• 한국태양에너지학회 논문집
• /
• 제39권4호
• /
• pp.41-54
• /
• 2019

The proportion of solar photovoltaic power generation has steadily increased in the power trade market. Solar energy forecast is highly important for the stable trade of volatile solar energy in the existing power trade market, and it is necessary to identify accurately any forecast error according to the forecast lead time. This paper analyzes the latest study trend in solar energy forecast overseas and presents a consistent comparative assessment by adopting a single statistical variable (nRMSE) for forecast errors according to lead time and forecast technology.

• 한국ITS학회 논문지
• /
• 제20권3호
• /
• pp.59-73
• /
• 2021

교통사고로 인한 많은 인명피해가 발생하고 있으나, 첨단 기술의 발전에도 불구하고 교통사고 발생은 줄어들지 않고 있다. 교통사고를 사전에 예방하기 위해서는 향후 사고가 어떻게 변화하여 갈 것인지를 정확하게 예측할 필요가 있다. 지금까지 교통사고 발생 빈도 예측은 주요 연구 분야가 아니었으며 주로 과거 일정 기간의 통계를 기반으로 전통적인 방법으로 미시적으로 분석되어 왔다. 최근 AI 기술이 교통사고 분야에 도입 되었음에도 불구하고 주로 교통 흐름 예측에 초점을 맞추고 있어, 본 연구에서는 2014년부터 2019년까지 국내에서 발생한 1,339,587건의 교통사고 기록을 시계열 데이터로 변환하고 AI 알고리즘 LSTM을 이용하여 연령별, 시간별 교통사고 발생 빈도를 예측하였다. 또한 코로나-19로 인한 교통 환경의 변화에 맞추어 예측값과 실제값을 비교 검증하였다. 향후 이러한 연구결과가 교통사고 예방의 정책개선으로 이어지고 사고 예방에 활용 될 것으로 기대된다.

• 지능정보연구
• /
• 제20권1호
• /
• pp.35-48
• /
• 2014

2013년 건설 경기 전망 보고서에 따르면 주택건설경기 침체 상황의 지속으로 건설 기업의 유동성 위기가 지속될 것으로 전망된다. 건설업은 파산으로 인한 사회적 파급효과가 다른 산업에 비해 큰 편이지만, 업종의 특성상 다른 산업과는 상이한 자본구조와 부채비율, 현금흐름을 가지고 있어서 기업의 파산 예측이 더 어려운 측면이 있다. 건설업은 레버리지가 큰 산업으로 부채비율이 매우 높은 업종이며 현금흐름이 프로젝트 후반부에 집중되는 특성이 있다. 그리고 경기사이클에 따른 부침이 매우 심하여 경기하강국면에선 파산이 급증하는 양상을 보인다. 건설업이 레버리지 산업인 이상 건설업체의 파산율 증가는 여신을 공여한 은행에 큰 부담으로 작용한다. 그럼에도 그간의 파산예측모델이 주로 금융기관에 집중되어 왔고 건설업종에 특화된 연구는 드물었다. 기업의 재무 자료를 바탕으로 한 파산 예측 모델에 대한 연구는 오래 전부터 다양하게 진행되었다. 하지만, 일반적인 기업 전체를 대상으로 하는 모델이기 때문에, 건설 기업과 같이 유동성이 큰 기업의 예측에는 적절하지 못할 수 있다. 건설 산업은 오랜 사업 기간과 대규모 투자, 그리고 투자금 회수가 오래 걸리는 특징을 갖는 자본 집약 산업이다. 이로 인해 다른 산업과는 상이한 자본 구조를 갖기 마련이고, 다른 산업의 기업 재무 위험도를 판단하는 기준과 동일한 적용이 곤란할 수 있다. 최근에는 기계 학습을 바탕으로 한 기업 파산 예측 연구가 활발하다. 기계 학습의 대표적 응용 분야인 패턴 인식을 기업의 파산 예측에 응용한 것이다. 기업의 재무 정보를 바탕으로 패턴을 작성하고 이 패턴이 파산 위험 군에 속하는지 안전한 군에 속하는지 판단하는 것이다. 전통적인 Z-Score와 기계 학습을 이용한 파산 예측과 같은 기존 연구들은 특정 산업 분야가 아닌 일반적인 기업을 대상으로 하기 때문에 기업들의 특성을 전혀 고려하고 있지 못하다. 본 논문에서는 건설 기업을 규모에 따라 각 기법들의 예측 능력을 비교하여 적응형 부스팅이 가장 우수함을 확인하였다. 본 논문은 건설 기업을 자본금 규모에 따라 세 등급으로 분류하고 각각에 대해 적응형 부스팅의 예측력을 분석하였다. 실험 결과 적응형 부스팅이 다른 기법에 비해 예측 결과가 좋았고, 특히 자본금 규모가 500억 이상인 기업의 경우 아주 우수한 결과를 보였다.

• 대한산업공학회지
• /
• 제27권4호
• /
• pp.337-344
• /
• 2001

As cost invested in developing the specified technology is increasing, investors are paying more attention to cost to benefit analysis (CBA). One of the basic elements of CBA for new technological development is the diffusion pattern of demand of such technology. Many studies of technology evaluation have adopted a single generation model to simulate the diffusion pattern of demand. This approach, however, considers the diffusion of the new technology itself, not taking into account a newer generation that can replace the one just invented. In this paper, we show how a multi-generation technology diffusion model can be applied for more accurate CBA for information technology. Monte Carlo simulation is performed to find influential factors on the CBA of a Cybernetic Building System.

• ETRI Journal
• /
• 제45권6호
• /
• pp.982-995
• /
• 2023

Technological innovation generates products, services, and processes that can disrupt existing industries and lead to the emergence of new fields. Distributed ledger technology, or blockchain, offers novel transparency, security, and anonymity characteristics in transaction data that may disrupt existing industries. However, research attention has largely examined its application to finance. Less is known of any broader applications, particularly in Industry 4.0. This study investigates academic research publications on blockchain and predicts emerging industries using academia-industry dynamics. This study adopts latent Dirichlet allocation and dynamic topic models to analyze large text data with a high capacity for dimensionality reduction. Prior studies confirm that research contributes to technological innovation through spillover, including products, processes, and services. This study predicts emerging industries that will likely incorporate blockchain technology using insights from the knowledge structure of publications.

• 한국전자거래학회지
• /
• 제20권4호
• /
• pp.19-39
• /
• 2015

사물인터넷(Internet of Things)은 기존에 인간들이 사용하고 있는 사물(Things)에 인터넷을 접목하여 인간의 삶에 효율성과 편리성을 제공하는 기술이다. 사물 인터넷을 통해 새로운 비즈니스가 창출될 수 있다. 특별히 사물간의, 사물과 인간간의 연결을 통하여 생성되는 데이터를 기반으로 다양한 서비스를 제공할 수 있기 때문에 사물인터넷은 인간의 삶에 많은 변화를 가져다 줄 것으로 본다. 본 연구에서는 정성적 연구방법인 전문가 인터뷰 기법과 정량적인 방법으로 국내 신문기사들을 텍스트 네트워크 방법을 적용하여 국내외 주요 기업들의 사물인터넷과 관련된 전략 및 기술 동향을 분석하였다. 또한, 본 연구에서는 사물인터넷의 성공적 실용화를 위해 고려해야 할 사항들을 기술, 비즈니스 등의 측면에서 논의해보고자 한다.

• 한국대기환경학회지
• /
• 제22권6호
• /
• pp.851-862
• /
• 2006

Satellites have been valuable tool for global/regional scale atmospheric environment monitoring as well as emission source detection. In this study, we present the results of application of satellite remote sensing data for air quality forecast in Seoul metropolitan area. AOT (Aerosol Optical Thickness) data from TERRA/MODIS (Moderate Resolution Imaging Spectre-radiometer) satellite were compared to ground based $PM_{10}$ mass concentrations, and used to estimate the possibility of the aerosol forecasting in Seoul metropolitan area. Although correlation coefficient (${\sim}0.37$) between MODIS AOT products and surface $PM_{10}$ concentration data was relatively low, there was good correlation between MODIS AOT and surface PM concentration under certain atmospheric conditions, which supports the feasibility of using the high-resolution MODIS AOT for air quality forecasting. The MODIS AOT data with trajectory forecasts also can provide information on aerosol concentration trend. The success rate of the 24 hour aerosol concentration trend forecast result was about 75% in this study. Finally, application of satellite remote sensing data with ground-based air quality observations could provide promising results for air quality monitoring and more exact trend forecast methodology by high resolution satellite data and verification with long term measurement dataset.

• 기술혁신학회지
• /
• 제21권2호
• /
• pp.818-837
• /
• 2018

기술혁신에는 본질적인 어려움이 따르는데, 이는 상당부분 기술이 지닌 불확실성에 기인한다. 따라서 혁신과정에서 불확실성에 따른 위험을 감소시키기 위한 예측 방법론은 정량적 분야와 정성적 분야 모두에서 제시되어 왔다. 한편 최근 빅 데이터와 인공지능에 큰 관심이 이어지며 특히 알파고의 알고리즘 중 하나인 딥 러닝이 뛰어난 성능을 보이고 있다. 이에 본 연구는 혁신성과 예측에 있어 딥 러닝을 이용한 방법론을 접목하여 연구를 진행하였다. 모델 구축 및 학습에 있어 KIS 2016 데이터를 이용하였으며, 투입 요인으로는 정보 원천의 사용도와 혁신 목적을 사용하였고 산출 요인으로는 혁신 성과 지표를 구성하여 사용하였다. 분석 결과 선행 연구들에 비해 예측의 정확도가 향상되었음을 확인할 수 있었다. 또한 학습이 진행됨에 따라 예측의 자유도 역시 향상됨을 확인하였다.

• 대한원격탐사학회지
• /
• 제23권5호
• /
• pp.393-400
• /
• 2007

We present in this paper a novel power load prediction method using temporal pattern mining from AMR(Automatic Meter Reading) data. Since the power load patterns have time-varying characteristic and very different patterns according to the hour, time, day and week and so on, it gives rise to the uninformative results if only traditional data mining is used. Also, research on data mining for analyzing electric load patterns focused on cluster analysis and classification methods. However despite the usefulness of rules that include temporal dimension and the fact that the AMR data has temporal attribute, the above methods were limited in static pattern extraction and did not consider temporal attributes. Therefore, we propose a new classification method for predicting power load patterns. The main tasks include clustering method and temporal classification method. Cluster analysis is used to create load pattern classes and the representative load profiles for each class. Next, the classification method uses representative load profiles to build a classifier able to assign different load patterns to the existing classes. The proposed classification method is the Calendar-based temporal mining and it discovers electric load patterns in multiple time granularities. Lastly, we show that the proposed method used AMR data and discovered more interest patterns.

• 산업융합연구
• /
• 제21권10호
• /
• pp.21-28
• /
• 2023

오늘날 빅데이터 활용의 필요성이 증가하면서 개인, 기업, 국가 등에서 SNS 데이터를 포함해 빅데이터를 이용한 다양한 분석 활동들이 이루어지고 있다. 그러나 기존 기술 시장 동향 예측연구는 전문가에 의존적이거나 특허나 문헌 연구 기반 데이터를 이용한 연구가 주로 진행되어 왔으며 빅데이터를 활용한 객관적인 기술 예측이 필요하다. 이에 본 연구는 소셜네트워크서비스(SNS)의 데이터로 의사결정나무 분석, 시각화 분석, 백분율 분석을 통해 미래 기술을 예측하는 모델을 제시하고자 한다. 연구 결과 백분율 분석은 다른 분석 결과에 비해 긍정적인 기술을 더 잘 예측할 수 있었고, 시각화 분석은 다른 분석 결과에 비해 부정적인 기술을 더 잘 예측할 수 있었다. 의사결정나무 분석도 의미 있는 예측은 가능하였다.