• 해양환경안전학회지
• /
• 제27권5호
• /
• pp.574-583
• /
• 2021

해운 시황을 예측하는 것은 중요한 문제이다. 투자 방식의 결정, 선대 편성 방법, 운임 등을 결정하기 위한 판단 근거가 되며 이는 기업의 이익과 생존에 큰 영향을 미치기 때문이다. 이를 위해 본 연구에서는 기계학습 모델인 장단기 메모리 및 간소화된 장단기 메모리 구조의 Gated Recurrent Units를 활용하여 컨테이너선의 해상운임 예측 모델을 제안한다. 운임 예측 대상은 중국 컨테이너 운임지수(CCFI)이며, 2003년 3월부터 2020년 5월까지의 CCFI 데이터를 학습에 사용하였다. 각 모델에 따라 2020년 6월 이후의 CCFI를 예측한 후 실제 CCFI와 비교, 분석하였다. 실험 모델은 하이퍼 파라메터의 설정에 따라 총 6개의 모델을 설계하였다. 또한 전통적인 분석 방법과의 성능을 비교하기 위해 ARIMA 모델도 실험에 추가하였다. 최적 모델은 두 가지 방법에 따라 선정하였다. 첫 번째 방법으로 각 모델을 10회 반복 실험하여 얻은 RMSE의 평균값이 가장 작은 모델을 선정하는 것이다. 두 번째 방법으로는 모든 실험에서 가장 낮은 RMSE를 기록한 모델을 선정하는 것이다. 실험 결과 전통적 시계열 예측모델인 ARIMA 모델과 비교하여 딥러닝 모델의 정확도를 입증하였으며, 정확한 예측모델을 통해 운임 변동의 위험관리 능력을 제고시키는데 기여했다. 반면 코로나19와 같은 외부 효과에 따른 운임의 급격한 변화상황이 발생한 경우, 예측모델의 정확도가 감소하는 한계점을 나타냈다. 제안된 모델 중 GRU1 모델이 두 가지 평가 방법 모두에서 가장 낮은 RMSE(69.55, 49.35)를 기록하며 최적 모델로 선정되었다.

• 한국산학기술학회논문지
• /
• 제18권5호
• /
• pp.723-737
• /
• 2017

국가 기술표준정책 결정시 국가 정책 활동/시장경제 활동 수단으로 활용하기 위해 현재 자국 기술 수준/집중도/활용도에 대한 분석을 통한 의사결정을 수행해야 한다. 이러한 의사결정의 수단으로 국내 이동통신 사업자 특허 자료 기반 주요 공통 기술 분야 분석을 통해 합리적인 의사결정을 수행할 수 있다. 특허청 특허정보검색서비스를 통해 수집된 국내 이동통신 사업자 전체 특허/국제특허분류 수는 20,294건/152개이며, 이동통신 사업자 특허자료 일반 정보 분석 결과 상대적으로 높은 기술보유 활동을 수행하는 사업자는 KT(9,738건/47.98%)이다. 이어서 사회망 분석결과 연결중심성(0.552)/근접중심성(1.000)/매개중심성(0.290)이 큰 국제특허분류 30개 추출, 주성분 분석 결과 분산 평균 크기 3.2222 이상 넘어가는 국제특허분류 4개(H04W, H04B, G06Q, H04L) 추출을 통해 국내 이동통신 사업자 공통 기술 분야임을 확인했다. 마지막으로, 추출된 국내 이동통신 사업자 공통 기술 분야 4개에 대한 자기회귀 결합 이동평균 모형 분석 결과 H04W, H04B, G06Q, H04L 모두 12개월의 계절성 특성을 가지며, 기존 시계열 자료 평균 대비 예측 평균이 낮아짐을 확인했다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권1호
• /
• pp.136-151
• /
• 2016

Flexible large-scale WLANs are now widely deployed in crowded and highly mobile places such as campus, airport, shopping mall and company etc. But network management is hard for large-scale WLANs due to highly uneven interference and throughput among links. So the traffic is difficult to predict accurately. In the paper, through analysis of traffic in two real large-scale WLANs, Granger Causality is found in both scenarios. In combination with information entropy, it shows that the traffic prediction of target AP considering Granger Causality can be more predictable than that utilizing target AP alone, or that of considering irrelevant APs. So We develops new method -Granger Causality and Vector Auto-Regression (GCVAR), which takes APs series sharing Granger Causality based on Vector Auto-regression (VAR) into account, to predict the traffic flow in two real scenarios, thus redundant and noise introduced by multivariate time series could be removed. Experiments show that GCVAR is much more effective compared to that of traditional univariate time series (e.g. ARIMA, WARIMA). In particular, GCVAR consumes two orders of magnitude less than that caused by ARIMA/WARIMA.

• Journal of Positioning, Navigation, and Timing
• /
• 제9권2호
• /
• pp.89-98
• /
• 2020

Prediction of clock behaviors is necessary to generate very high stable system time which is essential for a satellite navigation system. For the purpose, we applied the Auto-Regressive Integrated Moving Average (ARIMA) model to the prediction of two hydrogen masers' behaviors with respect to the rapid Coordinated Universal Time (UTCr). Using the packaged programming language R, we made an analysis and prediction of time series data of [UTCr - clocks]. The maximum variation width of the residuals which were obtained by the difference between the predicted and measured values, was 6.2 ns for 106 days. This variation width was just one-sixth of [UTCr-UTC (KRIS)] published by the BIPM for the same period. Since the two hydrogen masers were found to be strongly correlated, we applied the Vector Auto-Regressive Moving Average (VARMA) model for more accurate prediction. The result showed that the prediction accuarcy was improved by two times for one hydrogen maser.

• 항공우주시스템공학회지
• /
• 제14권2호
• /
• pp.50-56
• /
• 2020

In this study, we investigated whether long short-term memory (LSTM) can be used in the future to predict F10.7 index data; the F10.7 index is a space environment factor affecting atomic oxygen erosion. Based on this, we compared the prediction performances of LSTM, the Autoregressive integrated moving average (ARIMA) model (which is a traditional statistical prediction model), and the similar pattern searching method used for long-term prediction. The LSTM model yielded superior results compared to the other techniques in the prediction period starting from the max/min points, but presented inferior results in the prediction period including the inflection points. It was found that efficient learning was not achieved, owing to the lack of currently available learning data in the prediction period including the maximum points. To overcome this, we proposed a method to increase the size of the learning samples using the sunspot data and to upgrade the LSTM model.

• 농촌계획
• /
• 제17권1호
• /
• pp.1-11
• /
• 2011

본 연구에서는 ARIMA(Autoregressive Integrated Moving Average) 모델을 이용하여 농촌관광마을의 월별 관광객을 추정하였다. 단일 마을에 대한 시계열 자료를 경상북도 안동시에 위치한 하회마을을 대상으로 구축하였다. 월별 시계열 자료는 2000년부터 2010년까지 구성되었는데(2008년도 누락), 2000년에서 2007년까지 자료는 최적 모델의 도출에 나머지는 예측치의 검정에 사용되었다. 연구 결과 최적모델에 필요한 시계열 자료의 길이는 6년으로 나타났으며, 최적모델은 계절성을 고려한 SARIMA(2,1,1)(1,1,2)12로 나타났다. 최적 시계열 년수로 나타난 6년을 사용하여 2000-2005, 2001-2006, 그리고 2002-2007의 자료로부터 각각 SARIMA(2,1,1)(1,1,2)12를 도출하여, 차기년도들에 대한 예측결과를 비교한 결과, 높은 $R^2$값을 보였다.

• 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.

• 응용통계연구
• /
• 제29권1호
• /
• pp.133-144
• /
• 2016

본 논문에서는 주기적 자기회귀(periodic autoregressive) 모형에서 모수의 수를 줄이기 위한 모수 절약 주기적 자기회귀 모형을 연구하였다. 제안된 모수 절약 모형은 실증분석에서 실업률을 이용하여 기존의 계절 시계열 모형과 비교를 통하여 그 성능을 평가하였다. 모수 절약 구조를 부여하기 위하여 계절성에서 공통된 패턴을 찾아내는 방법을 사용하였으며 기존 주기적 자기회귀 모형과의 통계적 차이 유무는 LR 검정을 통해 확인하였다. 그 결과, 중장기적으로 주기적 자기회귀 모형이 기존의 계절시계열 모형보다 우수한 예측성능을 보였으며, 특히 모수 절약 주기적 자기 회귀 모형의 사용은 기존의 주기적 자기회귀 모형보다 우수한 예측성능을 나타내는 것을 확인하였다.

• 응용통계연구
• /
• 제26권2호
• /
• pp.237-252
• /
• 2013

보험료 및 보험료 구성요소에 대한 예측모형은 합리적인 보험료 결정에 필수적이다. 본 연구에서는 가변수 회귀모형, 독립변수 추가모형, 자기회귀 오차모형, 계절형 ARIMA 모형, 개입모형 등 적정한 자동차 대물 손해보험료 추정에 사용되는 다양한 모형을 소개하였다. 또한 실제 자동차 대물 보험료 자료를 이용하여 각 모형을 이용하여 보험료, 심도, 빈도 등을 추정하였으며, 모형의 추정결과는 추정치와 실제 자료값의 차이에 근거한 RMSE(Root Mean Squared Errors) 값을 통해 비교하였다. 실제 자료 분석 결과, 자기회귀 오차모형이 가장 좋은 성능을 보여주는 것을 알 수 있었다.

• 국제학술발표논문집
• /
• The 4th International Conference on Construction Engineering and Project Management Organized by the University of New South Wales
• /
• pp.1-6
• /
• 2011

As large-scale building projects have recently increased for the residential, commercial and office facilities, construction costs for these projects have become a matter of great concern, due to their significant construction cost implications, as well as unpredictable market conditions and fluctuations in the rate of inflation during the projects' long-term construction periods. In particular, recent volatile fluctuations of construction material prices fueled such problems as cost forecasting. This research develops a time series model using the Box-Jenkins approach and material price time series data in Korea in order to forecast trends in the unit prices of required materials. Building information modeling (BIM) approaches are also used to analyze injection times of construction resources and to conduct quantity take-off so that total material prices can be forecast. To determine an optimal time series model for forecasting price trends, comparative analysis of predictability of tentative autoregressive integrated moving average (ARIMA) models is conducted. The proposed BIM-based time series forecasting model can help to deal with sudden changes in economic conditions by estimating material prices that correspond to resource injection times.