• Journal of Electrical Engineering and Technology
• /
• 제8권5호
• /
• pp.984-990
• /
• 2013

This paper develops a new Intelligent Electronic Device (IED), and then presents an application method of a monthly load forecasting algorithm on the smart IEDs. A Multiple Linear Regression (MLR) model implemented with Recursive Least Square (RLS) estimation is established in the algorithm. Case Study proves the accuracy and reliability of this algorithm and demonstrates the practical meanings through designed screens. The application method shows the general way to make use of IED's smart characteristics and thereby reveals a broad prospect of smart function realization in application.

• 대한교통학회지
• /
• 제33권1호
• /
• pp.61-69
• /
• 2015

이 연구에서는 국내 총 화물물동량에 대한 5개 계량경제모형들의 예측정확도를 비교한다. 적용된 5개 모형은 통상최소자승모형, 부분조정모형, 축소된 자기회귀분포시차모형, 벡터자기회귀 모형, 시간변동계수모형이다. 모형의 추정과 예측은 1970-2011년 동안의 연간 국내 화물물동량 자료와 광공업생산지수를 이용하여 수행되었다. 5개 모형은 반복적인 예측방법을 이용하여 1년 후, 3년 후, 5년 후 예측성능이 비교되었다. 추가적으로 장래변동성의 크기에 따라 두 예측기간으로 나누어 예측정확도를 비교하였고, 결과적으로 시간변동계수모형은 변동을 갖는 예측기간에 대해서 가장 높은 정확도를, 반면에 벡터자기회귀 모형은 점진적인 변화를 갖는 예측기간에 대해서 다른 모형에 비해 우수한 성능을 보여주는 것으로 분석되었다.

• 무역학회지
• /
• 제46권6호
• /
• pp.191-209
• /
• 2021

In this paper, various time series analysis models and machine learning models are presented for long-term prediction of export growth rate, and the prediction performance is compared and reviewed by RMSE and MAE. Export growth rate is one of the major economic indicators to evaluate the economic status. And It is also used to predict economic forecast. The export growth rate may have a negative (-) value as well as a positive (+) value. Therefore, Instead of using the ReLU function, which is often used for time series prediction of deep learning models, the PReLU function, which can have a negative (-) value as an output value, was used as the activation function of deep learning models. The time series prediction performance of each model for three types of data was compared and reviewed. The forecast data of long-term prediction of export growth rate was deduced by three forecast methods such as a fixed forecast method, a recursive forecast method and a rolling forecast method. As a result of the forecast, the traditional time series analysis model, ARDL, showed excellent performance, but as the time period of learning data increases, the performance of machine learning models including LSTM was relatively improved.

• 물과 미래
• /
• 제27권1호
• /
• pp.89-99
• /
• 1994

현재까지 국내의 홍수예측업무는 과거에 수집된 자료집단을 이용한 변수추정에 의하여 시행되고 있으나, 최근 여러 가지 순환추정 알고리즘을 적용한 홍수예측 또는 변수추정에 관한 많은 연구가 이루어지고 있다. 본 논문은 실시간 홍수예측 및 변수추정에 관한 연구로서, 특히 강우-유출모형의 상태 및 매개변수의 동시추정에 관한 추계학적 현상을 고려하였다. 홍수예측에 관한 시스템은 $\phi$ 지수에 의한 유효강우의 산정과 지체효과를 고려한 n개의 비선형 저수지모형에 의한 홍수축적으로 구성하였다. 그리고 변수추정모형과 홍수추적 모형을 상호연계하여 변수를 포함하는 확대 상태-공간모형으로 상태 및 매개변수의 동시추정에 관한 시스템을 구성하였다. 상태-공간모형에 대한 상태 및 변수추정기법으로 GLS 추정과 MAP 추정에 대하여 비교 검토하였다. 모형의 식별을 위한 민감도 분석은 추정변수의 공분산 행렬을 사용하였다.

• 한국콘텐츠학회논문지
• /
• 제20권12호
• /
• pp.49-57
• /
• 2020

본 연구는 우리나라 수출 분야 산업의 경쟁력을 나타내는 부가가치율을 다양한 머신러닝 기법을 활용하여 예측하였다. 아울러, 예측의 정확성 및 안정성을 높이기 위하여 머신러닝 기법 예측값들에 예측조합 기법을 적용하였다. 특히, 본 연구는 산업별 부가가치율에 영향을 주는 다양한 변수를 고려하기 위하여 재귀적특성제거 방법을 사용하여 주요 변수를 선별한 후 머신러닝 기법에 적용함으로써 예측과정의 효율성을 높였다. 분석결과, 예측조합 방법에 따른 예측값은 머신러닝 기법 예측값들보다 실제의 산업 부가가치율에 근접한 것으로 나타났다. 또한, 머신러닝 기법의 예측값들이 큰 변동성을 보이는 것과 달리 예측조합 기법은 안정적인 예측값을 나타내었다.

• 한국농공학회:학술대회논문집
• /
• 한국농공학회 2001년도 학술발표회 발표논문집
• /
• pp.295-299
• /
• 2001

To protect the flooding damages in Medium and Small watershed, it needs to set up flood warning system and develope Flood forecasting Model in real-time basis for medium and small watershed. In this study, it was able to minimize the error range between forecasted flood inflow and actual flood inflow, and forecast accurately the flood discharge some hours in advance by using simplex method recursively for the determination of the best parameters of RETFLO model. The result of RETFLO performance applied to several storm of Yugu river during 3 past years was very good with relative errors of 10% for comparison of total runoff volume and with one hour delayed peak time.

• 한국융합학회논문지
• /
• 제11권11호
• /
• pp.257-267
• /
• 2020

본 연구는 우리나라 수출 분야의 산업별 고용비중을 다양한 머신러닝 기법을 활용하여 예측하고, 예측성능을 높이기 위하여 머신러닝 기법 예측값들에 예측조합 기법을 적용하였다. 특히, 본 연구에서는 각 머신러닝 기법 예측값들에 부여되는 가중치의 합을 1로 설정하는 제약하의 예측조합 기법을 사용하여 예측의 정확성과 안정성을 확보하고자 하였다. 또한, 본 연구는 산업별 고용비중에 영향을 주는 다양한 변수를 고려하기 위하여 재귀적특성제거 방법을 사용하여 주요 변수를 선별한 후, 머신러닝 기법에 적용함으로써 예측과정 상에서의 효율성을 높였다. 분석결과, 예측조합 방법에 따른 예측값은 머신러닝 기법의 예측값들보다 실제의 산업 고용비중에 근접한 것으로 나타났으며, 머신러닝 기법의 예측값들이 큰 변동성을 보이는 것과 달리 제약하의 예측조합 기법은 안정적인 예측값을 나타내었다.

• International journal of advanced smart convergence
• /
• 제11권1호
• /
• pp.19-27
• /
• 2022

Across the world, 'housing' comprises a significant portion of wealth and assets. For this reason, fluctuations in real estate prices are highly sensitive issues to individual households. In Korea, housing prices have steadily increased over the years, and thus many Koreans view the real estate market as an effective channel for their investments. However, if one purchases a real estate property for the purpose of investing, then there are several risks involved when prices begin to fluctuate. The purpose of this study is to design a real estate price 'return rate' prediction model to help mitigate the risks involved with real estate investments and promote reasonable real estate purchases. Various approaches are explored to develop a model capable of predicting real estate prices based on an understanding of the immovability of the real estate market. This study employs the LSTM method, which is based on artificial intelligence and deep learning, to predict real estate prices and validate the model. LSTM networks are based on recurrent neural networks (RNN) but add cell states (which act as a type of conveyer belt) to the hidden states. LSTM networks are able to obtain cell states and hidden states in a recursive manner. Data on the actual trading prices of apartments in autonomous districts between January 2006 and December 2019 are collected from the Actual Trading Price Disclosure System of the Ministry of Land, Infrastructure and Transport (MOLIT). Additionally, basic data on apartments and commercial buildings are collected from the Public Data Portal and Seoul Metropolitan Government's data portal. The collected actual trading price data are scaled to monthly average trading amounts, and each data entry is pre-processed according to address to produce 168 data entries. An LSTM model for return rate prediction is prepared based on a time series dataset where the training period is set as April 2015~August 2017 (29 months), the validation period is set as September 2017~September 2018 (13 months), and the test period is set as December 2018~December 2019 (13 months). The results of the return rate prediction study are as follows. First, the model achieved a prediction similarity level of almost 76%. After collecting time series data and preparing the final prediction model, it was confirmed that 76% of models could be achieved. All in all, the results demonstrate the reliability of the LSTM-based model for return rate prediction.

• 정보처리학회 논문지
• /
• 제13권4호
• /
• pp.199-207
• /
• 2024

지역 저수지들은 농업용수 공급의 중요한 수원공으로 가뭄과 같은 극단적 기후 조건을 대비하여 안정적인 저수율 관리가 필수적이다. 저수율 예측은 국지적 강우와 같은 지역적 기후 특성뿐만 아니라 작부시기를 포함하는 계절적 요인 등에 크게 영향을 받기 때문에 적절한 예측 모델을 선정하는 것만큼 입/출력 데이터 간 상관관계 파악이 무엇보다 중요하다. 이에 본 연구에서는 1991년부터 2022년까지의 전라북도 400여 개 저수지의 광범위한 다변량 데이터를 활용하여 각 저수지의 복잡한 수문학·기후학적 환경요인을 포괄적으로 반영한 저수율 예측 모델을 학습 및 검증하고, 각 입력 특성이 저수율 예측 성능에 미치는 영향력을 분석하고자 한다. 신경망 구조에 따른 저수율 예측 성능 개선이 아닌 다변량의 입력 데이터와 예측 성능 간의 상관관계에 초점을 맞추기 위하여 실험에 사용된 예측 모델로 합성곱신경망 또는 순환신경망과 같은 복잡한 형태가 아닌 완전연결계층, 배치정규화, 드롭아웃, 활성화 함수 등의 조합으로 구성된 기본적인 순방향 신경망을 채택하였다. 추가적으로 대부분의 기존 연구에서는 하루 단위의 단기 예측 성능만을 제시하고 있으며 이러한 단기 예측 방식은 10일, 한 달 단위 등 중장기적 예측이 필요한 실무환경에 적합하지 않기 때문에, 본 연구에서는 하루 단위 예측값을 다음 입력으로 사용하는 재귀적 방식을 통해 최대 한 달 뒤 저수율 예측 성능을 측정하였다. 실험을 통해 예측 기간에 따른 성능 변화 양상을 파악하였으며, Ablation study를 바탕으로 예측 모델의 각 입력 특성이 전체 성능에 끼치는 영향을 분석하였다.