• 한국철도학회:학술대회논문집
• /
• 한국철도학회 1998년도 창립기념 춘계학술대회 논문집
• /
• pp.211-218
• /
• 1998

The demand prediction becomes an essential mean to utilize efficiently finite traffic facilities and to provide the optimized schedules for transportation system. The demand prediction is one of the critical complex management schemes for distibuting resources of transportation service by means of computer system. The construction of a prediction model is based on data granulization, followed by processing the raw input data and evaluating the predicted output values. A large number of economic-social parameters are also to be implemented in conventional prediction models which are only based on a sequence of past data. The proposed prediction models are classified by static and dynamic characteristics and its performances are evaluated utilizing computer simulation.

• 전자공학회논문지CI
• /
• 제45권5호
• /
• pp.95-101
• /
• 2008

주가지수는 경제 및 정치적 상황을 포함한 다양한 주변 환경에 영향을 받는 관계로 정확한 주가지수 예측모형의 개발은 매우 어려운 문제로 여겨지고 있다. 본 논문에서는, 신경회로망과 통계적인 방법을 이용하여 종합주가지수(KOSPI)를 예측하는 에이전트 시스템 기법을 제안한다. 예측오차의 평균 및 편차를 최소화하기 위해서, 에이전트시스템은 특징추출, 변수선정, 예측 엔진선정 및 분석을 위한 부(sub)에이전트 모듈들을 포함하고 있다. KOSPI(Korea Composite Stock Price Index) 예측을 위한 에이전트시스템 구현의 첫 번째 단계로서, 주성분분석을 이용하여 22개의 표준기본경제지표에서 12개의 경제지표를 추출하였다. 열두 개의 추출된 경제지표들은 예측하고자하는 예측일에 따라 최량부분적합법을 이용하여 다시 한 번 입력 변수들을 선정하게 된다. 성능평가를 위해 주가지수의 변동폭이 다른 두 종류의 실험데이터를 대상으로 예측을 진행한 결과 30일의 연속적인 종합주가지수예측에 있어 11.92포인트의 평균오차율을 보였다. 또한, 예측시점에 따라 관련이 높은 기본지표의 종류 및 개수가 다르게 나타나므로 제안한 주가예측 에이전트시스템 구조가 유용함을 보였다.

• 응용통계연구
• /
• 제37권1호
• /
• pp.13-38
• /
• 2024

최근 코로나19 등으로 경제 불확실성이 확대됨에 따라 민간 경제주체의 경제상황을 직접적으로 반영하는 민간소비 동향을 신속히 파악할 필요성이 높아지고 있다. 이에 본 연구는 기존 거시경제지표 뿐만 아니라 빅데이터를 종합적으로 활용하여 민간소비를 실시간으로 추정(nowcasting)하는 방법을 제안하였다. 특히 초고차원 빅데이터의 적합을 위해 활용 가능한 다양한 기계학습 방법론을 비교분석하여 민간소비 추정의 정확도를 향상시키고자 하였다. 실증 분석 결과, 빅데이터를 비롯한 가용 공변량의 수가 많은 경우에는 변수를 미리 선별하여 모형적합에 활용하는 것이 민간소비 예측 성능을 향상시킬 수 있음을 확인하였다. 또한 코로나19 이후 빅데이터의 반영이 민간소비 예측 성능을 더욱 크게 향상시킴에 따라 경제 불확실성이 높은 상황일수록 새로운 정보를 적시에 반영할 수 있는 고빈도 빅데이터의 활용가치가 높은 것으로 판단된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 춘계학술대회
• /
• pp.872-875
• /
• 2009

In a bankruptcy prediction model, the accuracy is one of crucial performance measures due to its significant economic impacts. Ensemble is one of widely used methods for improving the performance of classification and prediction models. Two popular ensemble methods, Bagging and Boosting, have been applied with great success to various machine learning problems using mostly decision trees as base classifiers. In this paper, we analyze the performance of boosted neural networks for improving the performance of traditional neural networks on bankruptcy prediction tasks. Experimental results on Korean firms indicated that the boosted neural networks showed the improved performance over traditional neural networks.

• 자원환경지질
• /
• 제40권1호
• /
• pp.115-128
• /
• 2007

본 연구는 화강암질암 지역의 자연사면에서 발생하는 토석류 산사태의 발생지점을 확률론적 예측하기 위하여 기 개발된 로지스틱 회귀모델을 수정하고자 한다. 기 모델의 단점인 일부 범주형 변수사용을 제거하여 예측률의 신뢰도 및 예측도면 작성시의 정확성을 높인 새로운 예측모델을 제안하고자 한다. 새롭게 개발된 모델은 암상, 지형인자 2개 및 토질인자 3개를 사용하여 통계적으로 86%이상의 예측률을 확보하였다. 본 모델의 적용성을 검증하기 위하여 태풍 '루사'로 인해 산사태가 집중적으로 발생한 강릉지역에 적용하여 산사태 예측도를 작성하였다. 예측결과 사천지역의 경우 본 모델에서 고려하지 못한 산불의 영향으로 산불피해지역에서 근소한 차이를 보여주고 있으나, 주문진-연곡지역의 경우는 예측결과가 실제 산사태 발생위치와 잘 일치하고 있다. 따라서 본 모델은 우리나라의 화강암질암지역에 적용하여 널리 활용될 수 있을것으로 판단된다.

• 한국항만경제학회지
• /
• 제39권2호
• /
• pp.97-110
• /
• 2023

본 연구는 거시경제 충격이 우리나라 해운기업 안정성에 미치는 영향을 분석하였다. 우리나라 해운기업의 부실 발생 빈도가 상대적으로 적다는 점을 고려하여 퍼스로짓모형을 통해 해운기업의 부실 확률을 추정하였다. 부실 예측모형 추정 결과, 총자산은 부실 확률과 음의 상관관계를 지닌 것으로 나타난 한편, 총부채는 부실 확률과 유의한 양의 상관관계가 있는 것을 확인할 수 있었다. 부실 예측모형 추정결과를 바탕으로 총매출, 총자산 및 총부채 충격이 해운기업 부실 확률에 미치는 영향을 스트레스 테스트하였다. 스트레스 테스트 결과, 매출 및 총자산 감소는 해운기업의 재무 안정성을 크게 악화시키는 것을 확인할 수 있었다.

• East Asian Economic Review
• /
• 제16권3호
• /
• pp.227-247
• /
• 2012

This paper investigates the source of bilateral trade imbalance at industry level. We build a simple model based on gravity theory and derive the prediction that the bilateral trade balance in an industry is increasing in the difference between trading partners in the output share of the industry. We test this prediction and find that the difference in industry share is highly significant in predicting both the sign and the magnitude of trade balance at industry level. We also find that FTAs tend to enlarge trade imbalance at industry level. However, the overall predictive power of the model is rather limited, suggesting that factors other than production specialization are important in determining trade balance at industry level. Another finding of the paper is that the influence of the difference in industry share on trade balance increases as we move to industries that produce more homogeneous products. This finding calls into question monopolistic competition as the main driver of gravity in international trade.

• 설비공학논문집
• /
• 제14권5호
• /
• pp.377-384
• /
• 2002

For economic evaluation of cooling plant equipments, it is necessary to simplify energy Prediction method, which should includes efficiency corrected by part-load ratio. This study proposed simplified method with regression equations of time-average partial loads and refrigerator capacity. DOE-2 Program was used to carry out a parametric study of twelve design variables. Five input variables were considered to be significant and were used in the regression equations. To test accuracy of simplified method, calculated results were compared with DOE-2 simulated results. Test result showes a good agreement with the simulation result with an error of 5.9∼7.6%. It is expected that this method can be used as an easy prediction tool for comparing energy use of different cooling plants during the early design stage.

• 한국융합학회논문지
• /
• 제11권10호
• /
• pp.19-24
• /
• 2020

4차산업혁명의 핵심인 인공지능 기술은 인간의 능력을 뛰어넘어 주식예측에도 적용하고 있으면 예측이 불가능한 것을 딥러닝 기법과 머신러닝을 통하여 지능화된 판단을 내리고 있는 실정이다. 미국의 펀드매니지먼트 회사에서는 증시 에널리스트의 역할을 인공지능이 대신하고 있으며, 이 분야의 연구가 활발히 진행 중에 있다. 본 연구에서는 BLSTM을 이용하여 기존의 LSTM방식의 단방향 예측에서 발생하는 오류를 줄이고, 양방향으로 예측하여 예측에 대한 오류를 줄이고, 주식 가격에 영향을 미치는 거시 지표, 즉 경제성장률, 경제지표, 이자율, 무역수지, 환율, 통화량을 분석한다. 거시 지표 분석 후에 개별 주식에 대한 PBR, BPS, ROE 예측과 가장 주식 가격에 영향을 미치는 외국인, 기관, 연기금 등 매수와 매도 물량을 분석하여 주식의 목표주가를 정확히 예측하여 주식 투자에 도움을 주기 위해 본 연구를 수행했다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권6호
• /
• pp.251-258
• /
• 2023

안정적으로 전력을 공급하고 전력계통을 운영하기 위해서는 최대전력을 정확히 예측해야 한다. 특히, 최대전력이 높게 발생하는 겨울과 여름에는 그 중요성이 매우 커진다. 최대전력을 실제 수요보다 높게 예측하면 발전소 기동 비용이 증가하여 경제적 손실이 발생하고, 최대전력을 실제 수요보다 낮게 예측하면 기동이 가능한 발전소가 부족하여 정전이 발생할 수 있다. 최대전력의 예측 오차를 최소화함으로써 경제적 손실과 정전을 예방할 수 있다. 본 논문에서는 최대전력 예측의 오차를 최소화하기 위하여 최신 딥러닝 모델인 TCN을 이용한다. 딥러닝 모델은 하이퍼 파라미터를 어떻게 설정하느냐에 따라 성능 차이가 발생하므로, TCN의 하이퍼 파라미터를 최적화하는 방법을 제안한다. 2006년부터 2021년까지의 데이터를 입력하여 모델을 훈련하고, 2022년의 데이터를 이용하여 예측 오차를 실험하였다. 실험을 수행한 결과 본 논문에서 제안한 최적화 방법을 이용한 TCN 모델의 성능이 다른 딥러닝 모델보다 성능이 우수한 것을 확인하였다.