• 융합보안논문지
• /
• 제22권3호
• /
• pp.79-86
• /
• 2022

보이스피싱은 가짜 금융기관, 검찰청, 경찰청 등을 사칭하여 개인의 인증번호와 신용카드 정보를 알아내거나 예금을 인출하게 하여 탈취하는 사이버 범죄이다. 최근에는 교묘하고도 은밀한 방법으로 보이스피싱이 이루어지고 있다. '18~'21년 발생한 보이스피싱의 추세를 분석하면, 보이스피싱이 발생되는 시기에 예금 인출이 급격하게 증가하여 시계열 분석에 모호함을 주는 계절성이 존재함을 발견하였다. 이에 본 연구에서는 보이스피싱 발생 추이의 정확한 예측을 위해서 계절성을 X-12 계절성 조정 방법론으로 조정하고, ARIMA 모형을 이용하여 2022년 보이스피싱 발생을 예측하였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제6권4호
• /
• pp.179-188
• /
• 2017

도시 내의 교통흐름을 정확히 분석하는 것은 매우 어렵다. 특히, 교통사고나 보행자, 교차로 등은 도시 내의 교통흐름을 분석하는데 있어서 어려움을 가중시킨다. 현재 소도시(예를 들어 전라남도 순천시)들에도 버스 정보시스템(Bus Information System, BIS)이 보급되어 있고 이를 통하여 도착시간 예측 등과 같은 정보를 제공하고 있다. BIS는 버스의 위치, 구간별 이동시간, 출발-도착 시간등을 제공하고 있다. 따라서 본 논문에서는 BIS로부터 정류장 간의 평균 이동 시간, 그리고 이동 거리 등을 시간대 별로 추출하여 도시 내의 교통흐름을 시계열 분석하고자 한다. 소도시의 경우 버스 정보는 도시교통 흐름을 설명하는 중요하고 효과적인 자료이다. 앞서 언급한 신호등 지연, 보행자, 교차로 등은 교통흐름을 분석하고 예측하는데 어려움을 더한다. 본 논문에서는 동적 선형 모델(Dyanamic Linear Model, DLM)을 이용하여 중요 구간의 교통흐름을 시계열 분석하고 예측하는 방법을 제시한다. 이때 구간별 통행 속도를 평일과 주말로 나누어 분석한다. DLM을 이용하여 구간별 이동속도의 시계열 분석을 통하여 도시 내의 교통흐름을 파악하여 향후 교통 체증 및 혼잡 구간을 예보하고 버스의 정확한 도착시간을 예측하는데 도움을 줄 수 있으리라 생각한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 하계학술대회 논문집 A
• /
• pp.722-724
• /
• 2004

Demand estimates in electric power systems have traditionally consisted of time-series analyses over long time periods. The resulting database consisted of huge amounts of data that were then analyzed to create the various coefficients used to forecast power demand. In this research, we take advantage of universally used analysis techniques analysis, but we also use easily available data-mining techniques to analyze patterns of days and special days(holidays, etc.). We then present a new method for estimating and forecasting power flow using decision tree analysis. And because analyzing the relationship between the estimate and power system ceiling Trices currently set by the Korea Power Exchange. We included power system ceiling prices in our estimate coefficients and estimate method.

• 한국항해항만학회지
• /
• 제35권4호
• /
• pp.343-349
• /
• 2011

The forecasting of container volume which is the basis of port logistics facilities expansion has a great influence on development of an port. Based on this importance, various previous studies have presented methodology on container volume forecasting. The results of many previous studies pointed out the limitations of future forecasting based on past container volume and emphasized that more various factors should be considered to compensate this. Taking notice of this point, this study forecasted future container volume by using ARIMA model, time series analysis and System Dynamics (SD) method, a dynamic analysis technique and performed the comparative review with the forecast of the Ministry of Land, Transport and Maritime affairs. Recently with rapid changes in economic and social environment, the non-linear change tendency for forecasting container traffic is presented as a new alternative to the country.

• 응용통계연구
• /
• 제28권5호
• /
• pp.885-893
• /
• 2015

통계청과 한국은행 등 통계작성기관에서 이용되고 있는 계절조정은 연간 경제통계 작성시 시계열을 예측한 후 계절조정방법을 적용하여 1년 후 계절변동을 예측하고 원통계 작성시 원통계에서 이를 제거하여 계절조정계열을 작성하고 있다. 이 경우 계절변동을 효과적으로 예측하는 것이 계절조정계열의 품질 향상을 위해 무엇보다 중요하다. 계절변동은 1년 단위로 비슷한 함수적 형태를 지니면서 변하므로 계절변동은 일종의 함수적 시계열이다. 함수적 시계열은 함수적 주성분분석을 바탕으로 한 함수적 시계열모형으로 예측할 수 있다. 본 연구에서는 함수적 시계열 모형을 이용하여 향후 1년간 계절변동을 예측하는 방안을 마련하고 X-11 방식 등 기존의 예측방법과 비교하여 유용성을 파악하였다.

• 한국전산구조공학회논문집
• /
• 제25권4호
• /
• pp.331-338
• /
• 2012

현재 국내에서 EM-120에 의해 검측된 틀림 데이터는 매우 불규칙적인 형태를 나타내며 데이터 분석 시 다양한 문제점을 가지고 있다. 본 연구에서는 궤도의 효율적인 유지관리를 위해 검측된 틀림데이터의 특징과 문제점을 분석하고, 이를 보완할 수 있는 효율적인 처리 기법을 개발하였으며, 정제된 데이터의 ARIMA 분석을 통해 검측데이터와 계절 변화의 상관관계 분석을 수행하였다. 또한 회귀모형, 지수평활법, ARIMA 모형 등 다양한 예측 모델의 적용을 통해 검측 데이터의 시계열 분석을 수행하고, 궤도 틀림 데이터의 예측 모델에 적합한 최적 모델 선정과 관련한 연구를 수행하였다.

• KIEE International Transactions on Power Engineering
• /
• 제4A권4호
• /
• pp.254-261
• /
• 2004

Traditionally, electrical power systems had formed the vertically integrated industry structures based on the economics of scale. However, power systems have been recently reformed to increase their energy efficiency. According to these trends, the Korean power industry underwent partial reorganization and competition in the generation market was initiated in 2001. In competitive electric markets, accurate load data is one of the most important issues to maintaining flexibility in the electric markets as well as reliability in the power systems. In practice, the measuring load data can be uncertain because of mechanical trouble, communication jamming, and other issues. To obtain reliable load data, an efficient evaluation technique to adjust the missing load data is required. This paper analyzes the load pattern of historical real data and then the tuned ARIMA (Autoregressive Integrated Moving Average), PCHIP (Piecewise Cubic Interpolation) and Branch & Bound method are applied to seek the missing parameters. The proposed method is tested under a variety of conditions and also tested against historical measured data from the Korea Energy Management Corporation (KEMCO).

• 한국항해학회지
• /
• 제19권1호
• /
• pp.33-48
• /
• 1995

In the process of containerization, the problem of regional maldistribution of container management plan arises seriously due to several factors like a number of unbalances of containers between loading and discharging ports. This study focus on the minimizing cost. This study is composed of two models which in effective management decision making show decision of the number of containers and transfer of empty containers. One is decision of the number of containers which carriers should possess by appropriate forecasting and the other is effective management decision making which includes the transfer of empty containers on calling ports. This study has suggested as follows, First, the Time Series analysis method, especially the "Exponential Smooting with Trend Adjustment" was used to forecast the trade volumes for the designated traffic route. Second, the Time Series analysis method in deciding the optimal number of owned container at the unbalances trade situation between East Bound and West Bound service, most important variables were found such as total traffic volume, the calling interval at a port, the number of days of voyage and the length of stay on shore of container for the optimal number of owned container. Third, effective management decision making model, which makes it possible to analyze the impacts of change in important matters such as lease and positioning policy, and actually influence decision making.on making.

• 열처리공학회지
• /
• 제36권6호
• /
• pp.374-381
• /
• 2023

This study develops and evaluates a deep learning model for predicting oxide and nitride layers based on plasma process data. We introduce a novel deep learning-based Varying Coefficient Regressor (VCR) by adapting the VCR, which previously relied on an existing unique function. This model is employed to forecast the oxide and nitride layers within the plasma. Through comparative experiments, the proposed VCR-based model exhibits superior performance compared to Long Short-Term Memory, Random Forest, and other methods, showcasing its excellence in predicting time series data. This study indicates the potential for advancing prediction models through deep learning in the domain of plasma processing and highlights its application prospects in industrial settings.

• International journal of advanced smart convergence
• /
• 제12권4호
• /
• pp.75-87
• /
• 2023

We designed to employ an Artificial Intelligence learning model to predict real estate prices and determine the reasons behind their changes, with the goal of using the results as a guide for policy. Numerous studies have already been conducted in an effort to develop a real estate price prediction model. The price prediction power of conventional time series analysis techniques (such as the widely-used ARIMA and VAR models for univariate time series analysis) and the more recently-discussed LSTM techniques is compared and analyzed in this study in order to forecast real estate prices. There is currently a period of rising volatility in the real estate market as a result of both internal and external factors. Predicting the movement of real estate values during times of heightened volatility is more challenging than it is during times of persistent general trends. According to the real estate market cycle, this study focuses on the three times of extreme volatility. It was established that the LSTM, VAR, and ARIMA models have strong predictive capacity by successfully forecasting the trading price index during a period of unusually high volatility. We explores potential synergies between the hybrid artificial intelligence learning model and the conventional statistical prediction model.