• 문화기술의 융합
• /
• 제9권3호
• /
• pp.763-768
• /
• 2023

본 논문에서는 의약품 유통량 예측을 위해 기존의 통계 방식(ARIMA)과 머신러닝 방식(Informer)을 개발하고 비교하였다. 일별 데이터의 예측에서는 머신러닝 기반의 모델이 유리하며, 월별 예측에서는 ARIMA를 활용하고 데이터가 증가하면서 Informer로 전환하는 것이 효과적임을 발견하였다. 예측 에러율(RMSE)은 기존 방식 대비 26.6% 낮아졌으며, 예측 정확도도 13% 개선되어 86.2%의 결과를 보였다. 본 논문을 통해 통계적 방법과 머신러닝 방법을 앙상블하여 최상의 결과를 얻을 수 있다는 장점을 발견하였다. 또한 머신러닝 기반의 AI 모델은 불규칙한 상황에서도 딥러닝 연산을 통해 최선의 결과를 도출할 수 있으며, 상용화 이후에는 데이터양이 증가함에 따라 성능이 향상될 것으로 기대된다.

• 전기학회논문지P
• /
• 제62권4호
• /
• pp.169-174
• /
• 2013

Due to the increase of power consumption, it is difficult to construct an accurate prediction model for daily peak power demand. It is very important work to know power demand in next day to manage and control power system. In this research, we develop a daily peak power demand prediction method based on Extreme Learning Machine(ELM) with fast learning procedure. 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.

• 한국컴퓨터정보학회논문지
• /
• 제6권4호
• /
• pp.131-137
• /
• 2001

본 논문은 ATM망에서 ATM계층의 셀 전달 트래픽에 대해 실시간으로 측정하고 측정을 통해 수집된 데이터를 토대로 트래픽 특성을 분석하기 위한 도구 설계에 관한 것으로 설계된 도구를 현장에 적용, real-ATM트래픽을 측정하고 분석하여 도구의 효율성을 확인하였는데, 분석 결과 망 자원의 효율을 약 20％～50％ 까지 개선시킬 수 있을 것으로 확인되었으며 분석 파라메터는 현장에 적용하였고, 적용된 파라메터는 품질을 보장하면서 망 자원 효율을 높일 수 있는 것으로 확인되었다. 따라서, 가입자별 트래픽 유형을 일별 주별, 월별, 분기별로 분석할 수 있도록 향후 많은 raw data를 기반으로 데이터베이스 구축이 필요하며 이를 토대로 망 확장 및 신규 망 구축을 위한 설계 분야 및 ATM망의 트래픽 수요 예측에 활용될 수 있을 것이다.

• 한국가스학회지
• /
• 제23권5호
• /
• pp.52-58
• /
• 2019

본 연구에서는 국내 도시가스 인수량에 대한 예측 모델을 개발하였다. 국내의 도시가스 회사는 KOGAS에 차년도 수요를 예측하여 보고해야 하므로 도시가스 인수량 예측은 도시가스 회사에 중요한 사안이다. 도시가스 사용량에 영향을 미치는 요인은 용도구분에 따라 다소 상이하나, 인수량 데이터는 용도별 구분이 어렵기 때문에 특정 용도에 관계없이 영향을 주는 요인으로 외기온도를 고려하여 모델개발을 실시하였다.실험 및 검증은 JB주식회사의 2008년부터 2018년까지 총 11년 치 도시가스 인수량 데이터를 사용하였으며, 전통적인 시계열 분석 중 하나인 ARIMA(Auto-Regressive Integrated Moving Average)와 딥러닝 기법인 LSTM(Long Short-Term Memory)을 이용하여 각각 예측 모델을 구축하고 두 방법의 단점을 최소화하기 위하여 다양한 앙상블(Ensemble) 기법을 사용하였다. 본 연구에서 제안한 일별 예측의 오차율 절댓값 평균은 Ensemble LSTM 기준 0.48%, 월별 예측의 오차율 절댓값 평균은 2.46%, 1년 예측의 오차율 절댓값 평균은 5.24%임을 확인하였다.

• 응용통계연구
• /
• 제36권1호
• /
• pp.49-62
• /
• 2023

급속적으로 비중이 증가하고 있는 태양광 에너지는 지속적인 개발 및 투자가 이루어지고 있다. 신재생에너지 정책인 그린뉴딜과 가정용 태양광 패널의 설치가 증가함에 따라 국내 태양광 에너지 보급이 점차 확대되어 그에 맞추어 발전량의 정확한 수요 예측 연구가 활발하게 진행되고 있는 시점이다. 또한, 일사량 예측이 발전량 수요 예측에 가장 영향을 미치는 요소로 작용하고 있다는 점에서 일사량 예측의 중요성을 파악하였다. 덧붙여, 본 연구는 선행 연구들에서 사용되지 않은 중기예보 기상 데이터를 활용하여 일사량 예측을 하고자 하였다는 점에서 가장 큰 차이점을 확인할 수 있다. 본 논문에서는 서울, 인천, 수원, 춘천, 대구, 대전의 총 여섯 지역의 태양광 일사량 예측을 위하여 다중선형회귀모형, KNN, Random Forest 그리고 SVR 모형과 클러스터링 기법인 K-means 기법을 결합한 후, 클러스터별 확률밀도함수를 계산하여 시간별 일사량 예측을 진행하고자 하였다. 중기예보 데이터를 사용하기 전, 모형 예측 결과를 비교하기 위한 지표로서 MAE (mean absolute error)와 RMSE (root mean squared error)를 사용하였다. 데이터는 2017년 3월 1일부터 2022년 2월 28일까지의 시간별 원 관측 데이터를 중기예보 데이터 양식에 맞추어 일별 데이터로 변환하였다. 모형의 예측 성능 비교 결과, Random Forest로 일별 일사량을 예측한 후, K-means 클러스터링으로 기후요인이 유사한 날짜들을 분류한 뒤 클러스터별 일사량의 확률밀도함수를 계산하여 시간별 일사량 예측값을 나타낸 방법이 가장 우수한 성능을 보였다. 또한 이 방법론을 이용하여 중기예보 데이터에 모형 적합 후, 예측 결과를 확인하였을 때, 일자별로 예측 오류가 상승하는 것을 확인할 수 있었다. 이는 중기예보 기상데이터의 예측 오류로 인한 것으로 보인다. 향후 연구에서는 중기예보 데이터에서 활용할 수 있는 기상요인 중, 강수 여부와 같은 외생 변수를 추가하거나 시계열 클러스터링 기법을 적용한 연구가 이루어져야할 것으로 보인다.

• 마케팅과학연구
• /
• 제12권
• /
• pp.121-134
• /
• 2003

기상마케팅은 기상 상태의 변화에 따른 소비자의 욕구와 구매행태의 변화를 기업의 마케팅계획에 반영하려는 노력으로 빙과류, 맥주나 음료 에어컨, 방한의류 등과 같은 계절적 상품들에서 일찍부터 중요성이 인식되어져 활용되어져 왔다. 그러나 기상요인의 영향력에 대한 연구는 기업의 사내 보고서 형태로 이루어져 왔으며 주요 기상요인들이 제품판매에 미치는 영향에 대한 학문적인 접근은 거의 이루어지지 않은 상태이다. 이에 본 연구에서는 국내 주요 백화점에서 판매되는 다앙한 패션의류제품올 대상으로 일별 매출데이터와 기상특성자료들간의 관계를 체계적으로 분석하였다. 특히 기상요인들이 매출에 미치는 영향이 어느 정도인지를 파악하기 위해 백화점의 주요 판매촉진 수단인 정기세일과 사은품 증정의 효과와 비교함으로서 기상요인의 영향력을 평가하였다. 분석결과 패션제품 매출에 있어 기상요인들은 정기세일보다는 낮지만 사은품증정과 유사한 수준의 효과를 갖고 있는 것으로 나타났으며, 기상요인들중 기온, 강수량, 바람이 매출에 유의한 영향을 미치는 것으로 나타났다. 그러나 기상요인의 구체적인 효과는 계절에 따라, 복종별로 상이하게 나타나 향후 의류제품 판매에 있어 기상마케팅의 적용은 시즌과 제품특성을 반영한 체계적인 예측모형의 구측과 적용이 필요한 것으로 나타났다.

• 한국ITS학회 논문지
• /
• 제17권6호
• /
• pp.96-110
• /
• 2018

최근 정보통신기술의 발달로 다양한 통행 정보 수집이 용이해지면서, 신규 교통정보 생성에 대한 연구가 주목받고 있다. 그 중 수요 및 교통량에 대한 추정 및 예측은 교통 운영에 필수적인 주요 지표 중 하나로, 특정 지점 혹은 구간의 통행 패턴이 반복됨을 전제로 한다. 기존에는 이러한 통행 규칙성을 증명하기 위해 설문 방식을 사용하였으나, 해당 방식은 높은 비용과 응답자 기억에 의존하는 응답으로 높은 정확도를 확보하기에는 한계가 있었다. 최근 ETC시스템, 스마트카드 등의 방법으로 통행데이터 수집이 용이해지면서, 다양한 시각에서 통행 규칙성을 규명하고자 하는 연구가 진행되고 있다. 본 연구에서는 대구광역시의 대규모 경로형 데이터를 분석하여 개별통행자가 여러 날에 걸쳐 공간적으로 유사한 통행사슬을 형성하는 것을 확인하였다. 이를 위하여 공간적 통행 유사성을 새롭게 정의하며, 서열정렬 알고리즘인 Dynamic Time Warping을 이용하여 일별 통행사슬 간 공간적 차이를 산정한다. 또한 산출된 공간적 통행 규칙성을 통해 고정적 교통수요 추정의 지표 및 교통서비스로의 활용방안을 논 하고자 한다.