• 스마트미디어저널
• /
• 제12권11호
• /
• pp.134-144
• /
• 2023

Nowadays, Deep Learning (DL) technology is being used in several government departments. South Korea imports a lot of seafood. If the demand for fishery products is not accurately predicted, then there will be a shortage of fishery products and the price of the fishery product may rise sharply. So, South Korea's Ministry of Ocean and Fisheries is attempting to accurately predict seafood imports using deep learning. This paper introduces the solution for the fish import prediction in South Korea using the Long Short-Term Memory (LSTM) method. It was found that there was a huge gap between the sum of consumption and export against the sum of production especially in the case of two species that are Hairtail and Pollock. An import prediction is suggested in this research to fill the gap with some advanced Deep Learning methods. This research focuses on import prediction using Machine Learning (ML) and Deep Learning methods to predict the import amount more precisely. For the prediction, two Deep Learning methods were chosen which are Artificial Neural Network (ANN) and Long Short-Term Memory (LSTM). Moreover, the Machine Learning method was also selected for the comparison between the DL and ML. Root Mean Square Error (RMSE) was selected for the error measurement which shows the difference between the predicted and actual values. The results obtained were compared with the average RMSE scores and in terms of percentage. It was found that the LSTM has the lowest RMSE score which showed the prediction with higher accuracy. Meanwhile, ML's RMSE score was higher which shows lower accuracy in prediction. Moreover, Google Trend Search data was used as a new feature to find its impact on prediction outcomes. It was found that it had a positive impact on results as the RMSE values were lowered, increasing the accuracy of the prediction.

• 지능정보연구
• /
• 제25권2호
• /
• pp.39-55
• /
• 2019

최근 은행과 증권회사를 중심으로 다양한 로보어드바이저 금융상품들이 출시되고 있다. 로보어드바이저는 사람 대신 컴퓨터가 포트폴리오 자산배분에 대한 투자 결정을 실행하기 때문에 다양한 자산배분 알고리즘이 활용되고 있다. 본 연구에서는 대표적 로보어드바이저 알고리즘인 블랙리터만모형의 강점을 살리면서 객관적 투자자 전망을 도출할 수 있는 지능형 전망모형을 제안하고 이를 내재균형수익률과 결합하여 최종 포트폴리오를 도출하는 로보어드바이저 자산배분 알고리즘을 새로이 제안하며, 실제 주가자료를 이용한 실증분석 결과를 통해 전문가의 주관적 전망을 대신할 수 있는 지능형 전망모형의 실무적 적용 가능성을 보여주고자 한다. 그동안 주가 예측에서 우수한 성과를 보여주었던 기계학습 방법 중 SVM 모형을 이용하여 각 자산별 기대수익률에 대한 예측과 예측 확률을 도출하고 이를 각각 기대수익률에 대한 투자자 전망과 전망에 대한 신뢰도 수준의 입력변수로 활용하는 지능형 전망모형을 제안하였다. 시장포트폴리오로부터 도출된 내재균형수익률과 지능형 전망모형의 기대수익률, 확률을 결합하여 최종적인 블랙리터만모형의 최적포트폴리오를 도출하였다. 주가자료는 2008년부터 2018년까지의 132개월 동안의 8개의 KOSPI 200 섹터지수 월별 자료를 분석하였다. 블랙리터만모형으로 도출된 최적포트폴리오의 결과가 기존의 평균분산모형이나 리스크패리티모형 등과 비교하여 우수한 성과를 보여주었다. 구체적으로 2008년부터 2015년까지의 In-Sample 자료에서 최적화된 블랙리터만모형을 2016년부터 2018년까지의 Out-Of-Sample 기간에 적용한 실증분석 결과에서 다른 알고리즘보다 수익과 위험 모두에서 좋은 성과를 기록하였다. 총수익률은 6.4%로 최고 수준이며, 위험지표인 MDD는 20.8%로 최저수준을 기록하였다. 수익과 위험을 동시에 고려하여 투자 성과를 측정하는 샤프비율 역시 0.17로 가장 좋은 결과를 보여주었다. 증권계의 애널리스트 전문가들이 발표하는 투자자 전망자료의 신뢰성이 낮은 상태에서, 본 연구에서 제안된 지능형 전망모형은 현재 빠른 속도로 확장되고 있는 로보어드바이저 관련 금융상품을 개발하고 운용하는 실무적 관점에서 본 연구는 의의가 있다고 판단된다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.147-168
• /
• 2017

오래 전부터 학계에서는 정확한 주식 시장의 예측에 대한 많은 연구가 진행되어 왔고 현재에도 다양한 기법을 응용한 예측모형들이 연구되고 있다. 특히 최근에는 딥러닝(Deep-Learning)을 포함한 다양한 기계학습기법(Machine Learning Methods)을 이용해 주가지수를 예측하려는 많은 시도들이 진행되고 있다. 전통적인 주식투자거래의 분석기법으로는 기본적 분석과 기술적 분석방법이 사용되지만 보다 단기적인 거래예측이나 통계학적, 수리적 기법을 응용하기에는 기술적 분석 방법이 보다 유용한 측면이 있다. 이러한 기술적 지표들을 이용하여 진행된 대부분의 연구는 미래시장의 (보통은 다음 거래일) 주가 등락을 이진분류-상승 또는 하락-하여 주가를 예측하는 모형을 연구한 것이다. 하지만 이러한 이진분류로는 추세를 예측하여 매매시그널을 파악하거나, 포트폴리오 리밸런싱(Portfolio Rebalancing)의 신호로 삼기에는 적합치 않은 측면이 많은 것 또한 사실이다. 이에 본 연구에서는 기존의 주가지수 예측방법인 이진 분류 (binary classification) 방법에서 주가지수 추세를 (상승추세, 박스권, 하락추세) 다분류 (multiple classification) 체계로 확장하여 주가지수 추세를 예측하고자 한다. 이러한 다 분류 문제 해결을 위해 기존에 사용하던 통계적 방법인 다항로지스틱 회귀분석(Multinomial Logistic Regression Analysis, MLOGIT)이나 다중판별분석(Multiple Discriminant Analysis, MDA) 또는 인공신경망(Artificial Neural Networks, ANN)과 같은 기법보다는 예측성과의 우수성이 입증된 다분류 Support Vector Machines(Multiclass SVM, MSVM)을 사용하고, 이 모델의 성능을 향상시키기 위한 래퍼(wrapper)로서 유전자 알고리즘(Genetic Algorithm)을 이용한 최적화 모델을 제안한다. 특히 GA-MSVM으로 명명된 본 연구의 제안 모형에서는 MSVM의 커널함수 매개변수, 그리고 최적의 입력변수 선택(feature selection) 뿐만이 아니라 학습사례 선택(instance selection)까지 최적화하여 모델의 성능을 극대화 하도록 설계하였다. 제안 모형의 성능을 검증하기 위해 국내주식시장의 실제 데이터를 적용해본 결과 ANN이나 CBR, MLOGIT, MDA와 같은 기존 데이터마이닝 기법들이나 인공지능 알고리즘은 물론 현재까지 가장 우수한 예측 성과를 나타내는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안 모형이 보다 우수한 예측성과를 보임을 확인할 수 있었다. 특히 주가지수 추세 예측에 있어서 학습사례의 선택이 매우 중요한 역할을 하는 것으로 확인 되었으며, 모델의 성능의 개선효과에 다른 요인보다 중요한 요소임을 확인할 수 있었다.

• 대한원격탐사학회지
• /
• 제33권5_2호
• /
• pp.631-640
• /
• 2017

쌀 생산량 예측 및 조사는 농가 소득 보전 및 농업 분야 기관에 영향을 주고 수급 조절과 가격 예측 등 정부의 정책 수립과 관련하여 중요한 의미를 갖는다. 이에 따라 작황 추정 모델의 구축이 필요하며 과거로부터 기상 자료 및 위성 자료를 통해 경험적 통계 모델 또는 인공신경망 알고리즘을 기반으로 한 연구가 다수 진행되었다. 현재 인공신경망 모델을 기반으로 개발된 딥 러닝 알고리즘이 패턴 인식, 컴퓨터 비전, 음성 인식 등의 분야에서 폭넓게 사용되며 뛰어난 성능을 보이고 있다. 최근 다양한 딥 러닝 알고리즘 중 SSAE 알고리즘이 시계열 자료를 통한 예측 분야에서 적용 가능성이 확인되었으며 본 연구에서는 SSAE를 통해 남한 전역에 대한 쌀 생산량 추정 연구를 진행하였다. 입력 변수로 기상자료와 위성자료를 사용하였으며 남한 벼의 생육 기간을 고려하여 입력 자료를 기간별로 나누고 최적의 입력 자료롤 찾고자 하였다. 실험 결과, 5월부터 9월까지의 위성 자료와 16일 평균값을 사용한 기상 자료와의 조합을 사용하였을 경우 평균 연도별 %RMSE, 시군구 %RMSE 각각 7.43%, 7.16%로 가장 좋은 성능을 보였으며 이를 통해 쌀 생산량 추정 분야에 대한 SSAE 알고리즘의 적용 가능성을 확인할 수 있었다.

• 한국식품영양학회지
• /
• 제26권4호
• /
• pp.895-908
• /
• 2013

The purpose of this study is to examine female baby boomers' dietary habits and their attitudes together with their needs for future perspectives of dietary life. Our aim is to use these findings as a basic data when forecasting for food-related industries or policy making. A survey is being carried out for a total of 358 female baby boomers and analyzed by SPSS 12.0. The following is a summary of this study. The average age is 52.6 years old, most of them graduated from highschool (63.1%) and had a nuclear type of family (76.1%). Only 39.0% is composed of housewives, others had either full-time or part-time jobs. Self-assessment of stress is not so high and only 8.1% are dissatisfied with their lives. 38.2% are either overweight or obese in terms of BMI, and most of them are non-smokers (97.2%) or non-drinkers (63.0%). Their mean dietary habit scores are $70.6{\pm}11.8$, and the scores show significant relations with their education levels (p<0.01), monthly income (p<0.01), life satisfaction rates (p<0.001), stress levels (p<0.001), smoking habits (p<0.05), drinking habits (p<0.05), regular exercises (p<0.001) and regular health check-ups (p<0.05). The rate of skipping breakfast, lunch and dinner are 18.2%, 1.1%, 5.2% respectively. The main reason for skipping breakfast is the 'lack of time'. With regards to the frequency of grocery shopping, almost half of the subjects (55.7%) said '1~2 times per week' and bought mainly raw food sources such as vegetables, fruits, and meats. The majority of the subjects (91.3%) report that they cooked meals at homes, and took about 1 hour of time. The subjects also point out that cooking was a bothering task, and only 46.4% would prepare meals at home, while others would rather eat out or eat convenience foods. The main reasons for not wanting meal services in the elderly welfare facility are because they didn't want to live such places (48.4%) and the meals are tasteless (31.3%). As for delivery meal services, 60.1% are aware of it, and 39.9% would consider using it in the future. Factors to be considered when using the delivery meal service are sanitation (43.7%), nutrition (28.7%), taste (18.4%), price (6.3%), and brand name (2.9%). This study is expected to be used as useful information when developing food-related strategies for baby boomers in the future.

• 대한교통학회지
• /
• 제31권3호
• /
• pp.33-44
• /
• 2013

Personal Rapid Transit(PRT)는 대중교통중심의 지속가능한 사회를 위한 교통수단으로 각광받고 있다. 본 연구에서는 경험하지 못한 교통수단에 대한 이용자들의 인식을 효과적으로 측정하기 위한 설문 설계방법을 제시하고, PRT 잠재적 이용자들의 지불의사액(WTP: Willingness-to-pay)을 고려한 수단전환율 모형을 구축하여 이용경험이 부재한 사람들의 교통수단 이용선호의 변화를 분석하였다. 또한, 연구의 적정성을 검증하기 위해 설문조사 결과를 기초로 구축된 수단전환율 추정모형을 PRT 도입이 논의 중인 송도신도시에 적용하여 PRT 이용수요를 예측하고, 요금수준에 따른 수단전환율의 변화를 기존 수단전환율 예측모형의 결과와 비교하였다. 모형적용결과를 통해 본 연구에서 제안된 설문 설계방식은 교통수단 이용선호와 관련된 설명변수를 효과적으로 측정함을 알 수 있다. 또한, 요금수준에 따른 PRT 수단전환율 예측에 있어서, 본 연구에서 제시하고 있는 모형이 기존 모형보다 이용자가 느끼는 요금에 대한 저항을 현실적으로 반영하는 것으로 나타났다.

• 자원ㆍ환경경제연구
• /
• 제26권4호
• /
• pp.519-547
• /
• 2017

본 연구는 지역 단위 도시가스 수요예측모형을 이용하여 전국 도시가스수요예측의 정확도를 향상할 수 있는지 여부를 살펴봤다. 지역별 수요예측모형을 구축하게 된 배경은 용도별 도시가스 수요의 행태가 분화되는 상황에서 자료의 제한으로 용도별 수요예측모형을 구축하기 어렵다는 것에 있다. 지역별 수요예측모형은 전국수요를 수도권과 지방으로 구분하여 별도의 예측모형을 구성하는 것으로, 시간변동계수를 갖는 공적분모형을 이용하였다. 지역모형에서 전국 도시가스수요예측은 지역별 수요전망치를 합산하여 산출하였다. 2013~2016년의 4년간 예측력 평가결과, 지역별 모형을 통한 전국 도시가스수요 예측이 전국단위 예측모형에 비하여 예측력이 전반적으로 우수한 것으로 나타났다. 지역모형에서는 수도권과 지방권 모형을 별도로 구축함으로써 해당 지역 수요의 특성을 반영한 예측모형이 가능했다. 수도권수요는 가정용수요 비중이 높아 기온에 보다 민감하게 반응하고, 전력수요와 경쟁관계가 있다. 이에 반해 지방권은 산업용수요 비중이 높아 전반적인 경기상황에 따른 수요변동이 크고, 수도권과 달리 벙커씨유와 LPG와 같은 산업용 연료와 대체관계를 보였다. 상기 결과는 성숙기에 접어든 도시가스산업에서 지역별 수요에 대한 세부적인 분석을 통해 전국 단위 수요예측의 정확도를 향상시킬 수 있다는 것을 보여주고, 이와 더불어 용도별 도시가수요 분석에도 유용한 정보를 제공할 것으로 기대한다.

• Journal of the Korean Data and Information Science Society
• /
• 제27권5호
• /
• pp.1273-1284
• /
• 2016

본 연구에서는 기계 학습 분야의 특허를 수집하여 키워드 네트워크를 구축하고 클릭 분석을 실시하였다. 먼저 텍스트 마이닝 기법을 적용하여 핵심 키워드들을 선정한 다음, 이 키워드를 기반으로 키워드 네트워크를 구축하였다. 다음으로 네트워크 구조 분석, 중요 키워드 분석 및 클릭 분석을 시행하여 2005년도와 2015년도에 출원된 기계 학습 특허의 동향을 파악하였을 뿐만 아니라 양해년도의 분석 결과를 통해 특허 경향을 파악하였다. 분석 결과 기계 학습 특허의 키워드 네트워크는 밀도와 군집 계수가 낮은 것으로 드러났으며 기계 학습 기법 자체에 대한 특허보다는 다양한 응용 영역에서 기계학습을 적용한 특허들이 다수이기 때문으로 판단된다. 클릭 분석 결과 2005년도 클릭 분석에 의해 발견된 주제는 뉴스메이커 검증, 상품 소비 예측, 바이러스 공격 예방, 바이오마커, 그리고 워크플로우 관리였으며, 2015년도 기계 학습 특허 주제는 디지털 이미지 편집, 직불카드, 수신자 인라이닝 시스템, 유방 촬영 시스템, 재고 관리 시스템, 이미지 편집 시스템, 비행기 티켓 가격 예측, 그리고 문제 예측 시스템으로 나타났다. 2005년도에 비하여 2015년도의 근접 중앙성은 낮아지고 매개 중심성은 높아진 것으로 보아 최근의 특허 경향은 보다 다양한 분야에서 출원되고 있으며 이들 간의 연결이 활발해지고 있음을 알 수 있다. 클릭 분석은 클릭을 형성하는 키워드 집합을 해석하여 주제를 파악하는데 활용될 수 있을 뿐만 아니라 추출된 공유 멤버쉽 키워드 집합은 특허 검색 시스템과 같이 키워드 검색 기반의 시스템에서 검색 키워드로 활용될 수 있을 것으로 기대된다.

• 한국산림과학회지
• /
• 제73권1호
• /
• pp.70-75
• /
• 1986

지난 20년(年) 동안에 있었던 우리나라 밤 가격(價格)의 경향변동(傾向變動)과 계절변동(季節變動)을 분석(分析)하고, 가결변동(價格變動)을 유도(誘導)하여 장래(將來) 20년간(年間)(1985~2004)의 밤 생산량(生産量)과 가격(價格)을 예측(豫測) 하였으며, 그 결과(結果)를 요약(要約)하면 다음과 같다. 1) 밤 가격(價格)은 1965~1972년(年)까지 매년(每年) 10.95%씩 상승(上昇)하였으나, 그 후 1973~1984 년(年)까지는 밤의 과다공급(過多供給) 때문에 매년(每年) 7.25%씩 하락(下落)하였다. 2) 1 년중(年中) 밤 가격(價格)은 수확기(收穫期)인 10월경(月傾)에 가장 낮으며, 7월경(月傾)에 가장 높아진다. 이러한 밤 가격(價格)의 계절변동(季節變動)은 시간(時間)이 지남에 따라서 다소 평준화(平準化)되는 경향(傾向)이 있으나, 아직도 계절지수(季節指數)의 변동폭(變動幅)은 대단히 크다. 3) 일정조건(一定條件)을 전제(前提)하여, 우리나라의 밤 생산량(生産量)은 1992 년(年)에 약(約) 99,000 톤으로 극대치(極大値)에 이르렀다가, 그 후 급속(急速)히 감소(減少)하기 시작(始作)하여 2004년(年)에는 년생산량(年生産量)이 23,000톤 정도가 될 것이며, 밤 가격(價格)은 1992년(年)까지 현재(現在)의 가격수준(價格水準)과 비슷하거나 약간의 상승세(上昇勢)를 유지(維持)하다가, 그 후 급속(急速)히 상승(上昇)할 것으로 예측(豫測)되었다.

• 응용통계연구
• /
• 제33권6호
• /
• pp.763-776
• /
• 2020

양파는 기상여건에 따른 작황의 변동성이 커 생산량 및 가격 변화가 크다. 정부는 양파를 수급 민감 품목으로 지정하여 다양한 수급 안정대책을 마련하고 시행하는데 이를 위해서는 선제적이고 신뢰도 높은 양파 생산량 예측 정보가 필수적이다. 본 연구에서는 양파의 5월 초 지상부 생육정보와 5월 초부터 수확기까지의 기상정보를 이용하여 최종 생구 무게에 미치는 영향을 추정함으로써 생산량 예측의 정확도 개선에 기여하고자 한다. 위계적 특성을 갖고 있는 자료를 통해 개체별 생육요인인 1-수준 자료와 필지별 기상요인인 2-수준 자료, 그리고 두 수준 간 상호작용을 고려한 다층모형을 도입하여 분석하였다. 분석 결과, 5월 초에 엽수, 엽초경, 초장의 생육이 좋을수록 최종 생구 무게는 증가하는 것으로 추정되었다. 5월 초부터 수확기까지의 기상요인에서는 강수량, 고온일수, 탄소동화저해일수가 생구 무게에 음의 효과가 나타났으며, 일교차와 수확전강수량은 양의 효과로 통계적으로 유의하였다. 또한 1-수준과 2-수준의 교호작용항을 고려하여 모형의 적합도와 설명력을 향상시켰다.