• Proceedings of the Korean Society of Computer Information Conference
• /
• 2013.07a
• /
• pp.275-278
• /
• 2013

영화의 흥행 요소를 파악하여 영화의 흥행 여부를 예측하는 것은 영화의 수익성 부분에서 아주 중요하다. 영화 시장이 과거와는 다르게 증가함에 따라, 다양한 영화 흥행에 관한 예측 연구들이 개발되었다. 본 논문에서는 영화 흥행 요소들을 수집하고 다중회귀 분석을 통해서 유의수준을 만족하는 흥행 요소들을 선택한다. 그 후, 이러한 요소들을 예측 방법들의 입력값으로 사용하여 영화 흥행을 예측한다. 성능을 비교하기 위해 본 논문에서 제안한 방법과 현재 개발된 영화 흥행 예측 방법(다중회귀, 의사결정트리, 인공신경망)들을 정확도와 평균제곱근오차를 통해 예측 모형의 성능을 비교한다. 그 결과, 다중 회귀 분석을 통해 유의한 흥행요소들만을 고려한 예측 방법의 정확도가 모든 흥행 요소들을 고려한 예측 방법보다 평균 8.2% 향상되었고, 현재까지 개발된 영화 흥행 예측 방법보다 더 높은 예측 성능을 보여준다.

• Journal of Advanced Navigation Technology
• /
• v.21 no.4
• /
• pp.365-370
• /
• 2017

This study analyze correlation between weekdays data and special days data of different power demand patterns, and builds a separate data set, and suggests ways to reduce power demand prediction error by using deep learning network suitable for each data set. In addition, we propose a method to improve the prediction rate by adding the environmental elements and the separating element to the meteorological element, which is a basic power demand prediction elements. The entire data predicted power demand using LSTM which is suitable for learning time series data, and the special day data predicted power demand using DNN. The experiment result show that the prediction rate is improved by adding prediction elements other than meteorological elements. The average RMSE of the entire dataset was 0.2597 for LSTM and 0.5474 for DNN, indicating that the LSTM showed a good prediction rate. The average RMSE of the special day data set was 0.2201 for DNN, indicating that the DNN had better prediction than LSTM. The MAPE of the LSTM of the whole data set was 2.74% and the MAPE of the special day was 3.07 %.

• Journal of Korean Society of Transportation
• /
• v.16 no.4
• /
• pp.21-32
• /
• 1998

인공신경망을 이용하여 고속도로 교통량을 예측함에 있어, 입력요소에 따른 예측력의 차이를 분석하였다. 입력요소의 차이는 크게 공간적 지점의 차이와 시간적 시점의 차이로 구분하였다. 우선 공간적 지점에 관한 입력요소로는 두 가지 경우를 가정하였는 바, 그 하나는 상류지점의 교통량만을 입력요소로 사용한 경우이며, 나머지는 목표지점에 대한 상.하류지점의 교통량을 입력요소로 사용한 경우이다. 시간적 시점의 관점에서는 단일시점과 다중시점으로 입력요소를 구분하였다. 경부고속도로 FTMS자료를 이용하여 분석한 사례연구의 결과, 미래 시점의 교통량을 예측할 때 모형의 입력요소로 상류지점의 교통량만을 단독으로 사용했을 때보다 상.하류지점의 자료를 사용했을 때 예측력은 훨씬 높아지는 것으로 분석되었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.425-425
• /
• 2017

최근 기후변화의 영향으로 태풍과 국지성 집중호우가 빈번하게 발생하면서 인명 및 재산피해가 증가하고 있다. 이러한 자연재해를 줄이기 위하여 국가적 차원에서 피해예측 및 피해규모를 정확하게 산정하는 시스템 구축이 필요한 시점이다. 해외 주요국에서는 풍수해 재해통계 DB를 구축하고, 이를 피해예측시스템에 적용하여 피해규모를 산정함으로써 풍수해 재난관리에 활용하고 있다. 그러나 국내의 경우, 재해정보 피해통계가 공공시설에 한정되어 있거나 단순 복구비의 직접관리 수준에 그치고 있는 등 피해예측기술 및 시스템 개발 수준은 초기단계에 머물고 있다. 따라서 재해정보 기본통계를 정비하고 재난대응 단계별 의사결정 지원에 활용할 수 있는 풍수해 피해예측 및 피해액 산정 시스템을 구축할 필요가 있다. 본 연구에서는 풍수해피해예측시스템 구축을 위한 핵심 기술요소 도출하고자 한다. 이를 위하여 사전단계인 재해정보 기본통계 DB구축 방안을 검토하여 재해연보 개선안을 제시하였다. 먼저, 피해예측시스템 구축에 필요한 필수 DB를 파악하고 기존 재해연보의 활용성을 검토하였다. 검토 결과를 바탕으로 재해연보의 문제점을 파악하고 피해예측시스템에 적용이 가능한 기초 DB를 구축하기 위하여 재해연보의 개선방안을 도출하였다. 다음으로 미국에서 개발한 HAZUS-MH 시스템의 피해예측 관련 기술정보를 분류하고, 국내에서 개발 중인 피해예측시스템과 비교분석하여 핵심 기술요소를 도출하였다. 본 연구의 결과는 다음과 같다. 첫째, 풍수해 피해예측시스템의 핵심요소로서 세분화된 재해통계 DB의 구축이 필수적이다. 재해연보를 기초 DB로서 활용하기 위하여 재해항목 구체화 및 자료형태 다양화 등 재해연보의 개선이 시급하다. 둘째, 피해예측시스템 개발을 위한 핵심기술 요소는 (1)함수(모형)의 개발, (2)지리정보시스템(GIS)과의 연계, (3)피해예측시스템 구축 및 모형분석을 위한 컴퓨팅기술, (4)실시간 관측기술 및 강우량 사전예측 등으로 도출이 되었다. 이와 같이 도출한 핵심 기술요소를 바탕으로 국가 R&D 및 재난안전분야의 기술개발을 추진하여야 한다.

• Proceedings of the Korean Society for Noise and Vibration Engineering Conference
• /
• 2000.06a
• /
• pp.340-345
• /
• 2000

진동하는 구조물의 음향 방사 예측에는 키르히호프-헬름홀쯔 적분 방정식에 근본을 둔 경계 요소 해석이 널리 사용된다. 이 경계 요소 해석은 익히 알고 있듯이 구조물의 동적 거동이 정량적으로 표현될 수 있는 경우는 매우 높은 정확도의 예측 결과를 제공한다. 그러나 실제 현상에서 접할 수 있는 복잡한 구조물의 음향 방사 예측에는 많은 변수들로 인해 예측의 정확도가 감소됨은 확실하다. 다른 방법으로는 실험을 통한 임의의 음장 예측 방법인 근음장 음향 홀로그래피(nearfield acoustical holography) 방법을 들 수 있다. 이 방법은 실제로 발생되는 음향 방사로부터 마이크로폰을 이용하여 홀로그램면의 음압 또는 속도를 측정하고 키르히호프-헬름홀쯔 적분 방정식에 적용하여 임의의 홀로그램면에 투사(mapping)시켜 음장을 예측하는 방법이다. 근음장 음향 홀로그래피는 탁월한 정확성을 갖고 있으나, 측정의 복잡성과 홀로그램면을 형성하기 위한 많은 이산점(절점)의 필요성 등의 단점을 갖고 있다. 본 논문에서는 또 다른 음장 예측 방법인 실험의 장점과 유한 요소 해석의 장정을 복합시킨 모드 확장 방법(modal expansion method)을 사용하여 단순 구조물인 평판의 진동에 의한 음장을 예측해 보았다. 모드 확장 방법은 구조물의 동적 거동은 모드의 선형 조합으로 표현될 수 있다는 것에 그 원리를 둔다. 본 논문은 단순 평판을 대상으로 유한 요소 해석으로 구한 모드 정보와 실험에 의해 얻은 입의 가진 주파수에 대한 진동 표면의 속도 분포를 조합하여 속도 경계 조건을 구성, 경계 요소 해석으로 음장 예측을 수행하였으며 모드 확장 방법을 사용함에 있어 고려해야할 몇 가지 사항에 대해 다루었다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.387-390
• /
• 2021

최근 전자 상거래 시장이 급격한 성장을 이루면서 고객들의 급변하는 니즈를 파악하는 것이 기업들의 수익에 직결되는 요소로 인식되고 있다. 이에 기업들은 고객들의 니즈를 신속하고 정확하게 파악하기 위해, 기축적된 고객 관련 각종 데이터를 활용하려는 시도를 강화하고 있다. 기존 시도들은 주로 구매 행동 예측에 중점을 두었으나 고객 행동의 전후 과정을 해석하는데 있어 어려움이 존재했다. 본 연구에서는 고객이 구매한 상품을 확정 또는 환불하는 행동을 취할 때 해당 행동이 발생하는데 있어 어떤 요소들이 작용하였는지를 파악하고, 어떤 고객이 환불할 지를 예측하는 예측 모형을 새롭게 제시한다. 예측 모형 구현에는 트리 기반 앙상블 방법을 사용해 예측력을 높인 XGBoost 기법을 적용하였으며, 고객 의도에 영향을 미치는 요소들을 파악하기 위하여 대표적인 설명가능한 인공지능(XAI) 기법 중 하나인 SHAP 기법을 적용하였다. 이를 통해 특정 고객 행동에 대한 각 요인들의 전반적인 영향 뿐만 아니라, 각 개별 고객에 대해서도 어떤 요소가 환불결정에 영향을 미쳤는지 파악할 수 있었다. 이를 통해 기업은 고객 개개인의 의사 결정에 영향을 미치는 요소를 파악하여 개인화 마케팅에 사용할 수 있을 것으로 기대된다.

• Proceedings of the Korean Society for Noise and Vibration Engineering Conference
• /
• 2014.10a
• /
• pp.943-947
• /
• 2014

NMPB 2008을 포함한 일부 소음 예측식에서는 기상학적 요소를 고려할 수 있다. 특히 NMPB 2008을 이용하여 소음을 예측할 경우에는 기상학적인 요소의 고려는 필수적이다. 하지만, 우리나라의 실제 기상 상황을 반영할 수 있는 방법이 없는 것이 현실이다. 본 연구에서는 기상학적 요소를 적용하기 위해서 하향 굴절 발생 빈도를 적용하여 소음도를 비교하였다. 기상학적 요소의 하향 굴절 발생 빈도의 증가에 따라 소음도가 증가하는 것을 확인하였고, 1kHz 이상의 주파수에서 거리에 따른 소음도의 차이에 상대적으로 큰 영향을 미치는 것을 확인하였다. 기상학적 요소의 적용은 예측 소음도의 정확도를 향상시킬 것으로 기대된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.935-938
• /
• 2021

데이터 베이스에 저장된 사용자의 위치, 성격정보를 자동으로 받아서 머신러닝으로 회귀분석하여 방문 장소에 대한 선호도를 예측한다. 사람의 성격 요소로는 BFF 와 다른 기본 요소들을 사용하였다. 이를 위하여 자동화된 시스템을 구성하였고 위치 방문 선호도를 예측하기 위한 머신러닝 기법으로는 앙상블기법을 사용하였다. 예측 결과는 장소 카테고리별로 방문 선호도가 나타나고 이를 사용자 별로 나누어 저장할 예정이다. 데이터의 양이 많아지면서 나타나는 문제들을 해결하여 향후 연구에 도움이 될 것이다.

• Journal of Advanced Navigation Technology
• /
• v.22 no.3
• /
• pp.233-239
• /
• 2018

Since solar power generation is intermittent depending on weather conditions, it is necessary to predict the accurate generation amount of solar power to improve the efficiency and economical efficiency of solar power generation. This study proposes a short - term deep learning prediction model of solar power generation using meteorological data from Mokpo meteorological agency and generation data of Yeongam solar power plant. The meteorological agency forecasts weather factors such as temperature, precipitation, wind direction, wind speed, humidity, and cloudiness for three days. However, sunshine and solar radiation, the most important meteorological factors for forecasting solar power generation, are not predicted. The proposed model predicts solar radiation and solar radiation using forecast meteorological factors. The power generation was also forecasted by adding the forecasted solar and solar factors to the meteorological factors. The forecasted power generation of the proposed model is that the average RMSE and MAE of DNN are 0.177 and 0.095, and RNN is 0.116 and 0.067. Also, LSTM is the best result of 0.100 and 0.054. It is expected that this study will lead to better prediction results by combining various input.

• Journal of Energy Engineering
• /
• v.26 no.4
• /
• pp.29-34
• /
• 2017

Factors of Zero-Energy Building are divided into active and passive factor. Passive factor means insulation, heat bridge of building like insulation, windows and doors, awning, outside etc. and active factor means energy output and efficiency coefficient. Energy output of active factor is achieved by new generating energy. This study anticipated how many effects will be produced when not new generating energy but Vehicle to Building; V2B, bi-directional charging and discharging technology, is applied to Zero-Energy Building. In new generating energy, power generation will be anticipated by geography and climate, but in V2B, several input variable like user's discharging intention and number of usable charger etc. should be considered. We can check how much V2B contribute to the Zero-Energy Building by anticipated results, and that results should be anticipated by using probabilitic method because there is few statistical data. This study anticipate change of charging and discharging pattern, based by Demand Response slot, by using monte carlo method among the probabilitic methods.