• 소성∙가공
• /
• 제29권4호
• /
• pp.188-193
• /
• 2020

Piping work of large ships or offshore plants is often done in a narrow and confined space, requiring precise bending and safety. In order to realize an accurate bending angle, it is very important to predict and correct a deformation that may be caused by elasticity in the bending process, that is, an angular deviation due to springback. Therefore, by using CAE analysis to develop a correction angle model for springback based on multiple tube bending angles and using trend line data derived from this correction angle model, at bending the tube as the diameter of the base former and the tube outer diameter change, the springback compensation angle at any angle can be obtained. In this study, the bending mechanism was analyzed to increase the bending precision, and a correction angle model was developed and a trend line was derived in consideration of springback occurring in the bending process. In order to derive a more accurate and reliable trend line, a tube tensile test was performed, and the reliability of the corrected angle trend line was verified by comparing the bending angle measurement and analysis results with a 3D scanner.

• 한국정보시스템학회지:정보시스템연구
• /
• 제30권3호
• /
• pp.201-216
• /
• 2021

Purpose The purpose of this study is to analyze the trend of patent technology in textile materials using text mining methodology based on Dynamic Embedded Topic Model and Structural Topic Model. It is expected that this study will have positive impact on revitalizing and developing textile materials industry as finding out technology trends. Design/methodology/approach The data used in this study is 866 domestic patent text data in textile material from 1974 to 2020. In order to analyze technology trends from various aspect, Dynamic Embedded Topic Model and Structural Topic Model mechanism were used. The word embedding technique used in DETM is the GloVe technique. For Stable learning of topic modeling, amortized variational inference was performed based on the Recurrent Neural Network. Findings As a result of this analysis, it was found that 'manufacture' topics had the largest share among the six topics. Keyword trend analysis found the fact that natural and nanotechnology have recently been attracting attention. The metadata analysis results showed that manufacture technologies could have a high probability of patent registration in entire time series, but the analysis results in recent years showed that the trend of elasticity and safety technology is increasing.

• 지능정보연구
• /
• 제19권1호
• /
• pp.1-17
• /
• 2013

본 연구에서는 시계열 예측을 위해 선형 모형과 비선형 모형의 하이브리드 모형 및 순수 모형의 성과를 비교 평가하였다. 이를 위해 5가지 서로 다른 패턴을 가지는 데이터를 생성하여 시뮬레이션을 진행하였다. 본 연구에서 고려한 선형 모형은 AR(autoregressive model)과 SARIMA(seasonal autoregressive integrated moving average model)이고 비선형 모형은 인공신경망(artificial neural networks model)과 GAM(generalized additive model)이다. 특히, GAM은 여러 장점에도 불구하고 시계열 예측을 위한 비선형 모형으로 기존 연구들에서는 거의 쓰이지 않았던 모형이다. 시뮬레이션 결과, seasonality를 가지는 시계열에 대해서는 AR 및 AR-AR 모형이, trend를 가지는 시계열에 대해서는 SARIMA 및 SARIMA와 다른 모형의 하이브리드 모형이 다른 모형에 비해 높은 성과를 보였다. 한편, 인공신경망과 GAM을 비교하면, 트렌드와 계절성이 더해진 시계열에 대해 SARIMA와 GAM의 하이브리드 모형이 거의 모든 노이즈(noise) 수준에 대해 높은 성과를 보인 반면, 노이즈 수준이 미미한 경우에 한해 SARIMA와 인공신경망의 하이브리드 모형이 높은 성과를 보였다.

• Communications for Statistical Applications and Methods
• /
• 제29권1호
• /
• pp.41-51
• /
• 2022

We forecast the US oil consumption level taking advantage of google trends. The google trends are the search volumes of the specific search terms that people search on google. We focus on whether proper selection of google trend terms leads to an improvement in forecast performance for oil consumption. As the forecast models, we consider the least absolute shrinkage and selection operator (LASSO) regression and the structured regularization method for large vector autoregressive (VAR-L) model of Nicholson et al. (2017), which select automatically the google trend terms and the lags of the predictors. An out-of-sample forecast comparison reveals that reducing the high dimensional google trend data set to a low-dimensional data set by the LASSO and the VAR-L models produces better forecast performance for oil consumption compared to the frequently-used forecast models such as the autoregressive model, the autoregressive distributed lag model and the vector error correction model.

• Journal of Electrical Engineering and Technology
• /
• 제11권1호
• /
• pp.227-233
• /
• 2016

Google Trends provides weekly information on keyword search frequency on the Google search engine. Search volume patterns for the search keyword can also be analyzed based on category and by the location of those making the search. Also, Google provides “Hot searches” and “Top charts” including top and rising searches that include the search keyword. All this information is kept up to date, and allows trend comparisons by providing past weekly figures. In this study, we present a predictive model for TV markets using the searched data in Google search engine (Google Trend data). Using a predictive model for the market and analysis of the Google Trend data, we obtained an efficient and meaningful result for the TV market, and also determined highly ranked countries and cities. This method can provide very useful information for TV manufacturers and others.

• 상하수도학회지
• /
• 제23권2호
• /
• pp.241-249
• /
• 2009

It is well known that the trend of water demand in large-size water supply systems has been suddenly changed, and many expansions of water supply facilities become unnecessary. To be cost-effective, thus, politicians as well as many professionals lay stress on the adaptive management of water supply facilities. Failure in adapting to the new trend of demand is sure to be the most critical reason of unnecessary expansions. Hence, we try to develop the model and modeling procedure that do not depend on the old data of demand, and provide engineers with the fast learning process. To forecast water demand of Seoul, the Bayesian parameter estimation was applied, which is a representative method for statistical pattern recognition. It results that we can get a useful time-series model after observing water demand during 6 years, although trend of water demand were suddenly changed.

• Journal of the Korean Data and Information Science Society
• /
• 제20권5호
• /
• pp.765-777
• /
• 2009

본 연구에서는 대기오염물질 중에서 주목을 받고 있는 분진 직경이 10마이크로미터 (micrometer) 이내의 것을 대상으로 실제로 증가하는지 감소하는지를 알아보기 위하여 교락 요인을 제외한 분진을 대상으로의 순수한 장기 추세를 연구하였다. 자료는 1996년에서 2000년까지 서울시의 기상 변수들 (최대기온, 평균습도, 최대풍속, 일사량)과 27지점에서 얻은 분진 직경이 10마이크로미터 이내의 것을 이용한다. 이 자료를 이용하여 분진과 비선형 관계를 보이는 기상 변수들의 회귀 스플라인을 이용하여 계절성을 통제한 일반화 부가모형을 세웠다. 그 결과 증가가 아닌 감소하는 순수 장기 추세를 얻을 수 있었다.

• 한국정보전자통신기술학회논문지
• /
• 제17권4호
• /
• pp.183-189
• /
• 2024

본 연구는 시계열 데이터를 효과적으로 예측하기 위해 데이터를 Seasonal-Trend Decomposition on Loess 을 통해 추세, 계절성, 잔차 성분으로 분해한 후 추세 성분에는 ARIMA, 계절성 성분에는 Fourier Series Regression, 잔차 성분에는 XGBoost를 적용하는 하이브리드 예측 모델을 제안하였다. 또한, ARIMA, XGBoost, LSTM, EMD-ARIMA, CEEMDAN-LSTM 모델을 포함한 성능 비교 실험을 수행하여 각 모델의 예측 성능을 평가하였다. 실험 결과, 제안된 하이브리드 모델은 MAPE, MAAPE, RMSE 지표에서 각각 3.8%, 3.5%, 0.35로 가장 좋은 평가 지표 값을 보이며 기존의 단일 모델보다 우수한 성능을 보였다.

• 융합보안논문지
• /
• 제11권3호
• /
• pp.19-24
• /
• 2011

소프트웨어 고장 시간은 테스팅 시간과 관계없이 일정하거나, 단조증가 혹은 단조 감소 추세를 가지고 있다. 이러한 소프트웨어 신뢰모형들을 분석하기 위한 자료척도로 자료에 대한 추세 검정이 개발되어 있다. 추세 분석에는 산술평균 검정과 라플라스 추세 검정 등이 있다. 추세분석들은 전체적인 자료의 개요의 정보만 제공한다. 본 논문에서는 고장시간을 측정하다가 시간 절단이 될 경우에 미래의 고장 시간 예측에 관하여 연구 하였다. 시계열 분석에 이용되는 단순이동 평균법과 가중이동평균법, 지수평활법을 이용하여 미래고장 시간을 예측하여 비교하고자 한다. 실증분석에서는 고장간격 자료를 이용하여 모형들에 대한 예측값을 평균자승오차를 이용하여 비교하고 효율적 모형을 선택 하였다.

• 융합보안논문지
• /
• 제12권3호
• /
• pp.115-121
• /
• 2012

소프트웨어 고장 시간은 테스팅 시간과 관계없이 일정하거나. 단조증가 혹은 단조 감소 추세를 가지고 있다. 이러한 소프트웨어 신뢰모형들을 분석하기 위한 자료척도로 자료에 대한 추세 검정이 개발되어 있다. 추세 분석에는 산술평균 검정과 라플라스 추세 검정 등이 있다. 추세분석들은 전체적인 자료의 개요의 정보만 제공한다. 본 논문에서는 고장시간을 측정하다가 시간 절단이 될 경우에 미래의 고장 시간 예측에 관하여 연구 하였다. 곡선회귀모형에 이용되는 S곡선모형과 성장모형, 로지스틱을 이용하여 미래고장 시간을 예측하여 비교 하였다. 제안된 예측방법에서는 고장시간 자료를 이용하여 모형들에 대한 예측 값을 결정계수 와 평균제곱오차를 이용하여 비교 하고 효율적 모형을 선택 하였다.