• 해운물류연구
• /
• 제35권1호
• /
• pp.93-109
• /
• 2019

본 연구는 혼합주기모형을 해운경기 예측에 활용하기 위해 기존의 비선형 장기균형관계분석에서 통계적으로 유의한 요인들을 단기모형에 적용하였다. 가장 일반적인 단일변수(univariate) AR(1) 모형과 혼합주기모형으로부터 각각 표본외 예측을 실시하여 예측오차와 비교한 결과 혼합주기모형의 예측력이 AR(1) 모형보다 향상됨을 확인하였다. 이러한 실증분석은 새로운 고차원 혼합주기모형이 해운경기변동 예측에 유용한 모형임을 의미하며, 즉, 최근 다변수 시계열 자료가 주로 장기균형관계(long-run equilibrium)를 대상으로 하고 있는데, 고차주기와 같은 정보를 분석에 포함할 경우 단기 해운경기 분석모형의 예측력이 향상될 수 있음을 의미하는 분석결과이다.

• 한국물환경학회지
• /
• 제20권6호
• /
• pp.685-691
• /
• 2004

Water quality forecasting with long term flow is important for management and operation of river environment. However, it is difficult to set up and operate a physical model for water quality forecasting due to large uncertainty in the data required for model setting. Therefore, relatively simpler stochastic approaches are adopted for this problem. In this study we try several multivariate time series models such as ARMAX models for the possible substitute for water quality forecasting. Those models are applied to the BOD and COD levels at Noryangin station, Han river, and also evaluated the effect of release from Paldang dam on them. Monthly BOD and COD data from 1985 to 1991 (7 years) are used for model building and another two year data for model testing. As a result of the study, the effect of improvement on water quality is much more effective combining with the water quality improvement of dam release than considering only increment of dam release in the downstream Han river.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 1999년도 KOBA 방송기술 워크샵 KOBA Broadcasting Technology Workshop
• /
• pp.43-48
• /
• 1999

To clarify the motion characteristics of free-style Okinawan dance“Kachaasi”, first the subjective impression was quantitatively evaluated with semantic differential technique to cluster its types. Then, the contingency of joint rotation in shoulder, elbow and wrist joints was examined with multivariate autoregressive model. The time-series data of positions and angels of three joints were calculated according to the deforming conditions and shielding directions of the ring lights. As the results, in an excellent dancer, the motions of shoulder and elbow were highly synchronized and smoothly controlled. The low-frequency output of the shoulder and elbow were mutually interacted. Meanwhile, the wrist behaved independently of other joints' rotation.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권3호
• /
• pp.73-82
• /
• 2022

오토-스케일링은 클라우드 컴퓨팅 기술이 ICT 핵심 기반 기술로 자리 잡을 수 있는 가장 중요한 기능 중 하나로써 사용자나 서비스 요청의 폭발적인 증가 또는 감소에도 시스템 자원과 서비스 인스턴스를 적절하게 확장 또는 축소하여 상황에 맞는 서비스의 안정성과 비용 대비 효과를 향상하는 기술이다. 하지만 특정 시스템 자원에 대한 모니터링 시점의 단일 메트릭 데이터를 기반으로 정책이 수립·실행되다 보니 이미 서비스에 영향이 있거나 실제 필요한 서비스 인스턴스를 세밀하게 관리하지 못하는 문제점이 있다. 이러한 문제점을 해결하기 위해서 본 논문에서는 시스템 자원과 서비스 응답시간을 다변량 시계열 분석 모델을 사용하여 분석·예측하고 이를 기반으로 오토-스케일링 정책을 수립하는 방안을 제안한다. 이를 검증하기 위해 쿠버네티스 환경에서 커스텀 스케쥴러를 구현하고, 실험을 통해 쿠버네티스 기본 오토-스케일링 방식과 비교 분석한다. 제안하는 기법은 시스템 자원과 응답시간 사이의 영향에 기반한 예측 데이터를 활용하여 예상되는 상황에 대한 오토-스케일링을 선제적으로 실행함으로써 시스템의 안정성을 확보하고 서비스 품질이 저하되지 않는 범위내에서 필요한 만큼의 인스턴스를 세밀하게 관리할 수 있는 결과를 보인다.

• 한국콘텐츠학회논문지
• /
• 제22권1호
• /
• pp.58-73
• /
• 2022

이 연구의 목적은 모바일 앱 실적 변수 간의 관계를 파악하여 예측 가능한 앱 실적 변수의 추정 모델을 구성하고 앱 리뷰가 앱 실적 지표에 미치는 영향을 검증하는 것이다. 연구1과 2에서는 상관분석과 기계학습의 랜덤 포레스트 회귀 추정을 사용하여 앱 실적 간의 관계를 도출하고 앱 실적 추정 모델링을 수행하였다. 연구3에서는 앱 리뷰를 텍스트 마이닝의 감성분석을 사용하여 일별 감성 점수를 도출한 후 다변량 시계열분석을 사용하여 앱 리뷰의 감성점수가 앱의 일일 설치 횟수에 선행하여 영향을 주는 것을 발견하였다. 앱을 개발하고 서비스하는 기업은 앱 실적 지표와 앱 리뷰에서 제기되는 불만족과 고객 니즈를 검토하여 적기에 앱을 개선하고 마케팅 판매촉진활동의 시점과 방향성을 도출할 수 있다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 춘계학술대회
• /
• pp.391-393
• /
• 2022

최근에는 딥러닝과 빅데이터를 기반으로 한 수요예측 기술이 전자상거래, 물류, 유통 분야의 스마트화를 가속화하고 있다. 특히, 글로벌 운송 네트워크와 현대적인 지능형 물류의 중심인 항만은 4차 산업혁명으로 인한 세계 경제 및 항만 환경의 변화에 발 빠르게 대응하고 있습니다. 항만물동량 예측은 신항만 건설, 항만확장, 터미널 운영 등 다양한 분야에서 중요한 영향을 담당하고 있다. 따라서 본 연구의 목적은 항만 물동량 예측에 자주 쓰이는 시계열 분석과 타 산업에서 좋은 결과를 도출해내고 있는 딥러닝 분석을 비교하여 부산항의 미래 컨테이너 예측에 적합한 예측모델을 제시하는 것이다. 부산항 컨테이너 물동량을 이용하여 학습시키고 그 이후 물동량 예측을 진행하였다. 또한, 상관관계 분석을 통해 물동량 변화와 관련된 외부변수를 선정하여 다변량 딥러닝 예측모델에 적용하였다. 그 결과 부산항 컨테이너 물동량만 이용한 단일변수 예측모델에서 LSTM의 오차가 가장 낮았고, 외부변수를 이용한 다변수 예측모델에서도 LSTM의 성능이 가장 우수하였다.

• Communications for Statistical Applications and Methods
• /
• 제22권6호
• /
• pp.615-624
• /
• 2015

We consider the estimation of seasonal cointegration in the presence of conditional heteroskedasticity (CH) using a feasible generalized least squares method. We capture cointegrating relationships and time-varying volatility for long-run and short-run dynamics in the same model. This procedure can be easily implemented using common methods such as ordinary least squares and generalized least squares. The maximum likelihood (ML) estimation method is computationally difficult and may not be feasible for larger models. The simulation results indicate that the proposed method is superior to the ML method when CH exists. In order to illustrate the proposed method, an empirical example is presented to model a seasonally cointegrated times series under CH.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.325-327
• /
• 2023

Diabetes is a common chronic disease that threatens human life and health, and its prevalence remains high because its mechanisms are complex, further its etiology remains unclear. According to the International Diabetes Federation (IDF), there are 463 million cases of diabetes in adults worldwide, and the number is growing. This study aims to explore the potential influencing factors of diabetes by learning data from the UCI diabetes dataset, which is a multivariate time series dataset. In this paper we propose the TCN-prophet model for diabetes. The experimental results show that the prediction of insulin concentration by the TCN-prophet model provides a high degree of consistency, compared to the existing LSTM model.

• 스마트미디어저널
• /
• 제13권7호
• /
• pp.9-17
• /
• 2024

에너지 사용량의 증가와 친환경 정책으로 인해 건물 에너지를 효율적으로 소비할 필요가 있으며, 이를 위해 딥러닝 기반 이상 전력 탐지가 수행되고 있다. 수집이 어려운 이상치 데이터의 특징으로 인해 Recurrent Neural Network(RNN) 기반 오토인코더를 활용한 복원 에러 기반으로 이상 탐지가 수행되고 있으나, 시계열 특징을 온전히 학습하는데 시간이 오래 걸리고 학습 데이터의 노이즈에 민감하다는 단점이 있다. 본 논문에서는 이러한 한계를 극복하기 위해 Temporal Convolutional Network(TCN)과 UnSupervised Anomaly Detection for multivariate time series(USAD)를 결합한 TCN-USAD를 제안한다. 제안된 모델은 TCN 기반 오토인코더와 두 개의 디코더와 적대적 학습을 사용하는 USAD 구조를 활용하여 빠르게 시계열 특징을 온전히 학습할 수 있고 강건한 이상 탐지가 가능하다. TCN-USAD의 성능을 입증하기 위해 2개의 건물 전력 사용량 데이터 세트를 사용하여 비교 실험을 수행한 결과, TCN 기반 오토인코더는 RNN 기반 오토 인코더 대비 빠르고 복원 성능이 우수하였으며, 이를 활용한 TCN-USAD는 다른 이상 탐지 모델 대비 약 20% 개선된 F1-Score를 달성하여 뛰어난 이상 탐지 성능을 보였다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제23권4호
• /
• pp.21-29
• /
• 2017

예측 시각적 분석 연구는 다양한 대화식 데이터 탐색 기법을 사용하여 예측 결과의 불확실성을 줄이는데 중점을 두었다. 대화식 탐색 기법의 목적은 변수간의 관계를 이해하고 알려지지 않은 변수를 예측하기 위한 적합한 모델을 선택함으로서 의사결정권자의 수준에 따른 예측결과의 품질 차이를 줄이는 것이다. 하지만 청소년 신체 성장 데이터와 같이 전체적인 추세가 알려지지 않은 시계열 데이터를 설명할 수 있는 예측 모델을 만드는 것은 어렵다. 본 논문에서는 불확실한 추세를 가지는 시계열 데이터 단편에서 물리적 성장 값을 예측하기 위한 새로운 예측 방법을 제안한다. 새로운 예측 방법은 특정 시점에서의 데이터 분포를 추정하는 방법으로 실험결과 기존 회귀 모델보다 높은 정확도를 갖는다. 또한 우리는 예측 모델링 과정에서 발생 가능한 불확실성을 최소화 할 수 있는 시각적 분석 방법을 제안한다.