• Journal of Communications and Networks
• /
• 제15권4호
• /
• pp.338-351
• /
• 2013

Multiple-input multiple-output (MIMO) communication may provide high spectral efficiency through the deployment of a very large number of antenna elements at the base stations. The gains from massive MIMO communication come from the use of multi-user MIMO on the uplink and downlink, but with a large excess of antennas at the base station compared to the number of served users. Initial work on massive MIMO did not fully address several practical issues associated with its deployment. This paper considers the impact of channel aging on the performance of massive MIMO systems. The effects of channel variation are characterized as a function of different system parameters assuming a simple model for the channel time variations at the transmitter. Channel prediction is proposed to overcome channel aging effects. The analytical results on aging show how capacity is lost due to time variation in the channel. Numerical results in a multicell network show that massive MIMO works even with some channel variation and that channel prediction could partially overcome channel aging effects.

• KEPCO Journal on Electric Power and Energy
• /
• 제5권3호
• /
• pp.223-228
• /
• 2019

In order to integrate large amounts of variable generation resources such as wind and solar reliably into power grids, accurate renewable energy forecasting is necessary. Since renewable energy generation output is heavily influenced by environmental variables, accurate forecasting of power generation requires meteorological data at the point where the plant is located. Therefore, a spatial approach is required to predict the meteorological variables at the interesting points. In this paper, we propose the meteorological variable prediction model for enhancing renewable generation output forecasting model. The proposed model is implemented by three geostatistical techniques: Ordinary kriging, Universal kriging and Co-kriging.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2014년도 추계학술대회
• /
• pp.701-704
• /
• 2014

본 논문에서는 음료 판매 데이터 분석 및 판매량을 예측하는 방법을 제안하고자 하였다. 이를 위해 날씨와 음료 판매량이 상관관계가 있다고 가정하고, 온도, 습도를 입력으로 하여 판매량을 출력으로 하는 다항식 함수 관계를 모델링하였다. 본 논문에서는 제안한 방식의 유용성을 확인하기 위해 카페의 음료 판매 데이터를 2014년 2월부터 약 4개월 동안 수집하였고, 판매량 예측 알고리즘의 성능이 우수함을 확인하였다.

• KNOM Review
• /
• 제24권2호
• /
• pp.13-23
• /
• 2021

최근 IoT 기기들의 활성화에 의해 네트워크가 복잡해짐에 따라, 네트워크의 혼잡을 예측하고 미리 대비하기 위해 단기 트래픽 예측을 넘어 장기 트래픽 예측 연구가 활성화되고 있다. 단기 트래픽 예측 결과를 입력으로 재사용하는 재귀 전략은 멀티 스텝 트래픽 예측으로 확장되었지만, 재귀 단계가 진행될수록 오류가 축적되어 예측 성능 저하를 일으킨다. 이 논문에서는 다중 출력 전략을 사용한 LSTM 기반 멀티스텝 트래픽 예측 기법을 소개하고그 성능을 평가한다. 실제 DNS 요청 트래픽을 기반으로 실험한 결과, 제안된 LSTM기반 다중출력 전략 기법은 재귀 전략 기법에 비해 비정상성 트래픽에 대한 트래픽 예측 성능의 MAPE를 약 6% 줄일 수 있음을 확인하였다.

• 전기학회논문지
• /
• 제59권6호
• /
• pp.1159-1166
• /
• 2010

To improve prediction quality of a nonlinear prediction system, the system's capability for uncertainty of nonlinear data should be satisfactory. This paper presents a TSK fuzzy prediction system that can consider and deal with the uncertainty of nonlinear data sufficiently. In the design procedures of the proposed system, HCBKA(Hierarchical Correlationship-Based K-means clustering Algorithm) was used to generate the accurate fuzzy rule base that can control output according to input efficiently, and the first-order difference method was applied to reflect various characteristics of the nonlinear data. Also, multiple prediction systems were designed to analyze the prediction tendencies of each difference data generated by the difference method. In addition, to enhance the prediction quality of the proposed system, an error compensation method was proposed and it compensated the prediction error of the systems suitably. Finally, the prediction performance of the proposed system was verified by simulating two typical time series examples.

• 한국지능시스템학회논문지
• /
• 제10권6호
• /
• pp.616-628
• /
• 2000

In this paper, we present the modeling of the ozone prediction system using Neuro-Fuzzy approaches. The mechanism of ozone concentration is highly complex, nonlinear, and nonstationary, the modeling of ozone prediction system has many problems and the results of prediction is not a good performance so far. The Dynamic Polynomial Neural Network(DPNN) which employs a typical algorithm of GMDH(Group Method of Data Handling) is a useful method for data analysis, identification of nonlinear complex system, and prediction of a dynamical system. The structure of the final model is compact and the computation speed to produce an output is faster than other modeling methods. In addition to DPNN, this paper also includes a Fuzzy Logic Method for modeling of ozone prediction system. The results of each modeling method and the performance of ozone prediction are presented. The proposed method shows that the prediction to the ozone concentration based upon Neuro-Fuzzy approaches gives us a good performance for ozone prediction in high and low ozone concentration with the ability of superior data approximation and self organization.

• 한국지능시스템학회논문지
• /
• 제25권5호
• /
• pp.477-482
• /
• 2015

단기풍속 예측을 위한 진화적 선형 및 비선형 회귀분석 기반의 보정 기법을 비교한다. 모델의 체계적 오류를 교정하기 위한 효율적인 MOS(Model Output Statistics)의 개발이 필요하나, 기존의 선형회귀분석 기반의 보정기법은 다양한 기상요소의 복잡한 비선형 특성을 반영하기 힘들다. 이를 개선하기 위해서 유전 프로그래밍을 사용하여 풍속 예측에 대한 비선형 보정 수식을 생성하는 기법을 제안하고 기본 다중선형회귀분석법 및 Ridge, Lasso 회귀분석법과 비교한다. 더불어, 선형회귀분석법과 진화적 비선형회귀분석 기법의 인자 선택의 차이와 유사성을 비교하고 분석한다. 2007년~2013년의 KLAPS(Korea Local Analysis and Prediction System) 재분석자료를 사용하여 제주도와 부산지역의 격자점에 대한 실험을 수행한다.

• 전력전자학회논문지
• /
• 제7권2호
• /
• pp.158-164
• /
• 2002

본 논문은 기존의 1차 예측 기법과 반복 제어기법을 이용하여 LC 필터와 정류 부하 등의 비선형 부하를 가지는 UPS 인버터의 출력전압 파형의 개선에 관한 연구이다. 기존의 1차 예측 기법은 정류부하에 대하여 우수한 특성을 가지므로 출력전류의 예측에 적합하나 정류 부하와 같은 비선형적인 부하의 정상 상태 오차를 보상하기에는 충분하지 못한 단점을 가진다. 따라서, 정상상태 오차를 최소화 할 수 있는 반복제어 기법을 적용하여 UPS 출력전압을 개선시키고자 한다. 제안된 제어기법에 대한 타당성을 시뮬레이션으로 검증하고, 이를 바탕으로 LC 필터를 가지는 3 kVA, 60 Hz UPS시스템을 제작하여 실험으로 검증한다

• 한국수자원학회논문집
• /
• 제55권spc1호
• /
• pp.1295-1303
• /
• 2022

안정적인 수도 공급을 위한 상수도관망의 역할이 더욱 주목받음에 따라 비정상 상황에 대한 신속한 탐지와 적절한 대처 역시 중요시되고 있다. 장치에 의존한 탐지기법 등 기존의 방법론에는 한계가 존재하므로 데이터를 이용한 모델 기반의 방법이 개발되었다. 하지만 상수도관망 내 측정 데이터는 불확실성을 가져 실제 사용량과 다르다. 따라서 본 연구에서는 기계학습 방법의 하나인 인공신경망 모델을 이용하여 상수도관망 압력값을 예측함에 있어 데이터 불확실성의 영향을 조사한다. 정규분포를 따르는 임의의 값을 고려하여 데이터에 측정치 오류를 형성하고 측정치 오류 여부 및 종류에 따라 총 9가지 데이터를 인공신경망 모델을 통해 예측해 경향성을 비교한다. 분석을 통해 데이터 불확실성이 증가할수록 모델 성능이 감소하며, 출력데이터의 측정치 오류가 모델 성능에 미치는 정도가 더 큼을 확인하였다. 특히 입력데이터와 출력데이터의 측정 오차 크기가 동일한 경우 예측 정확도는 각각 72.25%, 38.61%로 큰 차이를 보였다. 따라서 ANN 모델 예측 성능 향상을 위해서는 입력 데이터보다 출력데이터인 주절점의 측정 오류 크기를 줄이는 것이 중요하다.

• Asian Pacific Journal of Cancer Prevention
• /
• 제15권18호
• /
• pp.7775-7780
• /
• 2014

This paper addresses cancer prediction based on radial basis function neural network optimized by particle swarm optimization. Today, cancer hazard to people is increasing, and it is often difficult to cure cancer. The occurrence of cancer can be predicted by the method of the computer so that people can take timely and effective measures to prevent the occurrence of cancer. In this paper, the occurrence of cancer is predicted by the means of Radial Basis Function Neural Network Optimized by Particle Swarm Optimization. The neural network parameters to be optimized include the weight vector between network hidden layer and output layer, and the threshold of output layer neurons. The experimental data were obtained from the Wisconsin breast cancer database. A total of 12 experiments were done by setting 12 different sets of experimental result reliability. The findings show that the method can improve the accuracy, reliability and stability of cancer prediction greatly and effectively.