• 기술혁신연구
• /
• 제30권2호
• /
• pp.1-27
• /
• 2022

최근 급격한 변화를 겪고 있는 자율주행 자동차 분야의 미래 기술 및 시장 전망 예측에 대한 요구와 관심이 집중되고 있다. 자동차 산업의 특성상, 복합적 요인의 상관관계가 미치는 영향력이 크고 요인 간의 복잡도가 높으므로, 체계적인 미래 예측 방법론 적용을 통한 미래 전망분석 및 전략 수립이 시급하다. 본 연구에서는 자동차 분야에 적합한 미래 예측 방법론 중 필드 변칙 완화기법(Field Anomaly Relaxation)과 다중관점 개념 기법(Multiple Perspective Concept)을 복합적으로 적용하여, 자율주행 자동차 분야의 핵심기술 및 산업 동향에 관한 미래 시나리오들을 개발하여 실증하였다. 도출된 3개의 시나리오는 전문가 평가 체크리스트를 통하여 타당성을 검증하였다. 본 연구 결과는 자율주행 자동차 산업과 같은 다양한 변동성이 존재하는 분야의 미래 예측 방법 중 한 가지로 적용될 수 있다는 점에 의의가 있다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회/대한산업공학회 2005년도 춘계공동학술대회 발표논문
• /
• pp.795-797
• /
• 2005

During the past few years, various traffic-flow forecasting models, i.e. an ARIMA, an ANN, and so on, have been developed to predict more accurate traffic flow. However, these models analyze historical data in an attempt to predict future value of a variable of interest. They make use of the following basic strategy. Past data are analyzed in order to identify a pattern that can be used to describe them. Then this pattern is extrapolated, or extended, into the future in order to make forecasts. This strategy rests on the assumption that the pattern that has been identified will continue into the future. So ARIMA or ANN models with its traditional architecture cannot be expected to give good predictions unless this assumption is valid; The statistical models in particular, the time series models are deficient in the sense that they merely extrapolate past patterns in the data without reflecting the expected irregular and infrequent future events Also forecasting power of a single model is limited to its accurate. In this paper, we compared with an ANN model and ARIMA model and tried to combine an ARIMA model and ANN model for obtaining a better forecasting performance. In addition to combining two models, we also introduced judgmental adjustment technique. Our approach can improve the forecasting power in traffic flow. To validate our model, we have compared the performance with other models. Finally we prove that the proposed model, i.e. ARIMA + ANN + Judgmental Adjustment, is superior to the other model.

• 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.

• 물과 미래
• /
• 제9권2호
• /
• pp.45-53
• /
• 1976

• Journal of Contemporary Eastern Asia
• /
• 제15권1호
• /
• pp.1-3
• /
• 2016

• 응용통계연구
• /
• 제30권5호
• /
• pp.759-774
• /
• 2017

2016년 9월 경주 지진 이후 원자력발전소, 고층 빌딩, 주택, 교량 등 우리 사회의 설비 자산들이 과연 지진으로부터 얼마나 안전한가, 앞으로 안정성을 담보하기 위해 어떤 정책을 펼쳐야 하는가에 대한 관심이 높아졌다. 본 논문에서는 한반도에서 발생한 역사지진 및 계기지진 목록을 데이터로 사용하여, 멱법칙 분포를 통해 한반도 지진 기록의 크기 분포를 설명하는 모수를 추정한다. 또한 추정한 모수를 바탕으로 미래에 한반도에서 일정 규모 이상의 지진이 발생할 확률을 계산한다. 한반도 미래 지진 발생 확률 계산 모형을 통해 지진 위험도를 파악하고자 하는 것이 본 논문의 목적이다.

• 디지털융복합연구
• /
• 제18권2호
• /
• pp.205-211
• /
• 2020

미래 예측의 방법은 기술적 특성 또는 기술적 성능으로 예측이 가능할 수 있다. 그러므로 기술예측은 경제적, 사회적 이익을 산출해 낼 수 있는 전략적 연구 분야에서 활용되고 있다. 본 연구에서는 이러한 기술적 특성으로 미래를 예측하는 방법의 연구를 통하여 미래 시장을 예측하였다. 특별한 제품의 수요 욕구에 따라 시장을 점유하는 시점의 예측을 통해 미래 예측 방법을 연구하였다. 시장수요 예측을 위하여 대표적인 계량적 분석 방법인 연평균성장률(CAGR) 모형, BASS 모형, Logistic 모형, 곰페르츠 성장모형(Gompertz Growth Curve) 등의 비교를 통해 미래시장의 수요예측 모형을 제안하였다. 본 연구는 Rogers의 혁신확산 이론을 접목하여 제품이 시장에 확산되는 시점을 예측하였다. 연구결과로 특별한 제품이 시장을 점유하기 위한 다양한 요인들의 확산 시점을 통해 특별한 상품이 미래 시장에서 성숙하는 시점을 예측할 수 있는 방법론을 개발하였다. 그러나 시장을 예측하기 위한 전문가 판단에 대한 오류를 줄이는 것은 한계점이 있다.

• 품질경영학회지
• /
• 제12권2호
• /
• pp.25-32
• /
• 1984

The purpose of this paper is to compare several forecasting methods for the case of the cement product by the analysis of the forecasting data and by the study of major forecasting methods, which are the Trend Projection, Exponential Smoothing, and Multiple Regression Analysis. As a result, it is thought that the Multiple Regression Analysis is the optimal model for the case of the cement product. In addition, it is important to consider the future circumstances for forecasting, and to improve the level of the forecasting results through the precise analysis of the collected data.

• Journal of Information Technology Applications and Management
• /
• 제24권2호
• /
• pp.81-96
• /
• 2017

Forecasting long-term mobile service demand is inevitable to establish an effective frequency management policy despite the lack of reliability of forecast results. The statistical forecasting method has limitations in analyzing how the forecasting result changes when the scenario for various drivers such as consumer usage pattern or market structure for mobile communication service is changed. In this study, we propose a dynamic model of the mobile communication service market using system dynamics technique and forecast the future demand for long-term mobile communication subscriber based on the dynamic model, and also experiment on the change pattern of subscriber demand under various scenarios.

• 한국농공학회논문집
• /
• 제59권3호
• /
• pp.97-110
• /
• 2017

This study investigates the efficiencies of machine learning models, including artificial neural network (ANN), generalized regression neural network (GRNN), adaptive neuro-fuzzy inference system (ANFIS) and random forest (RF), for reservoir water level forecasting in the Chungju Dam, South Korea. The models' efficiencies are assessed based on model efficiency indices and graphical comparison. The forecasting results of the models are dependent on lead times and the combination of input variables. For lead time t = 1 day, ANFIS1 and ANN6 models yield superior forecasting results to RF6 and GRNN6 models. For lead time t = 5 days, ANN1 and RF6 models produce better forecasting results than ANFIS1 and GRNN3 models. For lead time t = 10 days, ANN3 and RF1 models perform better than ANFIS3 and GRNN3 models. It is found that ANN model yields the best performance for all lead times, in terms of model efficiency and graphical comparison. These results indicate that the optimal combination of input variables and forecasting models depending on lead times should be applied in reservoir water level forecasting, instead of the single combination of input variables and forecasting models for all lead times.