• 한국군사과학기술학회지
• /
• 제16권5호
• /
• pp.675-682
• /
• 2013

Reliability analysis and prediction of next failure time is critical to sustain weapon systems, concerning scheduled maintenance, spare parts replacement and maintenance interventions, etc. Since 1981, many methodology derived from various probabilistic and statistical theories has been suggested to do that activity. Nowadays, many A.I. tools have been used to support these predictions. Support Vector Regression(SVR) is a nonlinear regression technique extended from support vector machine. SVR can fit data flexibly and it has a wide variety of applications. This paper utilizes SVM and SVR with combining time series to predict the next failure time based on historical failure data. A numerical case using failure data from the military equipment is presented to demonstrate the performance of the proposed approach. Finally, the proposed approach is proved meaningful to predict next failure point and to estimate instantaneous failure rate and MTBF.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제5권10호
• /
• pp.293-302
• /
• 2016

전기는 생산과 소비가 동시에 이루어지므로 필요한 전력 사용량을 예측하고, 이를 충족시킬 수 있는 충분한 공급능력을 확보해야만 안정적인 전력 공급이 가능하다. 특히, 대학 캠퍼스는 전력 사용이 많은 곳으로 시간과 환경에 따라 전력 변화폭이 다양하다. 이러한 이유로, 효율적인 전력 공급 및 관리를 위해서는 전력 사용량을 실시간으로 예측할 수 있는 모델이 요구된다. 국내외 대학 건물에 대해서는 전력 사용 패턴과 사례 분석을 통해 전력 사용에 영향을 주는 요인들을 파악하기 위한 다양한 연구가 진행되었으나, 전력 사용량의 정량적 예측을 위해서는 더 많은 연구가 필요한 상황이다. 본 논문에서는, 기계 학습 기법을 이용하여 대학 캠퍼스의 전력 사용량 예측 모델을 구성하고 평가한다. 이를 위해, 대학 캠퍼스의 주요 건물 클러스터에 대해 전력 사용량을 15분마다 1년 이상 수집한 데이터 셋을 사용한다. 수집된 전력 사용량 데이터는 수열 형태의 시계열 데이터로 기계 학습 모델에 적용 시 주기성 정보를 반영할 수 없으므로, 2차원 공간의 연속적인 데이터로 증강함으로써 주기성을 반영하였다. 이 데이터와 교육기관의 특성을 반영하기 위한 요일과 공휴일로 구성된 8차원 특성 벡터에 대해 주성분 분석(Principal Component Analysis) 알고리즘을 적용한다. 이어, 인공 신경망(Artificial Neural Network)과 지지 벡터 회귀분석(Support Vector Regression)을 이용하여 전력 사용량 예측 모델을 학습시키고, 5겹 교차검증(5-fold Cross Validation)을 통하여 적용된 기법의 성능을 평가하여, 실제 전력 사용량과 예측 결과를 비교한다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2018년도 춘계학술대회
• /
• pp.246-247
• /
• 2018

관제구역 내 항로는 주요 항만의 항계를 포함하고 있기 때문에 지리적 여건에 따라 선박 통항량이 증가하고 항로가 협소한 구간이 존재한다. 또한, 대한민국 서해안에 위치한 항만과 그 관제구역의 경우 큰 조석간만의 차로 인하여 선박 조선에 있어 강한 조류의 영향을 받게 된다. 본 논문에서는 항로 상 조류의 흐름에 따른 선박 항적 이동의 특성을 분석하여 항해 환경 변화에 따른 유의미한 정보를 생산하는 방법을 제시하고 실제 해양 사고 사례에 적용하여 그 유효성을 검증하였다. 모델 추출을 위하여 SVR seaway model, 지지벡터 회귀 모형과 격자 탐색을 통한 모수 결정을 수행하였다.

• 디지털융복합연구
• /
• 제16권3호
• /
• pp.145-156
• /
• 2018

배급사가 소매점을 통해 게임을 유통했던 과거와 다르게 현재는 디지털 콘텐츠인 게임을 온라인 기반의 유통채널을 활용하여 판매를 실시하고 있다. 본 연구는 온라인 디지털 콘텐츠 유통 채널인 스팀(Steam)에서 판매되는 게임의 판매량에 대해서 eWOM(전자구전효과)의 요인들이 어떤 영향을 미치는지 분석한다. 최근 빅데이터 기반의 데이터 마이닝 기법을 이용한 연구가 많이 진행되고 있는데, 본 연구에서 eWOM의 요인 중 각 리뷰의 감성을 분석할 수 있는 텍스트 마이닝 기법인 감성분석을 실시하여 eWOM의 감성지수를 도출한다. 감성분석은 나이브 베이즈(Naive Bayes)와 지지벡터기(SVM) 분류기를 활용하고, 정확도가 높은 지지벡터기(SVM) 분류기를 통해 감성지수를 산출한다. 도출한 감성지수와 eWOM의 크기인 각 게임의 리뷰의 수, eWOM의 평점인 각 게임의 유저점수를 독립변수로 하여 종속변수인 판매변화량에 대해서 회귀분석을 실시한다. 회귀분석 결과, 독립변수인 eWOM의 크기와 eWOM의 감성지수가 종속변수인 판매변화량에 영향을 미치는 것을 확인하였다. 본 연구는 연구결과를 통해 국내 게임 기업들이 스팀을 기반으로 해외진출 시 판매량에 영향을 미치는 eWOM의 요인들을 제시할 수 있는 시사점을 가진다.

• 재무관리연구
• /
• 제26권1호
• /
• pp.1-29
• /
• 2009

외환위기 이후 외국인의 국내 상장기업에 대한 지분이 급격히 증가하였다. 이에 외국자본은 투자수익을 극대화하기 위하여 과도한 배당을 요구하고 경영권을 위협함에 따라 기업들은 자사주 매입에 치중하여 투자가 위축되고 있다는 부정적 시각의 주장이 사회적 논제로 대두되었다. 이러한 주장의 사실 여부를 규명하기 위하여 상당수의 연구가 외국인 지분이 배당에 미치는 영향에 대한 실증분석을 시도하였다. 그러나, 이들 선행 연구가 기업의 고유효과를 통제하지 못하거나 변수들 간의 역인과 관계 가능성을 고려하지 않는 등 분석방법론적 측면에서 한계점을 갖으며, 배당수준을 나타내는 변수들도 각기 상이하여 분석 결과를 비교 해석하기에 어려움이 있다. 이에 본고에서는 배당을 측정하는 변수로 배당성향(현금배당/당기순이익), 배당률(현금배당/총자산), 그리고 배당수익률(현금배당/시가총액) 등 세 가지 변수를 대상으로 정태적 동태적 패널모형, 패널 벡터자기회귀모형 등 다양한 패널자료모형을 이용하여 분석을 실시하여 종합적인 결론을 도출하고자 하였다. 분석 결과 외국인 지분이 배당성향에 통계적으로 유의미하게 영향을 미치지 않는 반면, 배당률에는 통계적으로 유의미하게 정(+)의 영향을 미치는 것으로 나타났다. 이는 외국인 지분의 증가가 총자산 대비 배당액을 증가시키나, 이는 기업이 창출한 수익에 대하여 배당을 증가시킨 것과는 무관한 것이다. 또한, 배당수익률은 시가기준으로 투자자가 주식을 매수한 뒤 실질적으로 얻게 되는 배당수익률을 의미함으로, 외국인 투자자가 단기적 이익에 집착하여 고배당을 유도한다는 주장이 성립하기 위해서는 외국인 지분이 배당수익률에도 정(+)의 영향을 미치는 것으로 나타나야 하나, 분석 결과는 오히려 반대로 나타났다. 이상의 분석 결과는 우리나라에서 외국인 지분의 증가가 고배당을 유도하였다는 주장을 지지하지 않는다.

• 한국지능시스템학회논문지
• /
• 제17권5호
• /
• pp.679-683
• /
• 2007

Vapnik의 통계적 학습이론은 분류, 회귀, 그리고 군집화를 위하여 SVM(support vector machine), SVR(support vector regression), 그리고 SVC(support vector clustering)의 3가지 학습 알고리즘을 포함한다. 이들 중에서 SVC는 가우시안 커널함수에 기반한 지지벡터를 이용하여 비교적 우수한 군집화 결과를 제공하고 있다. 하지만 SVM, SVR과 마찬가지로 SVC도 커널모수와 정규화상수에 대한 최적결정이 요구된다 하지만 대부분의 분석작업에서 사용자의 주관적 경험에 의존하거나 격자탐색과 같이 많은 컴퓨팅 시간을 요구하는 전략에 의존하고 있다. 본 논문에서는 SVC에서 사용되는 커널모수와 정규화상수의 효율적인 결정을 위하여 차분진화를 이용한 DESVC(differential evolution based SVC)를 제안한다 UCI Machine Learning repository의 학습데이터와 시뮬레이션 데이터 집합들을 이용한 실험을 통하여 기존의 기계학습 알고리즘과의 성능평가를 수행한다.

• 응용통계연구
• /
• 제24권3호
• /
• pp.535-546
• /
• 2011

본 연구는 겨울철 남한지역 황사출현일수에 대한 이 범주 계절예측모형 개발을 목적으로 수행되었다. 최근 31년간 관측된 황사출현일수를 예측량으로 하고, 황사발원지 기상요소(지상기온, 강수량, 강설량, 지상풍속)에 대한 NCEP 재분석자료 예측치와 광역규모 기후지수들을 잠재적 예측인자로 사용하였다. 월별로 구분하여 예측모형을 개발하기 위하여 네 종류 통계모형(중회귀모형, 로지스틱 회귀모형, 의사결정나무모형, 지지벡터기계)을 각각 적용하였다. 예측모형 평가측도인 정분류율, 탐지확률, 잘못된 경고를 사용하여 모형 비교하고 예측모형을 제안하였다.