• International Journal of Computer Science & Network Security
• /
• 제23권8호
• /
• pp.210-216
• /
• 2023

Demand prediction is an essential component of any business or supply chain. Large retailers need to keep track of tens of millions of items flows each day to ensure smooth operations and strong margins. The demand prediction is in the epicenter of this planning tornado. For business processes in retail companies that deal with a variety of products with short shelf life and foodstuffs, forecast accuracy is of the utmost importance due to the shifting demand pattern, which is impacted by an environment of dynamic and fast response. All sectors strive to produce the ideal quantity of goods at the ideal time, but for retailers, this issue is especially crucial as they also need to effectively manage perishable inventories. In light of this, this research aims to show how Machine Learning approaches can help with demand forecasting in retail and future sales predictions. This will be done in two steps. One by using historic data and another by using open data of weather conditions, fuel, Consumer Price Index (CPI), holidays, any specific events in that area etc. Several machine learning algorithms were applied and compared using the r-squared and mean absolute percentage error (MAPE) assessment metrics. The suggested method improves the effectiveness and quality of feature selection while using a small number of well-chosen features to increase demand prediction accuracy. The model is tested with a one-year weekly dataset after being trained with a two-year weekly dataset. The results show that the suggested expanded feature selection approach provides a very good MAPE range, a very respectable and encouraging value for anticipating retail demand in retail systems.

• 아태비즈니스연구
• /
• 제15권1호
• /
• pp.319-334
• /
• 2024

Purpose - The purpose of this study is to examine the gravity model commonly used for demand forecasting upon the implementation of new tourist facilities and analyze the main causation of forecasting errors to provide a suggestion on how to improve. Design/methodology/approach - This study first measured the errors in predicted values derived from past feasibility study reports by examining the cases of five national science museums. Next, to improve the predictive accuracy of the gravity model, the study identified the five most likely issues contributing to errors, applied modified values, and recalculated. The potential for improvement was then evaluated through a comparison of forecasting errors. Findings - First, among the five science museums with very similar characteristics, there was no clear indication of a decrease in the number of visitors to existing facilities due to the introduction of new facilities. Second, representing the attractiveness of tourist facilities using the facility size ratio can lead to significant prediction errors. Third, the impact of distance on demand can vary depending on the characteristics of the facility and the conditions of the area where the facility is located. Fourth, if the distance value is below 1, it is necessary to limit the range of that value to avoid having an excessively small value. Fifth, depending on the type of population data used, prediction results may vary, so it is necessary to use population data suitable for each latent market instead of simply using overall population data. Finally, if a clear trend is anticipated in a certain type of tourist behavior, incorporating this trend into the predicted values could help reduce prediction errors. Research implications or Originality - This study identified the key factors causing prediction errors by using national science museums as cases and proposed directions for improvement. Additionally, suggestions were made to apply the model more flexibly to enhance predictive accuracy. Since reducing prediction errors contributes to increased reliability of analytical results, the findings of this study are expected to contribute to policy decisions handled with more accurate information when running feasibility analyses.

• 한국산학기술학회논문지
• /
• 제21권10호
• /
• pp.8-15
• /
• 2020

딥러닝을 사용한 예측 방법은 동일한 예측 모델과 파라미터를 사용한다 하더라도 데이터셋의 특성에 따라 결과가 일정하지 않다. 예를 들면, 데이터셋 A에 최적화된 예측 모델 X를 다른 특성을 가진 데이터셋 B에 적용하면 데이터셋 A와 같이 좋은 예측 결과를 기대하기 어렵다. 따라서 높은 정확도를 갖는 예측 모델을 구현하기 위해서는 데이터셋의 성격을 고려하여 예측 모델을 최적화하는 것이 필요하다. 본 논문에서는 하루 대학 캠퍼스 전력사용량을 1시간 단위로 예측하기 위해 데이터셋의 특성이 고려된 예측 모델이 도출되는 일련의 방법을 단계적으로 제시한다. 데이터 전처리 과정을 시작으로, 이상치 제거와 데이터셋 분류 과정 그리고 합성곱 신경망과 장기-단기 기억 신경망이 결합된 알고리즘(CNN-LSTM: Convolutional Neural Networks-Long Short-Term Memory Networks) 기반 하이퍼파라미터 튜닝 과정을 소개한다. 본 논문에서 제안하는 예측 모델은, 각 시간별 24개 포인트에서 2%의 평균 절대비율 오차(MAPE: Mean Absolute Percentage Error)를 보인다. 단순히 예측 알고리즘만을 적용한 모델과는 달리, 단계적 방법을 통해 최적화된 예측 모델을 사용하여 단일 전력 입력 변수만을 사용해서 높은 예측 정확도를 도출한다. 이 예측 모델은 모바일 에너지관리시스템(Energy Management System: EMS) 어플리케이션에 적용되어 관리자나 소비자에게 최적의 전력사용 방안을 제시할 수 있으며 전력 사용 효율 개선에 크게 기여할 것으로 기대된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권11호
• /
• pp.527-536
• /
• 2017

최근 스마트 그리드 산업의 발달과 더불어 효과적인 에너지 관리 시스템의 필요성이 커지고 있다. 특히, 전기 부하 및 에너지 요금 감소를 위해서는 정확한 전력수요 예측과 그에 따른 효과적인 스마트 그리드 운영 전략이 필요하다. 본 논문에서는 보다 정확한 전력수요 예측을 위하여, 수요 시한 기준으로 수집된 전력 사용 데이터를 고시간 해상도로 분할하고, 이에 적합한 인공 신경망 기반의 전력수요 예측 모델을 구축하고자 한다. 예측 모델의 정확도를 향상시키기 위하여 우선, 수열 형태의 시계열 데이터가 가지는 주기성을 제대로 반영하지 못하는 기계 학습 모델의 문제점을 해결하고자, 시계열 데이터를 2차원 공간의 연속적인 데이터로 변환한다. 더욱이, 고시간 해상도에 따른 온도나 습도 등 외부 요인들의 보다 정확한 반영을 위해 이들에 대해서도 선형 보간법을 사용하여 세분화된 시점에서의 값을 추정하여 반영한다. 마지막으로, 구성된 특성 벡터에 대해 주성분 분석 수행을 통하여 불필요한 외부 요인을 제거한다. 예측 모델의 성능을 평가하기 위해서 5겹 교차 검증을 수행하였다. 실험 결과 모든 고시간 해상도에서 성능 향상을 보였으며, 특히 3분 해상도의 경우 3.71%의 가장 낮은 오차율을 보였다.

• 한국수자원학회논문집
• /
• 제52권2호
• /
• pp.107-113
• /
• 2019

한국에서 현재 사용되고 있는 홍수예보모형은 집중형 강우-유출모형을 적용하여 유역의 유출을 계산하고 하도 및 저수지 추적모형 등을 활용하여 하천의 수위를 예측한다. 집중형 모형은 유역을 동질의 배수구역으로 가정한다. 따라서 유역내의 다양한 공간적 특성을 고려하지 못한다는 단점이 있다. 또한, 사용되는 강우자료도 지점강우를 활용하기 때문에 공간적인 분포를 자세히 고려하지 못한다는 한계가 있다. 따라서 홍수예보모형에 분포형 모형을 적용하기 위한 연구가 다양하게 진행되고 있다. 본 연구에서는 GRM모형을 한국 홍수예보시스템에 적용하기 위해 모형의 다양한 해상도에 따른 유역유출의 결과의 차이를 분석하여 최적의 해상도를 결정하고자 한다. 모형의 격자가 너무 조밀한 경우 계산시간이 과다하게 되어 홍수예보모형에 적용하기에는 적합하지 않다. 너무 성길 경우에도 분포형 모형을 적용하여 공간적인 분포를 파악하고자 하는 목적에 맞지 않게 된다. 본 연구의 결과로 유역유출 예측의 정확성을 만족시키고 홍수예보에 적합한 계산속도가 나올 수 있는 최적 해상도를 제시하였다. 유출량 예측의 정확도는 Nash-Sutcliffe model efficiency coefficient (NSE) 값의 비교를 통해 분석하였다. 본 연구에서 도출된 최적해상도 산정 결과는 분포형 유역유출모형을 홍수예보모형에 적용하기 위한 기초자료로 활용될 것이다.

• 지능정보연구
• /
• 제15권3호
• /
• pp.151-165
• /
• 2009

퍼지신경망 모형은 인공신경망의 네트워크 구조 표현방법 및 학습알고리듬과 퍼지시스템의 추론방법을 통합한 모형으로 제어 및 예측분야에 성공적으로 적용되고 있다. 본 연구에서는 퍼지신경망 모형 중 우수한 예측정확도로 인해 최근 각광받고 있는ANFIS (Adaptive Network-based Fuzzy Inference System)모형을 기반으로 하는 분류모형을 설계하고 기존의 분류기법(C5.0 의사결정나무)과 비교하여 분류 정확성 관점에서 평가한다. ANFIS 추론의 경우, 최종 결과값이 계급값이 아닌 연속형 변수값을 취하게 되므로 산출된 결과값을 이용하여 적절한 계급값을 할당하는 과정이 필요하다. 본 연구에서는 의사결정나무기법을 이용하여 계급값을 할당하는 방식과 군집분석을 이용하여 계급값을 할당하는 두 가지 방식을 제안하고 두 가지 데이터 세트에 적용하여 ANFIS를 기반으로 한 분류모형의 정확도를 평가하였다.

• 한국멀티미디어학회논문지
• /
• 제18권7호
• /
• pp.886-894
• /
• 2015

In this paper, we conduct sensitivity analysis of parameters used for inverse modeling in order to estimate the PM₁₀ emissions from the 16 areas in East Asia accurately. Parameters used in sensitivity analysis are R, the observational error covariance matrix, and B, a priori (background) error covariance matrix. In previous studies, it was used with the predetermined parameter empirically. Such a method, however, has difficulties in estimating an accurate emissions. Therefore, an automatically determining method for the most suitable value of R and B with an error measurement criteria and posteriori emissions accuracy is required. We determined the parameters through a sensitivity analysis, and improved the accuracy of posteriori emissions estimation. Inverse modeling methods used in the emissions estimation are pseudo inverse, NNLS (Nonnegative Least Square), and BA(Bayesian Approach). Pseudo inverse has a small error, but has negative values of emissions. In order to resolve the problem, NNLS is used. It has a unrealistic emissions, too. The problems are resolved with BA(Bayesian Approach). We showed the effectiveness and the accuracy of three methods through case studies.

• 풍력에너지저널
• /
• 제14권3호
• /
• pp.25-33
• /
• 2023

In order to secure the safety of increasing offshore activities such as offshore wind farm maintenance and fishing, IMPACT, a mid-term marine weather forecasting system, was established by predicting marine weather up to 7 days in advance. Forecast data from the Korea Hydrographic and Oceanographic Agency (KHOA), which provides the most reliable marine meteorological service in Korea, was used, but wind speed and wave height forecast errors increased as the leading forecast period increased, so improvement of the accuracy of the model results was needed. The Model Output Statistics (MOS) method, a post-correction method using statistical machine learning, was applied to improve the prediction accuracy of wave height, which is an important factor in forecasting the risk of marine activities. Compared with the observed data, the wave height prediction results by the model before correction for 6 to 7 days ahead showed an RMSE of 0.692 m and R of 0.591, and there was a tendency to underestimate high waves. After correction with the MOS technique, RMSE was 0.554 m and R was 0.732, confirming that accuracy was significantly improved.

• 한국수자원학회논문집
• /
• 제43권8호
• /
• pp.695-707
• /
• 2010

기후변화로 인해 태풍과 집중호우의 빈도 및 규모가 증가하고 있으며, 이로 인한 피해 역시 증가하고 있다. 태풍과 집중호우로 인한 피해를 줄이기 위한 홍수 예 경보 시스템에는 단시간 강우예측모델과 레이더 자료를 이용하여 산정된 예측강우가 필요하다. 이를 위하여 외국의 경우 단시간 강우예측 모델을 개발하여 레이더 자료를 이용한 강우예측을 수행하고 이를 수문모형과 연계하여 그 적용성을 분석하거나 홍수예보의 활용성을 평가하는 연구를 활발히 진행하고 있다. 이에 본 연구에서는 홍수예보를 위한 단시간 예측강우의 활용 측면에서 기상레이더 정보와 결합된 이류모델을 활용한 초단시간 강우예보의 국내 적용성을 평가하고자 한다. 이를 위해 최소자승법(Least-square fitting) 기법으로 레이더 강우를 추정하고, 추정된 강우를 이류모델의 초기장으로 활용하였다. 또한, 레이더 예측강우와 지상관측강우의 비교를 통해 레이더 예측강우의 정확도를 정성적 정량적으로 평가하고, 도시홍수예보의 활용 측면을 고려하여 중랑천 유역을 대상으로 초단시간 예측강우의 유역평균강우량을 산정하여 평가하였다. 연구 결과, 관악산 레이더와 진도 레이더 대부분의 사례에서 선행시간의 증가에 따라 예측강수의 정확도가 감소하지만 정성적 평가 측면에서 예측강우는 0.6 이상의 높은 정확도를 나타내었으며, 정량적 측면에서 예측강우와 관측강우와의 상관계수는 평균적으로 선행시간 1시간 이내에서 대부분 0.5 이상의 비교적 좋은 상관성을 보였다. 예측 유역평균강우의 평가 결과 관측강우에 비해 과소추정하는 경향이 있으나 평균적으로 상관계수 0.5 이상으로 비교적 정확하게 강우를 예측하는 것을 확인할 수 있었다. 이를 통해 레이더 자료와 이류모델을 통해 산정한 초단시간 예측강우의 활용성을 확인할 수 있었다.

• 상하수도학회지
• /
• 제19권4호
• /
• pp.395-403
• /
• 2005

It is very important to forecast water supply for reasonal operation and management of water utilities. In this paper, water supply forecasting models using artificial intelligence are developed. Artificial intelligence models shows better results by using Temperature(t), water supply discharge (t-1) and water supply discharge (t-2), which are expressed by neural network(LMNNWS; Levenberg-Marquardt Neural Network for Water Supply, MDNNWS; MoDular Neural Network for Water Supply) and neuro fuzzy(ANASWS; Adaptive Neuro-Fuzzy Inference Systems for Water Supply). ANFISWS model which is applied for water supply forecasting shows stable application to the variable water supply data. As results, MDNNWS model shows the highest overall accuracy among proposed water supply forecasting models and the lowest estimation error with the order of ANFISWS, LMNNWS model.