• 한국항만경제학회지
• /
• 제32권4호
• /
• pp.1-13
• /
• 2016

본 연구는 System Dynamics를 이용하여 선사 컨테이너 인벤토리의 수요를 장비 Type/size별 예측, Port별 예측, Weekly 예측을 통해 보다 정교한 예측모델을 구축하는 것을 연구의 목적으로 하였다. 예측은 중국의 상하이항과 얀티안항을 대상으로 하였다. 컨테이너 인벤토리는 수요가 많고 유효한 데이터를 산출할 수 있는 Dry 컨테이너 20', 40', High cube 40'으로 한정하였다. 시뮬레이션 기간은 2011년-2017년이며, 선사에서 실제 예측하는 단위인 Weekly 데이터를 활용하였다. 모델의 정확도 검증을 위해 절대비율 평균오차(MAPE)를 적용한 결과 상하이 Dry 40' 수요, 상하이 Dry High cube 40' 수요, 상하이 Dry 20' 공급, 상하이 Dry 40' 공급, 상하이 Dry High cube 40' 공급 예측 모델은 $$0%{\leq_-}MAPE{\leq_-}10%$$에 속하는 매우 정확한 예측 모델로 검증되었다. 그 외의 상하이 수요 공급 예측 모델은 $$10%{\leq_-}MAPE{\leq_-}20%$$에 속해 비교적 정확한 예측 모델로 검증되었다. 얀티안 Dry High cube 40' 수요, Dry 20' 공급 예측 모델은 $$0%{\leq_-}MAPE{\leq_-}10%$$에 속해 매우 정확한 예측 모델이며, 그 외의 얀티안 수요 공급 예측 모델은 $$10%{\leq_-}MAPE{\leq_-}20%$$에 속해 비교적 정확한 예측 모델로 검증되었다. 본 연구의 예측 모델은 실제 선사에서 관리중인 데이터와 비교해도 높은 정확도를 갖는 것으로 나타났다. 본 연구에서 제시된 모델은 지역 수요예측 담당자 및 본부의 인벤토리 컨트롤 담당자가 참고자료로 유용하게 사용 가능하다.

• 응용통계연구
• /
• 제34권2호
• /
• pp.239-254
• /
• 2021

이 논문에서는, 2개의 혼합된 t-분포(TP-T)의 오차과정을 따르는 이질적 자기회귀 (HAR) 모형을 이용하여, 한국 코로나 (COVID-19) 확진자 수 데이터에 대한 시계열 분석, 즉 추정과 예측에 대하여 연구한다. HAR-TP-T 시계열 모형을 고려하여 HAR 모형의 계수 뿐 아니라 TP-T 오차과정의 모수를 추정하고자 단계별 추정법을 제안한다. 본 연구에서 제안하고 있는 단계별 추정법은, HAR 계수 추정을 위해서는 통상적 최소제곱추정법을 채택하고, TP-T 모수 추정을 위해서는 최대우도추정법을 이용한다. 단계별 추정법에 대한 모의실험을 수행하여, 성능이 우수함을 입증한다. 한국 코로나 확진자 수에 대한 실증적 데이터 분석에서, HAR 모형에서의 차수 p = 2, 3, 4에 대해, 모형의 평균제곱오차가 최소가 되도록 하는 최적화 시간간격(optimal lag)을 포함하여, 여러가지 시간간격을 고려한 HAR-TP-T 모형의 모수 추정값을 계산한다. 제안된 단계별 추정방법과 기존의 MLE만의 방법을, 추정 결과를 제시함으로 함께 비교한다. 본 연구에서 제안하고 있는 추정은 두 가지의 오차 측면, 즉 HAR 모형의 평균제곱오차와 잔차분포에 대한 밀도함수 추정의 평균제곱오차, 두 측면에서 모두 우수함을 입증하였다. 나아가, 추정 결과를 활용한 코로나 확진자 수 예측을 수행하였고, 예측정확도의 한 측도로서 mean absolute percentage error (MAPE)를 계산하여 0.0953%의 매우 작은 오차값을 얻었다. 본 연구에서 선택한 최적화 시간간격을 고려한 HAR-TP-T 시계열 모형 및 단계별 추정 방법은, 정확한 한국 코로나 확진자 수 예측 성능을 제공한다고 할 수 있다.

• Geomechanics and Engineering
• /
• 제33권3호
• /
• pp.279-289
• /
• 2023

Brittleness index (BI) is an important property of rocks because it is a good index to predict rockburst. Due to its importance, several empirical and soft computing (SC) models have been proposed in the literature based on the punch penetration test (PPT) results. These models are very important as there is no clear-cut experimental means for measuring BI asides the PPT which is very costly and time consuming to perform. This study used a novel Multivariate Adaptive regression spline (MARS), M5P, and white-box ANN to predict the BI of rocks using the available data in the literature for an improved BI prediction. The rock density, uniaxial compressive strength (σ_c) and tensile strength (σ_t) were used as the input parameters into the models while the BI was the targeted output. The models were implemented in the MATLAB software. The results of the proposed models were compared with those from existing multilinear regression, linear and nonlinear particle swarm optimization (PSO) and genetic algorithm (GA) based models using similar datasets. The coefficient of determination (R²), adjusted R² (Adj R²), root-mean squared error (RMSE) and mean absolute percentage error (MAPE) were the indices used for the comparison. The outcomes of the comparison revealed that the proposed ANN and MARS models performed better than the other models with R² and Adj R² values above 0.9 and least error values while the M5P gave similar performance to those of the existing models. Weight partitioning method was also used to examine the percentage contribution of model predictors to the predicted BI and tensile strength was found to have the highest influence on the predicted BI.

• 대한교통학회지
• /
• 제33권3호
• /
• pp.256-267
• /
• 2015

지능형 교통체계 시스템으로 인해 보다 신뢰성 있는 교통자료의 취득이 용이해졌으며, 실시간 통행시간 예측을 통한 경로정보 제공 및 중장기 통행시간 예측 등의 정보제공 서비스의 활용성이 높아짐에 따라 정확하고 신뢰성 있는 정보에 대한 요구가 증가하고 있다. 본 연구에서는 안개 발생 시 정확한 교통정보를 제공하기 위하여 안개 발생에 따른 속도패턴 변화를 분석하였으며, 분석결과를 기반으로 하여 안개 시 통행속도 중장기 예측전략을 개발하였다. 서울시 교통정보센터에서 수집된 2009-2013년 올림픽대로 링크 속도자료와 83건의 안개 발생 정보를 이용하여 분석을 수행하였다. 분석결과, 옅은 안개가 발생한 경우 맑은 기상 시의 속도보다 평균 약 2.92kph 감소하는 것으로 나타났으며, 짙은 안개의 경우 평균 5.36kph의 속도가 감소하는 것으로 나타났다. 통행속도 중장기 예측은 과거 패턴 개수를 다양한 범위로 적용하여 분석한 결과, 평균 절대적 백분율 오차(MAPE: Mean Absolute Percentage Error)는 14.11-16.31%로 나타났으며, 중장기 예측 전략수립을 위한 적정 과거 패턴 개수는 30-45개로 도출되었다. 본 연구에서 제시한 연구 결과는 교통정보 제공 시 보다 정확한 정보를 제공하여 사전 혼잡관리를 위한 교통관리전략을 수립하는 등 도로교통 운영 및 관리 에 효율적으로 활용 할 수 있을 것으로 기대된다.

• 한국지반공학회논문집
• /
• 제35권11호
• /
• pp.51-62
• /
• 2019

본 연구에서는 초분광 근적외선 영상을 이용하여 광역지역의 흙의 함수비 변화를 간편한 방법으로 예측하기 위해 수행되었다. 근적외선(VNIR) 영역대에서 변화되는 함수비 별로 모래, 화강풍화토(우면산, 구룡산, 대모산, 황령산), 카오리나이트를 초분광 카메라로 촬영하여 반사율을 추출하였고, 흙의 함수비와 가장 연관성 높은 매개변수를 찾기 위하여 선정된 매개변수와 함수비를 변수로하여 Partial Least Square Regression(PLSR) 분석을 이용하여 함수비 예측모델을 구축하였다. 함수비 예측모델을 구축한 결과, 흙의 종류에 관계없이 Area of reflectance(Near-infrared, NIR)의 매개변수가 흙의 함수비와 가장 연관성 높은 매개변수임을 확인하였고, 모든 흙에서 예측모델의 정확도(R²)는 0.9 이상임을 확인하였다. 또한 흙의 실제 함수비와 비교 검증해본 결과, 평균절대백분율(mean absolute percentage error, MAPE)이 15%이내로 확인되었다. 따라서 대상 흙들에서 50% 이내에서 변화되는 함수비 예측 가능성을 확인하였다. 본 연구를 통해 초분광 근적외선 영상을 이용하여 모래, 화강풍화토, 카오리나이트의 함수비 예측 가능성을 확인하였고, 모델의 정확도 개선 및 더 높은 범위의 함수비 예측을 위해서는 흙의 분류모델 개발이 추가적으로 필요하다고 판단된다.

• Computers and Concrete
• /
• 제19권4호
• /
• pp.419-427
• /
• 2017

With the rising global environmental awareness on energy saving and carbon reduction, as well as the environmental transition and natural disasters resulted from the greenhouse effect, waste resources should be efficiently used to save environmental space and achieve environmental protection principle of "sustainable development and recycling". This study used recycled cement mortar and adopted the volumetric method for experimental design, which replaced cement (0%, 10%, 20%, 30%) with recycled materials (fly ash, slag, glass powder) to test compressive strength and ultrasonic pulse velocity (UPV). The hyperbolic function for nonlinear multivariate regression analysis was used to build prediction models, in order to study the effect of different recycled material addition levels (the function of $R_m$(F, S, G) was used and be a representative of the content of recycled materials, such as fly ash, slag and glass) on the compressive strength and UPV of cement mortar. The calculated results are in accordance with laboratory-measured data, which are the mortar compressive strength and UPV of various mix proportions. From the comparison between the prediction analysis values and test results, the coefficient of determination $R^2$ and MAPE (mean absolute percentage error) value of compressive strength are 0.970-0.988 and 5.57-8.84%, respectively. Furthermore, the $R^2$ and MAPE values for UPV are 0.960-0.987 and 1.52-1.74%, respectively. All of the $R^2$ and MAPE values are closely to 1.0 and less than 10%, respectively. Thus, the prediction models established in this study have excellent predictive ability of compressive strength and UPV for recycled materials applied in cement mortar.

• 해양환경안전학회지
• /
• 제20권5호
• /
• pp.526-534
• /
• 2014

본 연구는 단일 입력 전이함수모형(Single-input transfer function model)을 적용하여 여수연안 2010년의 월평균 표면수온의 예측을 시도하였다. 전이함수모형을 수립하기 위한 입력시계열과 출력시계열은 각각 여수지방의 10년(2000-2009년)간의 월평균 기온자료와 표면수온자료를 이용하였다. 전이함수모형을 수립하기 위하여 입 출력 시계열을 사전백색화하고, 입 출력 시계열간의 각 시차에 대한 교차상관함수를 결정하였다. 교차상관함수는 음의 모든 시차에서 유의한 값을 갖지 않아 기온과 표면수온사이는 일방적 인과관계를 보였다. 또한 교차상관함수의 시차 0과 1에서 유의한 값을 보였다. 이러한 교차상관함수의 특징에 따라 입 출력시계열간 전이함수의 시차와 분모 및 분자의 차수(b, r, s)는 (0, 1, 0)으로 식별되었다. 구축된 전이함수모형에 따르면 기온과 표면수온 사이의 시차는 존재하지 않았다. 여기서 현재의 표면수온은 1개월 전의 표면수온과 선형관계가 있음을 보였으며, 잡음모형은 $ARIMA(1,0,1)(2,0,0)_{12}$로 식별되었다. 전이함수모형에 의한 월평균 표면수온의 예측치는 실측치에 비하여 전반적으로 $0.3-1.3^{\circ}C$ 높은 경향을 보였으며, 6.4 %의 평균절대백분율 오차를 포함하였다. 이러한 결과는 8.3 %의 평균절대백분율오차를 보인 ARIMA 모형에 비하여 향상된 예측성능을 보이는 것이며, 표면수온의 시계열적 예측을 시도할 경우, ARIMA 모형보다 전이함수모형의 적용을 통하여 그 예측성능의 개선 가능성을 기대할 수 있음을 시사하고 있다.

• 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.

• 한국ITS학회 논문지
• /
• 제11권2호
• /
• pp.10-20
• /
• 2012

본 연구에서는 일반국도 수시조사 지점의 AADT 추정값의 정확도를 높이기 위하여 새로운 그룹핑방법을 제시하였다. 일반적으로 수시조사 자료의 AADT 추정을 위해 월보정계수, 요일보정계수, 조사된 24시간 교통량을 이용하여 AADT를 추정 하므로 상시조사 지점을 그룹핑할 때 상기 세 가지 요인(43개 변수)을 모두 적용하여 그룹핑하였다. 이 방법은 기존의 월보정계수와 요일보정계수만을 이용하여 그룹핑한것과 비교하여 시간대별 교통량을 적용한 것에 있어서 차이가 있다. 그룹핑 결과 5개의 군집이 가장 적당한 것으로 분석되었다. 5개의 군집 중 2개의 군집은 해당되는 지점이 몇 지점 없어 설명하기 어려웠고, 나머지 3개의 군집에서 각각 출퇴근로, 관광부도로, 지방부도로의 특성을 가지는 것으로 나타났다. 각 그룹의 월보정계수 평균과 요일보정계수 평균, 시간대별 교통량 비율의 평균으로 각 그룹의 대표 보정계수를 산출하고, 분석대상지점의 평일 교통량을 해당 그룹의 대표 보정계수를 적용하여 AADT를 추정한 결과 평균적으로 오차가 8.7%인 것으로 나타났다. 이는 기존 연구에서 우수하다고 분석된 동일 대구간 내의 상시조사 보정계수를 적용한 것보다 1.5%오차가 더 적은 것으로 나타났다. 이러한 AADT 산출방법은 전체 수시조사 지점에 적용 가능하므로 실무에서의 활용도가 매우 크다고 판단된다.

• 전기학회논문지
• /
• 제66권4호
• /
• pp.621-628
• /
• 2017

This paper presents an artificial neural network (ANN) based model with a back-propagation algorithm for short-term load forecasting in microgrid power systems. Owing to the significant weather factors for such purpose, relevant input variables were selected in order to improve the forecasting accuracy. As remarked above, forecasting is more complex in a microgrid because of the increased variability of disaggregated load curves. Accurate forecasting in a microgrid will depend on the variables employed and the way they are presented to the ANN. This study also shows numerically that there is a close relationship between forecast errors and the number of training patterns used, and so it is necessary to carefully select the training data to be employed with the system. Finally, this work demonstrates that the concept of load forecasting and the ANN tools employed are also applicable to the microgrid domain with very good results, showing that small errors of Mean Absolute Percentage Error (MAPE) around 3% are achievable.