• 한국산학기술학회논문지
• /
• 제16권10호
• /
• pp.6860-6868
• /
• 2015

본 연구에서는 국내 도시가스 일일 수요 예측에 대한 문제를 다룬다. 정확한 일일 수요 예측은 안정적인 도시가스의 수급을 위해서 필수적인 사항으로 실제 가스 공급기관의 일상 업무에 해당한다. 본 연구에서는 수요예측 방법을 고안하기 위하여 일일 도시가스 수요 시계열에 대한 데이터 분석을 수행하였으며, 예측일 수요에 영향을 주는 주요한 요인으로 직전일 수요, 기온, 요일 등을 파악하였다. 본 연구에서는 이러한 요인들을 고려한 회귀 모형과 국내 도시가스 수요 특성에 맞는 선별적 샘플링 절차를 제안하였다. 제안 모형과 선별적 샘플링 절차로 구성된 예측 방법의 성능 검증을 위하여 실제 도시가스 수요에 대한 예측을 수행하였다. 문헌에 소개된 기존 방법과 예측 성능을 비교한 결과, 본 연구에서 제안한 방법의 평균절대백분율오차는 약 2.22%로서 개선 비율은 대략 7%에 해당한다.

• 인터넷정보학회논문지
• /
• 제21권5호
• /
• pp.119-127
• /
• 2020

국내 전기차 (EV: Electric Vehicle) 시장이 성장함에 따라, 빠르게 증가하는 EV 충전 수요에 대응하기 위한 충전설비의 확충이 요구되고 있다. 이와 관련하여, 종합적인 설비 계획을 수립하기 위해서는 미래 시점의 충전 수요량을 예측하고 이를 바탕으로 전력설비 부하에 미치는 영향을 체계적으로 분석하는 것이 필요하다. 본 논문에서는 한국전력공사의 EV 충전 데이터를 이용하여 충전소 단위의 일별최대부하를 예측하는 LSTM(Long Short-Term Memory) 신경망 모델을 설계 및 개발한다. 이를 위해, 먼저 데이터 전처리 및 이상치 제거를 통해 정제된 데이터를 얻는다. 다음으로, 충전소 단위의 일별 특징들을 추출하여 훈련 데이터 집합을 구성하여 일별 최대 전력부하 예측 모델을 학습시킨다. 마지막으로 충전소 유형 별 테스트 집합을 이용한 성능 분석을 통해 예측 모델을 검증하고 이의 한계점을 논의한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 춘계학술발표대회
• /
• pp.920-923
• /
• 2017

본 연구는 기존의 수요 예측 등의 시계열 분석에서 주로 사용되는 ARIMA 모형의 어려움을 극복하고자 인공신경망(Artificial Neural Network) 모형을 이용하여 한국 프로 야구 관중 수를 예측하였다. 인공신경망의 가장 기본적인 종류인 전방향 신경망(Feedforward Neural Network)의 초모수(Hyperparameter) 선정에 그리드 탐색(Grid Search)을 적용하여 최적의 모형을 찾고자 하였다. 훈련 자료로는 2015년 3월부터 8월까지의 일별 KBO 관중 수 자료를 대상으로 하였고, 예측력 검증을 위해 2015년 9월 관중 수를 예측하여 실제 관측값과 비교하였다. 그 결과, 그리드 탐색법에서 최적 모형이라고 판단한 모형의 예측력은, 평균 절대 백분율 오차(MAPE) 기준으로 평균 27.14% 였다. 또한, 앙상블 기법에서 착안하여 오차율이 낮은 모형 5개의 예측값 평균의 MAPE는 평균 28.58% 였다. 이는 다중회귀와 비교해보았을 때, 평균적으로 각각 14%, 13.6% 높은 예측력을 보이고 있다.

• 전기전자학회논문지
• /
• 제23권4호
• /
• pp.1243-1249
• /
• 2019

특정한 이벤트나 콘텐츠를 즐기기 위해 모인 사람들을 관중 또는 관객이라고 하고, 모임의 특성에 따라 다양한 성향을 나타낸다. 그러한 차이점은 있지만, 일반적으로 관중 수는 경영적인 측면과 직결되는 요소로써, 관람료부터 다른 시설의 이용료 등 다양한 수입을 통해 콘텐츠 판매를 위한 안정적인 재정 운영을 가능케 한다. 따라서 관중 수에 대한 예측은 마케팅과 예산 전략 수립에 주요한 요소로 활용될 수 있다. 본 연구에서는 관중 수에 대한 예측을 위한 여러 가지 기존 모델을 검토하고, 그 중에서 효율적인 머신러닝 모델을 제안하고자 한다. 또한 딥러닝과 랜덤포레스트 모델을 혼용하여 일별 관중 수 예측과 비정상적 관중 수 예측에 대한 연구를 진행하였다.

• 응용통계연구
• /
• 제25권2호
• /
• pp.251-259
• /
• 2012

본 논문은 일별 관광수요 자료를 분석하기 위하여 시계열의 대표적인 3개 모형인 ARIMA, Holt-Winters, AR-GARCH 모형을 적용하였다. 모형의 성능을 비교하기 위해 Armstrong (2001)이 제안한 방법을 이용하여 서로 다른 방법의 예측값을 단순결합과 MSE, SE를 이용한 결합법을 이용하여 정확도 높일 수 있음을 확인하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.35-37
• /
• 2021

외래 관광객 수요를 분석하고 예측하는 것은 관광 정책을 수립하고 기획하는데 지대한 영향을 미치기 때문에 관광 산업 분야에서 매우 중요하다. 외래 관광객 데이터는 여러 외적 요인들에 의해 영향을 받기 때문에, 시간에 따른 미세한 변화가 많다는 특징을 갖는다. 따라서, 최근에는 관광객 입국자 수요를 예측하기 위해 경제 변수 등 여러 외적 요인들도 함께 반영하여 예측 모델을 설계하는 연구를 진행하고 있다. 그러나 기존의 시계열 예측에 주로 사용되는 회귀분석 모델과 순환신경망 모델은 여러 변수들을 반영하는 시계열 예측에 있어 좋은 성능을 보이지 못했다. 따라서 우리는 합성곱 신경망을 활용하여 이러한 한계점들을 보완한 외래 관광객 수요 예측 모델을 소개한다. 본 논문에서는 한국관광공사에서 제공한 과거 10개년 외래 관광객 데이터와 추가적으로 수집한 여러 외적 요인들을 입력 변수로 반영하는 1차원 합성곱 신경망을 설계하여 외래 관광객 수요를 예측하는 모델을 제시한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권12호
• /
• pp.565-572
• /
• 2017

본 연구는 기존의 수요 예측 등의 시계열 연구에서 주로 사용되는 ARIMA 모형의 어려움을 극복하고자 인공신경망(Artificial neural network) 모형을 이용하여 한국 프로 야구 관중 수를 예측하였다. 훈련 자료로는 2015년 3월부터 9월까지의 일별 KBO 관중 수 자료를 대상으로 하였다. 전방향 신경망(Feedforward neural network)의 모형 훈련 과정에서, 그리드 탐색(Grid search)을 적용하여 최적의 초모수(Hyperparameter)를 찾고자 하였다. 그 결과, 그리드 탐색법의 최적 모형을 이용한 평균 절대 백분율 오차(MAPE)는 평균 20.9% 였다. 앙상블 기법을 이용한 모형의 MAPE는 평균 20.0%였다. 이는 다중회귀와 비교해보았을 때, 평균적으로 각각 26.3%, 30.3% 높은 예측력을 보인다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.410-410
• /
• 2011

본 연구에서는 미래 물 수요를 예측하여 하천의 유량 상황을 평가하였다. 이 자료를 현재의 관측유량 자료와 비교, 분석하여 유량의 변화 특성에 대한 분석을 수행하였다. 유량변동 상황은 유량의 발생시기, 특정 유량의 지속기간, 발생빈도를 비교하여 평가하였다. 아울러 유량변동을 초래한 원인에 대한 분석을 수행하였다. 이를 위해 일별 물수지 분석을 수행하였으며, 유황곡선분석, 수문량의 통계특성 변화를 분석하였다. 유량의 변동에 영향을 주는 요소로는 광역 물이동량, 유역내 저류량 및 대형 배출 시설물(하수종말처리시설)을 조사하였으며, 하천유량에 직접 기여하는 강수량에 대한 시기별 변동 상황도 함께 평가하였다. 본 연구의 결과는 하천유지유량 수급현황의 예측, 가용수량의 평가를 가능하게 하며, 향후 하천 및 하천의 유량관리에 필요한 자료로 활용할 수 있다.

• 전기학회논문지P
• /
• 제63권3호
• /
• pp.189-194
• /
• 2014

Due to the increasing of power consumption, it is difficult to construct accurate prediction model for daily peak power demand. It is very important work to know power demand in next day for manager and control power system. In this research, we develop a daily peak power demand prediction method based on hybrid type composed of AR and Neuro-Fuzzy model. Using data sets between 2006 and 2010 in Korea, the proposed method has been intensively tested. As the prediction results, we confirm that the proposed method makes it possible to effective estimate daily peak power demand than conventional methods.

• 전기학회논문지P
• /
• 제63권4호
• /
• pp.307-311
• /
• 2014

Due to the increasing of power consumption, it is difficult to construct accurate prediction model for daily peak power demand. It is very important work to know power demand in next day for manager and control power system. In this research, we develop a daily peak power demand prediction method considering of characteristics of day of week. The proposed method is composed of liner model based on AR model and nonlinear model based on ELM to resolve the limitation of a single model. Using data sets between 2006 and 2010 in Korea, the proposed method has been intensively tested. As the prediction results, we confirm that the proposed method makes it possible to effective estimate daily peak power demand than conventional methods.