을 개발하였다. 근의 증식 지표인 최대증식속도상수(k), 유도기(LT), 세대시간(GT)은 온도에 지배적인 영향을 받았으며, 초기균수에 따른 유의 적 인 차이 는 없었다(p<0.05). 최대증식속도상수와 온도 및 초기균수의 상관관계를 나타내는 수학적 정량평가모델인 square root model을 이 용하여 두부 부패 세균의 성장을 정량적으로 예측할 수 있는 모델$({\surd}{\kappa}=0.016861(T+6.87095))$을 개발하였으며 실험치와 예측치의 상관계수는0.969이었다. 이 예측 정량평가모델로부터 예측한 최대증식속도상수와 두부의 관능적 부패시 점을 반영 한 Gompertz 변형 모델을 이용하여 두부의 유통기한을 예측할 수 있는 모델$(Spoilage-critrion(hr)=\frac{2{\times}Ln2+Ln[(Nmax/No)-1])}{k}$을 개발하였다

• 한국경영정보학회:학술대회논문집
• /
• 한국경영정보학회 2007년도 International Conference
• /
• pp.135-140
• /
• 2007

이탈 고객 예측은 데이터 마이닝에서 다루는 주요한 문제 중에 하나이다. 이탈 고객 예측은 일종의 분류(classification) 문제로 의사결정나무추론, 로지스틱 회귀분석, 인공신경망 등의 기법이 많이 활용되어왔다. 일반적으로 이탈 고객 예측을 위한 모델은 고객의 인구통계학적 정보와 계약이나 거래 정보를 입력변수로 하여 이탈 여부를 목표변수로 보는 형태로 분류 모델을 생성하게 된다. 본 연구에서는 고객과의 지속적인 접촉으로 발생되는 추가적인 사건 정보를 활용하여 연관성 규칙을 생성하고 이 결과를 기존의 방식으로 생성된 분류 모델과 결합하는 이탈 고객 예측 방법을 제시한다. 제시한 방법의 유용성을 확인하기 위해서 특정 국내 신용카드사의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 제시된 방법이 기존의 전통적인 분류 모델에 비해서 향상된 성능을 보이는 것을 확인할 수 있었다. 제시된 예측 방법의 장점은 기존의 이탈 예측을 위한 입력 변수들 이외에 고객과 회사간의 접촉을 통해서 생성된 동적 정보들을 통합적으로 활용하여 예측 정확도를 높이고 실시간으로 이탈 확률을 갱신할 수 있다는 점이다.