• 한국인터넷방송통신학회논문지
• /
• 제19권5호
• /
• pp.79-85
• /
• 2019

본 연구에서는 Long Short Term Memory (LSTM) 신경망과 Gated Recurrent Unit(GRU) 신경망을 Internet of Things (IoT) 파워미터에 적용하여 단기 전력사용량 예측방법을 제안하고, 실제 가정의 전력사용량 데이터를 토대로 예측 성능을 분석한다. 성능평가 지표로써 Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), Mean Percentage Error (MPE), Mean Squared Error (MSE), Root Mean Squared Error (RMSE)를 이용한다. 실험 결과는 GRU 기반의 모델이 LSTM 기반의 모델에 비해 MAPE 기준으로 4.52%, MPE 기준으로 5.59%만큼의 성능개선을 보였다.

• 대한임베디드공학회논문지
• /
• 제11권3호
• /
• pp.153-162
• /
• 2016

This paper proposes an optimal dynamic resource allocation method in IoT (Internet of Things) parking guidance system using Q-learning resource allocation model. In the proposed method, a resource allocation using a forecasting model based on Q-learning is employed for optimal utilization of parking guidance system. To demonstrate efficiency and availability of the proposed method, it is verified by computer simulation and practical testbed. Through simulation results, this paper proves that the proposed method can enhance total throughput, decrease penalty fee issued by SLA (Service Level Agreement) and reduce response time with the dynamic number of users.

• Asian Journal of Innovation and Policy
• /
• 제9권2호
• /
• pp.187-206
• /
• 2020

Under the on-going evolution of the COVID-19 pandemic, estimating the economic impact of the pandemic is highly uncertain and challenging. This situation makes it difficult for policymakers, governors, and economic entities to formulate appropriate responses and decision makings. To provide useful information about the effect of the COVID-19 pandemic on the Korean economy, this study examined macroeconomic impact analysis stemming from the pandemic shocks with different scenarios for the Korean economy. Based on three scenarios using the growth rate of 2020 GDP and consumer expenditure patterns, the 2021 GDP by industry sector was forecast with two new approaches. First, the recovering process of the Korean economy from the shock was analyzed by applying a Flex-IO method. Second, a new forecasting approach combined with an IO coefficient matrix was applied to forecast the future GDP changes. The findings of this study are summarized as follows: First, the total GDP growth rate under the Pessimistic Scenario demonstrates less rebound from the shock than that of the Base Scenario. Second, agriculture, culture, and tourism-related sectors that are suffering from the severe losses of COVID-19 showed lower resilience than other different industries. Third, information and communications technology (ICT) industry maintains a stable growth trend and is expected to take the leading role for the Korean economy in the post-COVID-19 and the Industry 4.0 eras. The findings deliver that it needs to analyze how government expenditure responding the shock into the forecasting model, which can be more useful and reliable to simulate the resilience from the pandemic.

• Journal of Information Technology Applications and Management
• /
• 제26권2호
• /
• pp.61-73
• /
• 2019

In 2019, 5G mobile communication technology will be commercialized. From the viewpoint of technological innovation, 5G service can be applied to other industries or developed further. Therefore, it is important to measure the demand of the Internet of things (IoT) because it is predicted to be commercialized widely in the 5G era and its demand hugely effects on the economic value of 5G industry. In this paper, we applied Bayesian method on regression model to find out the demand of 5G IoT service, wearable service in particular. As a result, we confirmed that the Bayesian regression model is closer to the actual value than the existing regression model. These findings can be utilized for predicting future demand of new industries.

• 사물인터넷융복합논문지
• /
• 제10권1호
• /
• pp.39-45
• /
• 2024

항만 성능에 대한 정확한 평가는 컨테이너 물동량은 매우 중요한 요소이며, 효과적인 항만 개발 및 운영 전략에 대한 정확한 예측이 필수적이다. 하지만 해양 산업의 급격한 변화로 인해 컨테이너 물동량 예측의 정확성이 향상되기는 어렵다. 이를 해결하기 위해 사물인터넷(IoT)을 이용한 항만 성능에 미치는 영향을 분석하여 부산항의 경쟁력과 효율성을 향상시키기 위해 적용이 필요하다. 이에 본 연구에서는 부산항의 미래 컨테이너 물동량을 예측하기 위한 예측 모델을 개발하는 것을 목표로 이를 통해 항만 관리 기관의 개선된 의사 결정과 항만 생산성을 향상시키는 데 초점을 맞추고 있다. 항만 컨테이너 물동량을 예측하기 위해 본 연구에서는 기계 학습 모델의 Extreme Gradient Boosting (XGBoost) 기법을 도입하였다. XGBoost는 다른 알고리즘에 비해 높은 정확도, 빠른 학습 및 예측 속도,과적합을 방지하고 Feature Importance 제공하는 장점이 돋보인다. 특히 XGBoost는 회귀 예측 모델링에 직접 사용할 수 있어 기존 연구에서 제시된 물동량 예측 모델의 정확도 향상에 도움이 된다. 이를 통해 본 연구는 4.3% MAPE (Mean absolute percenture error) 값으로 제안된 방법이 컨테이너 물동량을 정확하고 신뢰성 있게 예측할 수 있다. 본 연구에서 제시한 방법론을 통해서 부산 컨테이너물동량의 정확성을 높일 수 있을 것으로 판단된다.

• 식물병연구
• /
• 제30권3호
• /
• pp.256-267
• /
• 2024

과수 화상병 꽃감염 방제를 위한 농용 항생제 살포 적기를 알려주고, 병징 출현을 예측해 현장 모니터링 시기 판단을 돕는 K-Maryblyt 예측모델을 정보시스템에서 자동으로 구동하는 FBcastS을 클라우드 컴퓨팅 환경에서 개발하였다. 4개의 단위 시스템으로 구성된 FBcastS 정보시스템은 기상자료 획득 및 처리, K-Maryblyt 모델 구동, 웹 정보 서비스 그리고 방제 적기 알림 발송의 기능별로 구성하였다. 기상자료 획득 단위 시스템은 우리나라 1,583지점의 관측기상과 예보기상을 수집할 뿐만 아니라 이들 중 과수원에서 직접 관측한 761지점의 기상자료에 대한 품질관리와 입력 자료변환 등 후처리를 수행한다. 모델 구동 단위 시스템은 K-Maryblyt 예측모델을 구동하고 그 결과를 database에 저장한다. 웹 서비스 단위 시스템은 인터넷 웹 기반으로 기상 모니터링 서비스, 과수 화상병 예측정보 모바일 서비스 그리고 전국 화상병 예측정보 모니터링 서비스를 표출한다. 마지막으로 알림 발송 단위 시스템은 농촌진흥청 화상병 예찰 및 방제 지침에 따라 K-Maryblyt 모델의 예측정보와 현장의 상황을 참고해 방제 적기 알림을 재배자들에게 전달한다. FBcastS은 4.25 km 공간간격의 조밀한 우리나라 기상관측망에서 수집한 기상정보를 활용하여 화상병 예찰 정보의 신뢰를 높일 수 있고, 인터넷 웹 기반 서비스를 제공함으로써 정보의 접근성과 활용성이 높은 클라우드 기반 스마트 농업 정보시스템이다.

• Journal of Information Processing Systems
• /
• 제18권1호
• /
• pp.115-129
• /
• 2022

Adopting Internet of Things (IoT)-based technologies in smart homes helps users analyze home appliances electricity consumption for better overall cost monitoring. The IoT application like smart home system (SHS) could suffer from large missing values gaps due to several factors such as security attacks, sensor faults, or connection errors. In this paper, a novel framework has been proposed to predict large gaps of missing values from the SHS home appliances electricity consumption time-series datasets. The framework follows a series of steps to detect, predict and reconstruct the input time-series datasets of missing values. A hybrid convolutional neural network-long short term memory (CNN-LSTM) neural network used to forecast large missing values gaps. A comparative experiment has been conducted to evaluate the performance of hybrid CNN-LSTM with its single variant CNN and LSTM in forecasting missing values. The experimental results indicate a performance superiority of the CNN-LSTM model over the single CNN and LSTM neural networks.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.120-126
• /
• 2019

최근 에너지 인터넷에서 지능형 원격검침 인프라를 이용하여 확보된 대량의 전력사용데이터를 기반으로 효과적인 전력수요 예측을 위해 다양한 기계학습기법에 관한 연구가 활발히 진행되고 있다. 본 연구에서는 전력량 데이터와 같은 시계열 데이터에 대해 효율적으로 패턴인식을 수행하는 인공지능 네트워크인 Gated Recurrent Unit(GRU)을 기반으로 딥 러닝 모델을 제안하고, 실제 가정의 전력사용량 데이터를 토대로 예측 성능을 분석한다. 제안한 학습 모델의 예측 성능과 기존의 Long Short Term Memory (LSTM) 인공지능 네트워크 기반의 전력량 예측 성능을 비교하며, 성능평가 지표로써 Mean Squared Error (MSE), Mean Absolute Error (MAE), Forecast Skill Score, Normalized Root Mean Squared Error (RMSE), Normalized Mean Bias Error (NMBE)를 이용한다. 실험 결과에서 GRU기반의 제안한 시계열 데이터 예측 모델의 전력량 수요 예측 성능이 개선되는 것을 확인한다.

• 산업경영시스템학회지
• /
• 제42권4호
• /
• pp.203-210
• /
• 2019

Recently, a number of researchers have produced research and reports in order to forecast more exactly air quality such as particulate matter and odor. However, such research mainly focuses on the atmospheric diffusion models that have been used for the air quality prediction in environmental engineering area. Even though it has various merits, it has some limitation in that it uses very limited spatial attributes such as geographical attributes. Thus, we propose the new approach to forecast an air quality using a deep learning based ensemble model combining temporal and spatial predictor. The temporal predictor employs the RNN LSTM and the spatial predictor is based on the geographically weighted regression model. The ensemble model also uses the RNN LSTM that combines two models with stacking structure. The ensemble model is capable of inferring the air quality of the areas without air quality monitoring station, and even forecasting future air quality. We installed the IoT sensors measuring PM2.5, PM10, H2S, NH3, VOC at the 8 stations in Jeonju in order to gather air quality data. The numerical results showed that our new model has very exact prediction capability with comparison to the real measured data. It implies that the spatial attributes should be considered to more exact air quality prediction.

• 디지털융복합연구
• /
• 제18권7호
• /
• pp.223-228
• /
• 2020

주가는 사람들의 심리를 반영하고 있으며, 주식시장 전체에 영향을 미치는 요인으로는 경제성장률, 경제지료, 이자율, 무역수지, 환율, 통화량 등이 있다. 국내 주식시장은 전날 미국 및 주변 국가들의 주가지수에 영향을 많이 받고 있으며 대표적인 주가지수가 다우지수, 나스닥, S&P500이다. 최근 주가뉴스를 이용한 주가분석 연구가 활발히 진행되고 있으며, 인공지능 기반한 분석을 통하여 과거 시계열 데이터를 기반으로 미래를 예측하는 연구가 진행 중에 있다. 하지만, 주식시장은 예측시스템에 의해서 단기간 적중이 되더라도, 시장은 더 이상의 단기 전략대로 움직여지지 않고, 새롭게 변할 수밖에 없다. 따라서, 본 모델을 삼성전자 주식데이터와 뉴스 정보를 텍스트 마이닝으로 모니터링하여 분석한 결과를 나타내어 예측이 가능한 모델을 제시하였으며, 향후 종목별 예측을 통하여 실제 예측이 정확한지 확인하여 발전시켜 나갈 예정임.