• 한국인터넷방송통신학회논문지
• /
• 제12권5호
• /
• pp.229-235
• /
• 2012

경제적인 국제화가 심화되어 세계경제가 통합화되는 환경에서 기업 및 개인, 금융기관 등의 외환거래 참가가들에게 외환거래로 인한 환위험의 회피방안이 무엇보다 절실하다. 이 방안을 마련하기 위하여 본 연구에서는 환율, 주가와 같은 시계열데이터의 모형추정에 적합한 은닉마아코프모델을 통해 단기 환율의 예측모형을 추정하고 이를 통해 향후 예측에 적용한다. 실제의 원/달러 환율데이터를 적용하여 최적의 모형이 추정된다면 이를 통해 향후의 일정기간의 운동양태의 예측이 가능할 것이다. 은닉마아코프모형의 추정을 위하여 베이지안정보기준을 통해 모형의 상태수를 정확하게 추정하는지를 확인하였으며 추정되는 모형으로 예측한 결과 실제 운동양태와 예측에 있어 두 곡선의 운동양태가 유사함을 확인하였다.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.134-142
• /
• 2019

에너지인터넷 기술의 발전과 다양한 전자기기의 보급으로 에너지소비량이 패턴이 다양해짐에 따라 수요예측에 대한 신뢰도가 감소하고 있어 발전량 최적화 및 전력공급 안정화에 문제를 야기하고 있다. 본 연구에서는 고신뢰성을 갖는 수요예측을 위해 딥러닝 기법인 Convolution neural network(CNN)과 Bidirectional Long Short-Term Memory(BLSTM)을 융합한 1Dimention-Convolution and Bidirectional LSTM(1D-ConvBLSTM)을 제안하고, 제안한 기법을 활용하여 시계열 에너지소비량대한 소비패턴을 효과적으로 추출한다. 실험 결과에서는 다양한 반복학습 횟수와 feature map에 대해서 수요를 예측하고 적은 반복학습 횟수로도 테스트 데이터의 그래프 개형을 예측하는 것을 검증한다.

• 한국컴퓨터정보학회논문지
• /
• 제27권7호
• /
• pp.187-194
• /
• 2022

LNG는 미래 친환경으로 가는 과도기적 에너지원으로서, 세계적인 친환경 규제, COVID-19 팬데믹, 러시아-우크라이나 전쟁 등을 계기로 엄청난 시장의 주목을 받고 있으며, 미국과 호주 등 새로운 LNG 공급처도 다양화되고 있어 LNG 스팟시장이 갈수록 커질 것으로 예상된다. 이에 반해 LNG 운송시장에 관한 연구는 그동안 소외됐었다. 본 연구는 LNG 160K 스팟운임의 단기예측에 연구를 시도하였으며 인공신경망과 ARIMA 모형을 활용하여 예측성능을 비교하였다. 본 논문의 결과, ARIMA와 인공신경망의 예측성능에 관한 우열을 가리기는 어려웠으나 ARIMA모형이 가지는 데이터 제약이 있으므로 ANN의 상대적인 자유로운 제약조건을 고려하면 LNG 160K 스팟운임 예측에 활용 가능성을 확인하였다. 본 논문은 LNG 160K 스팟운임에 관하여 인공신경망을 적용한 최초의 시도로서 학문적인 의의가 있으며, 스팟운임의 단기예측 정확성을 높여 시장 참여자들의 단기투자 의사결정의 질을 높일 수 있다는 측면에서 실무적인 기여를 할 수 있을 것으로 기대된다.

• 한국지구과학회지
• /
• 제45권4호
• /
• pp.327-337
• /
• 2024

The ocean is linked to long-term climate variability, but there are very few methods to assess the short-term performance of forecast models. This study analyzes the short-term prediction performance regarding ocean temperature and salinity of the Global Seasonal prediction system version 5 (GloSea5). GloSea5 is a historical climate re-creation (2001-2010) performed on the 1st, 9th, 17th, and 25th of each month. It comprises three ensembles. High-resolution hindcasts from the three ensembles were compared with the Array for Real-Time Geostrophic Oceanography (ARGO) float data for the period 2001-2010. The horizontal position was preprocessed to match the ARGO float data and the vertical layer to the GloSea5 data. The root mean square error (RMSE), Brier Score (BS), and Brier Skill Score (BSS) were calculated for short-term forecast periods with a lead-time of 10 days. The results show that sea surface temperature (SST) has a large RMSE in the western boundary current region in Pacific and Atlantic Oceans and Antarctic Circumpolar Current region, and sea surface salinity (SSS) has significant errors in the tropics with high precipitation, with both variables having the largest errors in the Atlantic. SST and SSS had larger errors during the fall for the NINO3.4 region and during the summer for the East Sea. Computing the BS and BSS for ocean temperature and salinity in the NINO3.4 region revealed that forecast skill decreases with increasing lead-time for SST, but not for SSS. The preprocessing of GloSea5 forecasts to match the ARGO float data applied in this study, and the evaluation methods for forecast models using the BS and BSS, could be applied to evaluate other forecast models and/or variables.

• 한국멀티미디어학회논문지
• /
• 제21권2호
• /
• pp.271-280
• /
• 2018

Recently, big data has been growing rapidly due to the development of IT technology. Especially in the medical field, big data is utilized to provide services such as patient-customized medical care, disease management and disease prediction. In Korea, 'National Health Alarm Service' is provided by National Health Insurance Corporation. However, the prediction model has a problem of short-term prediction within 3 days and unreliability of social data used in prediction model. In order to solve these problems, this paper proposes a disease prediction model using medicine prescription data generated from actual patients. This model predicts the total number of patients and the risk of disease in each region and uses the ARIMA model for long-term predictions.

• 항공우주시스템공학회지
• /
• 제14권2호
• /
• pp.50-56
• /
• 2020

In this study, we investigated whether long short-term memory (LSTM) can be used in the future to predict F10.7 index data; the F10.7 index is a space environment factor affecting atomic oxygen erosion. Based on this, we compared the prediction performances of LSTM, the Autoregressive integrated moving average (ARIMA) model (which is a traditional statistical prediction model), and the similar pattern searching method used for long-term prediction. The LSTM model yielded superior results compared to the other techniques in the prediction period starting from the max/min points, but presented inferior results in the prediction period including the inflection points. It was found that efficient learning was not achieved, owing to the lack of currently available learning data in the prediction period including the maximum points. To overcome this, we proposed a method to increase the size of the learning samples using the sunspot data and to upgrade the LSTM model.

• 한국분무공학회지
• /
• 제25권4호
• /
• pp.188-195
• /
• 2020

To meet stringent emission regulations of automotive engines, fuel injection control techniques have advanced based on reliable and fast computing prediction models. This study aims to develop a reliable lightweight prediction model of fuel injection rates using a small number of input parameters and based on simple fluid dynamic theories. The prediction model uses the geometry of the injector nozzle, needle motion data, injection conditions and the fuel properties. A commercial diesel injector and US No. 2 diesel were used as the test injector and fuel, respectively. The needle motion data were measured using X-ray phase-contrast imaging technique under various fuel injection pressures and injection pulse durations. The actual injector rate profiles were measured using an injection rate meter for the validation of the model prediction results. In the case of long injection durations with the steady-state operation, the model prediction results showed over 99 % consistency with the measurement results. However, in the case of short injection cases with the transient operation, the prediction model overestimated the injection rate that needs to be further improved.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2003년도 ICCAS
• /
• pp.723-727
• /
• 2003

In this paper, two methods are discussed for good rolling force prediction in a plate mill. One is about the development of a long and a short learning scheme using a Neural Network for normal rolling and the other is about a mathematical model improvement by considering microstructural changes for controlled rolling. The research results are implemented in a on-line system of Pohang Works in POSCO and the field tests have showed that the prediction accuracies of rolling force are highly improved.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2005년도 학술발표회 논문집
• /
• pp.225-229
• /
• 2005

이류모형을 이용한 단기예측 레이더 강우자료와 관측 레이더자료의 비교를 통하여 얻어진 예측오차를 분석하였다. 임의 시점까지의 예측오차 장에 나타나는 확률분포 형태와 공간적 상관성을 분석하여 이들 특성을 반영하는 추후의 예측오차 장을 모의할 수 있었다. 모의된 예측오차 장과 합성된 단기예측 강우 장은 이류모형을 이용한 예측에 따른 불확실성 을 추계학적으로 반영한 예측강우를 제공한다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 제13회 신호처리 합동 학술대회 논문집
• /
• pp.299-302
• /
• 2000

최근에 새로운 텍스트 압축방법인 BWT(Burrows and Wheeler transformation)가 소개되었다. 이 변환은 우수한 텍스트 압축성능을 가지지만 텍스트와 영상의 다른 성질로 인해 영상에 직접 적용될 때 그다지 우수한 압축성능을 기대할 수 없다. 본 논문에서는L-SSKF(Lossless Symmetric Short Kernel Filter)를 사용하여 영상을 대역분할한 후에 BWT를 수행하여 무손실이면서 우수한 압축성능을 가지는 무손실 영상압축방법을 제안한다. 또한 압축성능의 향상을 위해 두과정의 중간에 화소예측방법인GAP(Gradient Adjusted Prediction)를 적용하여 성능개선을 비교하였다.