• 한국산학기술학회논문지
• /
• 제17권10호
• /
• pp.520-526
• /
• 2016

본 연구는 서울지역 특1급 호텔을 대상으로 2015년도 재무비율을 변수로 활용하여 표준재무비율을 산출하며, 다변량 판별분석에 의한 부실예측모형 개발 및 부실예측력 평가에 목적이 있다. 서울소재 19개 특1급 호텔의 14개 재무비율을 분석대상으로 선정하여 실증분석을 실시하였으며 분석결과는 다음과 같다. 첫째, 분석결과 우수기업과 부실기업을 판별하는 7개 재무비율은 유동비율, 차입금의존도, 영업이익대비 이자보상비율, 매출액영업이익율, 자기자본순이익율, 영업현금흐름비율, 총자산회전율로 나타났다. 둘째, 7개 재무비율을 활용하여 우수기업과 부실기업을 판별하는 판별함수를 다변량판별분석에 의해 추정하였으며, 추정된 판별함수를 실제 소속집단과 예측집단으로 분류가 가능한가의 예측력 검정 결과, 예측 판별력의 정확도는 87.9%로 분석되었다. 셋째, 추정된 판별함수의 예측 판별력의 정확도 검증결과 판별분석에 의한 부실예측모형의 예측력은 78.95%로 분석되었다. 이러한 분석결과, 호텔 경영진은 호텔기업의 부실기업집단을 판별하는 7개 재무비율을 중점적으로 관리해야 함을 시사하고 있다. 또한 호텔기업이 타 산업과는 뚜렷한 재무구조의 차이와 부실예측 지표가 상이하며, 이에 호텔기업 대상의 신용평가시스템 구축 시 호텔기업의 재무적 특성을 반영한 시스템 구축이 필요함을 시사하고 있다.

• 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.

• 디지털융복합연구
• /
• 제16권9호
• /
• pp.147-157
• /
• 2018

구글의 인플루엔자 의사환자(ILI) 예측 서비스 시작 이래로 웹 검색 정보를 활용한 ILI 예측 연구들이 급속도로 확산되고 있는 가운데, 본 연구는 ILI 자료와 웹 검색 정보를 활용한 한국 ILI 단기 예측 모형을 개발해 성능을 평가해 보고자 한다. 한국에 특화된 ILI 예측 모형 개발을 위해 한국질병관리본부의 ILI 감시 자료와 구글 및 네이버의 한국어 검색정보를 ARIMA 모형과 함께 사용하였다. 모형1은 ILI 자료만 사용하였으며, 모형 2와 3은 모형1에 구글과 네이버의 검색자료를 각각 추가하였다. 모형4는 모형 2와 3의 공통 검색어를 모형1에 추가하였다. 모형 훈련기간 동안 모든 예측모형들이 95%($R^2$) 이상의 높은 적합도를 보였으며, 예측기간 1과 2에서 모형1이 가장 우수한 예측력(99.98%, 96.94%)을 보였다. 모형 3(a)와 4(b, c)는 전체 예측기간에서 90% 이상의 안정적인 예측력을 보였지만, 모형1의 성능에는 미치지 못하였다. 본 연구에서 정확하고 안정적인 예측력을 보인 모형들은 성능개선에 관한 보완적 연구와 더불어 국내 인플루엔자 유행 조기경보시스템에 활용 가능하다.

• 지능정보연구
• /
• 제29권2호
• /
• pp.129-148
• /
• 2023

블록체인 기술이 적용되어 있는 암호화폐는 높은 가격 변동성을 가지며 투자자 및 일반 대중으로부터 큰 관심을 받아왔다. 이러한 관심을 바탕으로 암호화폐를 비롯한 투자상품의 미래가치를 예측하기 위한 연구가 이루어지고 있으나 예측모형에 대한 설명력 및 해석 가능성이 낮아 실무에서 활용하기 어렵다는 비판을 받아왔다. 본 연구에서는 암호화폐 가격 예측모형의 성과를 향상시키기 위해 금융투자상품의 가치평가에 활용되는 기술적 지표들과 함께 투자자의 사회적 관심도를 반영할 수 있는 구글 키워드 검색량 데이터를 사용하고 설명 가능한 인공지능을 적용하여 모형에 대한 해석을 제공하고자 한다. 최근 금융 시계열 분야에서 예측성과의 우수성을 인정받고 있는 LSTM(Long Short Term Memory)과 CNN(Convolutional Neural Networks)을 활용하고, 'bitcoin'을 검색어로 하는 구글 검색량 데이터를 적용해 일주일 후의 가격 등락 예측모형을 구축하였다. LSTM과 CNN을 활용해 구축한 모형들이 높은 예측성능을 보였으며 구글 검색량을 반영한 모형에서 더 높은 예측성과를 확인할 수 있었다. 딥러닝 모형의 해석 가능성 및 설명력을 위해 XAI의 SHAP 기법을 적용한 결과, 구글 검색량과 함께 과매수, 과매도 정도를 파악할 수 있는 지표들이 모형의 의사결정에 가장 큰 영향들을 미치고 있음을 파악할 수 있었다. 본 연구는 암호화폐 가격 등락 예측에 있어 전통적으로 시계열 예측에 우수한 성과를 인정받고 있는 LSTM뿐만 아니라 이미지 분류에서 높은 예측성과를 보이는 딥러닝 기법인 CNN 또한 우수한 예측성능을 보일 수 있음을 확인하였으며, XAI를 통해 예측모형에 대한 해석을 제공하고, 대중의 심리를 반영하는 정보 중 하나인 구글 검색량을 활용해 예측성과를 향상시킬 수 있다는 것을 확인했다는 점에서 의의가 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.426-426
• /
• 2023

대설은 일반적으로 해양과 대륙의 온도차가 큰 지역, 바다·호수와 같이 상대적으로 따뜻한 곳이 인접해 있어 기단 변질이 잘 일어나는 지역, 산악에 의해 습윤한 공기가 강제 상승되는 지역에서 자주 발생한다. 우리나라는 찬 대륙고기압 공기가 해수 온도 차로 눈 구름대가 만들어지거나, 고기압 가장자리에서 한기를 동반한 상층 기압골이 우리나라 상공을 통과하면서 대설이 발생한다. 최근 우리나라에서 빈번하게 발생하는 대설피해는 직접피해와 간접피해로 나뉘며, 이에 따라 사회·경제적으로 막대한 피해를 야기한다. 우리나라 대설피해양상은 지역적 특성, 방재 대책, 대처능력 등에 따라 달라지는 것이 특징이며, 지역적으로 다르게 발생하는 대설피해를 효과적으로 대비할 수 있는 연구가 필요하다. 따라서 본 연구에서는 지역적 특성을 고려한 차등화된 대설 피해를 예측하는 연구를 진행하고자 하였다. 본 연구에서는 기상요소 및 사회·경제적 요소 등을 입력자료로 활용하고, DPSIR 분석을 통해 Red Zone, Orange Zone, Yellow Zone, Green Zone으로 위험 등급을 분류 및 등급 별 대설피해 예측기법을 개발하였다. 최종적으로 1994년부터 2020년까지의 과거 대설 피해액 자료와 다중회귀분석을 이용하여 기법을 개발하였고, 기법의 예측력 평가를 위해 RMSE와 RMSE를 표준화한 NRMSE의 두 가지 통계 지표를 사용하여 평가하였다. 모형별 예측력 평가 결과 Yellow 등급 모형이 가장 우수한 예측력을 보였다. 추후 본 연구결과를 통해 대설피해 범위를 예측하는 연구가 진행된다면 사전에 대설피해에 대한 대응방안 수립과 지역별제설 우선순위를 결정할 수 있는 지표가 개발될 것으로 기대된다.

• 한국학교수학회논문집
• /
• 제13권4호
• /
• pp.499-524
• /
• 2010

본 본문에서는 학생 스스로 활동을 통해 통계적 개념, 자료 분석력, 문제해결력 등을 기를 수 있는 NIE(Newspaper in Education)을 통한 학습을 초등수학 학습지도에 적용하여, NIE를 활용한 학습이 초등학생의 통계 영역 학업성취에 미치는 효과를 살펴보고, 보다 효율적인 초등수학 학습지도 방안을 찾아보고자 한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.617-618
• /
• 2020

우리나라의 지리적인 여건상 대륙과 연결되지 않기 때문에 해상운송에 절대적으로 의존하고 있다. 해상운송에 있어 항만시설의 확보가 필요하며 대외무역의존도가 높은 우리나라의 경우 더욱 중요한 역할을 한다. 항만시설은 장기적인 항만수요예측을 통해 대규모 인프라투자를 결정하며 단기적인 예측은 항만운영의 효율성을 개선하고 항만의 경쟁력을 제고하는데 기여하므로 예측의 정확성을 높이기 위해 많은 노력이 필요하다. 본 논문에서는 딥러닝 모델 중에 하나인 LSTM(Long Short Term Memory)을 적용하여 우리나라 주요항만의 컨테이너 물동량 단기예측을 수행하여 선행연구들에서 주류를 이뤘던 ARIMA류의 시계열모델과 비교하여 예측성능을 평가할 것이다. 본 논문은 학문적으로 항만수요예측에 관한 새로운 예측모델을 제시하였다는 측면에서 의미가 있으며 실무적으로 항만수요예측에 대한 정확성을 개선하여 항만투자의사결정에 과학적인 근거로서 활용이 가능할 것으로 기대된다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 1997년도 추계학술대회발표논문집; 홍익대학교, 서울; 1 Nov. 1997
• /
• pp.71-74
• /
• 1997

멀티미디어 서비스 시장 수요예측에 관한 연구는 매우 어려운 작업으로 세계 각국에서도 수행된 바가 매우 적다. 우리의 연구는 멀티미디어 서비스 시장에 대한 적절한 가정을 하고 예측을 하였다. 따라서 시장상황이 우리의 가정과 다를 경우 우리의 예측의 정확성은 떨어진다고 볼수 있다. 따라서 시장상황이 우리의 가정과 다를 경우 우리의 예측의 정확성은 떨어진다고 볼수 있다. 따라서 우리의 시장예측이 정확하게 맞출 것이라고 생각하지 않는다. 다만, 우리의 예측이 멀티미디어 서비스 시장의 잠재력을 이해하고 우리나라 기업들의 멀티미디어 서비스에 대한 효과적인 기술개발과 경쟁력을 높이는데 귀중한 자료로 활용할수 있을 것이라고 생각한다.

• 한국빅데이터학회지
• /
• 제2권2호
• /
• pp.115-128
• /
• 2017

최근 머신러닝 방법은 높은 예측력과 함께 널리 이용되지만 머신러닝을 제대로 활용하기 위해서 데이터가 가진 한계를 통계적 기법으로 해결한다면 기존보다 더 높은 예측력을 이끌어 낼 수 있다. 본 연구에서는 Longitudinal and Imbalanced Data에서 SMOTE 방법을 활용하여 불균형 문제를 해결한 결과 예측력이 증가하는 것을 확인할 수 있었다. 추가적으로 만성폐쇄성폐질환 급성악화 관련 연구가 활발히 이루어지고 있지만 급성악화와 관련 있는 요인을 찾는 연구만 이루어지고 있어 여러 요인들에 대한 복합적인 관철과 예측모형을 통한 급성악화 예측 연구는 이루어지지 않는다. 본 연구에서는 여러 요인을 같이 살펴봤을 때 어떤 요인들이 만성폐쇄성폐질환 급성악화와 관련이 있는지 확인하고 개인 맞춤형 특정 질환 예측 모형을 구축하였다.

• 한국컴퓨터정보학회논문지
• /
• 제29권2호
• /
• pp.51-59
• /
• 2024

투자자는 수익의 극대화를 위해 언론사의 기사를 포함한 다양한 정보를 활용하여 투자 전략을 수립한다. 이에 국내 언론사에서도 신뢰도 있는 투자정보를 제공하기 위해, 애널리스트의 종목분석 보고서에 기초한 종목 추천기사를 게재하고 있다. 본 연구에서는 종목 추천기사 게재를 하나의 사건(event)으로 간주하고, XGBoost와 LightGBM 모델을 활용하여 기사 게재 10일 이후 가격의 상승 또는 하락을 예측하는 분류 모델을 제시한다. 또한, 전체 추천종목을 유가증권시장과 코스닥 시장 및 기업규모(대형/소형)에 따라 4가지로 분류하고, 하위 그룹에 따라 모델의 예측 정확도에 차이가 있는지 파악하고자 한다. 학습 결과 전체 모델의 분류 정확도는 XGBoost 75%, LightGBM 71%로 나타났고, 예측 정확도는 유가증권 시장 예측력이 코스닥시장 주식 대비 높게 나타났으며, 대형주의 예측력이 소형주 보다 높게 나타났다. 마지막으로, SHAP(Shapley Additive exPlanations) 분석을 통해 개별 모델의 예측에 중요한 변수를 살펴보고 모델의 해석력을 제고하였다.