• 무역학회지
• /
• 제44권6호
• /
• pp.187-199
• /
• 2019

Vietnam's economic growth has progressed rapidly since Doi Moi. Vietnam is a key driving force for global economic growth on behalf of China. Therefore, this study analyzed the factors of Vietnam's economic growth by using time series variables after Doi Moi. Study results show that educational expenditures affect ODA in the short term. In the long run, GDP and FDI are causally related to ODA. Based on the above findings, it can be seen that FDI and ODA played a significant role in Vietnam's economic growth. This finding suggests that in order for Vietnam's economy to grow further, the capital market should be more open to foreigners so that FDI and ODA can flow more smoothly. Since the inflow of FDI is also linked to educational expenditure, it is important to understand that the workforce is being upgraded in the Vietnamese labor market.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권2호
• /
• pp.467-479
• /
• 2022

Working memory (WM), which plays a vital role in daily activities, is a memory system that temporarily stores and processes information when people are engaged in complex cognitive activities. The influence of music on WM has been widely studied. In this work, we conducted a series of n-back memory experiments with different task difficulties and multiple trials on 14 subjects under the condition of no music and Alpha wave leading music. The analysis of behavioral data show that the change of music condition has significant effect on the accuracy and time of memory reaction (p<0.01), both of which are improved after the stimulation of Alpha wave music. Behavioral results also suggest that short-term training has no significant impact on working memory. In the further analysis of electrophysiology (EEG) data recorded in the experiment, auto-regressive (AR) model is employed to extract features, after which an average classification accuracy of 82.9% is achieved with support vector machine (SVM) classifier in distinguishing between before and after WM enhancement. The above findings indicate that Alpha wave leading music can improve WM, and the combination of AR model and SVM classifier is effective in detecting the brain activity changes resulting from music stimulation.

• International Journal of Computer Science & Network Security
• /
• 제22권7호
• /
• pp.301-307
• /
• 2022

Energy consumption has grown alongside dramatic population increases. Statistics show that buildings in particular utilize a significant amount of energy, worldwide. Because of this, building energy prediction is crucial to best optimize utilities' energy plans and also create a predictive model for consumers. To improve energy prediction performance, this paper proposes a ResNet-LSTM model that combines residual networks (ResNets) and long short-term memory (LSTM) for energy consumption prediction. ResNets are utilized to extract complex and rich features, while LSTM has the ability to learn temporal correlation; the dense layer is used as a regression to forecast energy consumption. To make our model more robust, we employed Huber loss during the optimization process. Huber loss obtains high efficiency by handling minor errors quadratically. It also takes the absolute error for large errors to increase robustness. This makes our model less sensitive to outlier data. Our proposed system was trained on historical data to forecast energy consumption for different time series. To evaluate our proposed model, we compared our model's performance with several popular machine learning and deep learning methods such as linear regression, neural networks, decision tree, and convolutional neural networks, etc. The results show that our proposed model predicted energy consumption most accurately.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.366-366
• /
• 2022

유역의 하천유량과 같은 수문 시계열을 모의 또는 예측하기 위한 수문 모델링에서 최근 기계 학습 방법을 활용한 연구가 활발하게 적용되고 있는 추세이다. 이러한 데이터 기반 모델링 접근법은 입출력 자료에서 관찰된 패턴을 학습하며, 특히, 장단기기억(Long Short-Term Memory, LSTM) 네트워크는 많은 연구에서 수문 시계열 예측에 대한 적용성이 검증되었으나, 장기간의 고품질 관측자료를 활용할 때 더 나은 예측성능을 보인다. 그러나 우리나라의 경우 장기간 관측된 고품질의 하천유량 자료를 확보하기 어려운 실정이다. 따라서 본 연구에서는 LSTM 네트워크의 학습 시 가용한 모든 유역의 자료를 통합하여 학습시켰을 때 하천유량 예측성능을 개선할 수 있는지 판단해보고자 하였다. 이를 위해, 우리나라 13개 댐 유역을 대상으로 대상 유역의 자료만을 학습한 모델의 예측성능과 모든 유역의 자료를 학습한 모델의 예측성능을 비교해 보았다. 학습은 2001년부터 2010년까지 기상자료(강우, 최저·최고·평균기온, 상대습도, 이슬점, 풍속, 잠재증발산)를 이용하였으며, 2011년부터 2020년에 대해 테스트 되었다. 다지점 통합학습을 통해 테스트 기간에 대해 예측된 각 유역의 일 하천유량의 KGE 중앙값이 0.74로 단일지점 학습을 통해 예측된 KGE(0.72)보다 다소 개선된 결과를 보여주었다. 다지점 통합학습이 하천유량 예측에 큰 개선을 달성하지는 못하였으며, 추가적인 가용 자료 확보와 LSTM 구성의 개선을 통해 추가적인 연구가 필요할 것으로 판단된다.

• 국제학술발표논문집
• /
• The 9th International Conference on Construction Engineering and Project Management
• /
• pp.814-822
• /
• 2022

The deployment of sensors for Structural Health Monitoring requires a complicated network arrangement, ground truthing, and calibration for validating sensor performance periodically. Any conventional sensor on a structural element is also subjected to static and dynamic vertical loadings in conjunction with other environmental factors, such as brightness, noise, temperature, and humidity. A structural model with strain gauges was built and tested to get realistic sensory information. This paper investigates different deep learning architectures and algorithms, including unsupervised, autoencoder, and supervised methods, to benchmark blind drift calibration methods using deep learning. It involves a fully connected neural network (FCNN), a long short-term memory (LSTM), and a gated recurrent unit (GRU) to address the blind drift calibration problem (i.e., performing calibrations of installed sensors when ground truth is not available). The results show that the supervised methods perform much better than unsupervised methods, such as an autoencoder, when ground truths are available. Furthermore, taking advantage of time-series information, the GRU model generates the most precise predictions to remove the drift overall.

• 한국항공운항학회지
• /
• 제31권1호
• /
• pp.92-98
• /
• 2023

This paper used the golf course visitors' data in Jeju region to forecast the growth of inbound air traveler to Jeju. This is because the golf course visitors were proven to bring the highest economic and production inducement effect to the Jeju region. Based on such a data, this paper forecast the short-term growth rate of inbound air traveler using ARIMA to the Jeju until December 2025. According to ARIMA (0,1,0) (0,1,1) model, it was analyzed that the monthly number of golf course visitors to Jeju has been increasing steadily even since COVID-19 pandemic and the number is expected to grow until the end of 2025. Applying the same parameters of ARIMA (0,1,0) (0,1,1) to inbound air travel data, it was found the growth rate of inbound air travelers would be higher than the growth rate of 2019 shortly without moderate variation even though the monthly number of inbound travelers to Jeju had been dropped during COVID-19 pandemic.

• 지능정보연구
• /
• 제17권3호
• /
• pp.187-201
• /
• 2011

방향성(Direction)과 변동성(Volatility)에 대한 분석은 증권투자를 위한 시장분석의 기초가 된다. 변동성분석이 옵션 투자에서 중요하다면 주식이나 주가지수선물투자는 방향성분석에 의하여 투자성과가 결정된다. 기존의 금융분석에서 기계학습을 이용한 방향성에 대한 연구는 주가나 투자위험의 예측을 중심으로 이루어졌으며, 최근에 와서야 실전투자를 위한 매매시스템(trading system) 개발에 대한 연구가 이루어지고 있다. 인공지능형 주가예측모형에서는 ANN(artificial neural networks), fuzzy system, SVM(Support Vector Machine) 등의 기법이 주로 활용되고 있다. 본 연구에서는 방향성매매를 위한 지능형 기계학습방법 중에서도 패턴인식에서 좋은 성과를 보이고 있는 은닉마코프 모형(Hidden Markov Model)을 이용한다. 실무적으로는 방향성 예측을 위해 주로 주가의 추세분석(Trend Analysis)을 활용한다. 다양한 기술적 지표를 이용한 추세분석에 기반한 시스템트레이딩(System Trading) 기법은 실전투자에서 점차 확대추세에 있다. 본 연구에서는 시스템트레이딩 기법 중 실무에서 많이 이용되는 이동평균교차전략(moving average cross)에 연속 은닉마코프모형을 적용한 지능형 매매시스템을 제안하고, 실제 주가자료를 이용한 시뮬레이션 결과를 제시한다. 세계적 선물시장으로 성장한 KOSPI200 선물시장에서 제안된 매매시스템의 장기간의 투자성과를 분석하기 위하여 지난 21년 동안의 KOSPI200 주가지수자료를 실증 분석하였다. 분석결과는 KOSPI200 주가지수선물의 방향성매매에서 제안된 CHMM기반 지능형 매매시스템이 실전에서 일반적으로 활용되는 시스템트레이딩 기법의 투자성과를 개선할 수 있음을 보여주었다.

• 기술혁신연구
• /
• 제25권1호
• /
• pp.61-89
• /
• 2017

본 연구는 연구개발지출, 연구개발인력, 해외직접투자, 상품무역수지, 기술무역개방 등이 기술무역수지에 미치는 영향을 실증적으로 분석하는데 그 목적이 있다. 이에 1981년부터 2014년까지의 연간 시계열 데이터를 이용하여 ARDL-bounds 검정을 실시하였으며, 그 결과 이들 경제변수들 간에 안정적인 장기균형관계가 존재함을 확인하였다. 이어서 기술무역수지에 대한 각 변수들의 장기와 단기적 영향을 추정해보았다. 먼저 장기균형식에 따른 결과를 살펴보면, 연구개발지출은 기술무역수지에 장기적으로 부(-)의 효과를 미치고, 연구개발인력과 기술무역개방은 기술무역수지에 장기적으로 정(+)의 효과를 미치는 것으로 나타났다. 그에 반해, 해외직접투자와 상품무역수지는 통계적으로 유의하지 않은 것으로 분석되었다. 그리고 오차수정모형을 토대로 분석한 결과에 따르면, 해외직접투자만 단기적으로 기술무역수지에 정(+)의 영향을 미치는 것으로 나타났으며, 그 외 변수들의 경우 차분항의 시차변수들이 양(+)과 음(-)이 혼재된 결과가 나타나 명확한 단기적 관계는 도출하지 못하였다. 이상 이러한 결과들을 종합하건대, 장기적으로 기술무역수지를 개선하기 위해서는 연구인력의 양성 및 확보가 무엇보다 중요하며, 기술무역에 대한 시장개방 역시 점차적으로 확대해 나갈 필요가 있는 것으로 판단된다.

• 에너지공학
• /
• 제25권2호
• /
• pp.37-44
• /
• 2016

2차 에너지인 전력은 다양한 연료를 발전원으로 하고 있기 때문에, 전력에 대한 수요는 에너지 각 부문에 적지 않은 영향을 미친다. 이에 본 논문에서는 전력수요함수를 추정하여 가격탄력성 및 소득탄력성에 대한 정량적 정보를 도출하고자 한다. 이를 위해 1991년부터 2014년까지의 연간 시계열 자료를 이용하되, 탄력성을 단기와 장기를 구분하여 추정할 수 있는 내생시차변수모형을 적용한다. 종속변수로는 연간 전력수요, 독립변수로는 상수항, 전력실질가격, 실질 국내총생산의 3가지를 이용한다. 분석결과 단기 가격탄력성 및 소득탄력성은 각각 -0.142 및 0.866으로 추정되었으며 유의수준 5%에서 통계적으로 유의하다. 즉 전력수요는 단기적인 관점에서 가격 변화에 대해 비탄력적임과 동시에 소득 변화에 대해서도 비탄력적이다. 장기 가격탄력성 및 소득탄력성을 추정한 결과를 살펴보면 각각 -0.210 및 1.287이며 이 값은 유의수준 5%에서 통계적으로 유의하다. 장기적인 관점에서 보더라도 전력수요는 가격 변화에 대해 여전히 비탄력적인 반면에, 소득 변화에 대해서는 전력수요가 탄력적으로 변한다. 따라서 가격정책 위주의 수요관리정책은 단기 및 장기 모두 효과가 제한적이며, 향후 예상되는 소득 증가에 기인하는 전력수요의 증가는 단기보다는 장기에 보다 두드러질 것으로 예상된다.

• 해양환경안전학회지
• /
• 제26권2호
• /
• pp.186-194
• /
• 2020

본 연구에서는 한국의 동해, 서해 및 남해안에서 하계 수온의 단기적인 변화에 영향을 주는 환경 요인을 파악하기 위해 국립해양조사원에서 제공하는 2016년 하계 조위관측소의 수온, 기온, 조위 및 바람자료를 이용하여 스펙트럼 분석을 실시하였다. Power spectrum 분석 결과, 평균조차가 100 cm 이상인 서해안(인천, 평택, 군산 및 목포)과 남해안(완도, 고흥, 여수, 통영 및 마산)에서는 수온, 조위가 동일한 주기에서 peak가 나타났다. 반면에 서해안과 남해안에 비해 평균조차가 상대적으로 작은 동해안(묵호, 포항 및 울산)과 부산에서는 수온의 주기성이 나타나지 않았다. Coherence 분석에서 서해안과 남해안의 3개 정점(완도, 고흥, 통영)은 수온과 조위의 상관성이 높게 나타났다. 특히 완도와 통영에서 수온과 조위의 상관성은 반일주기에서 0.96으로 높았다. 여수는 조석과 담수의 유입이 수온에 영향을 주는 것으로 보인다. 한편 마산의 수온은 남풍의 바람 영향이 가장 크지만 조석과 담수의 영향도 받는 것으로 판단된다. 그리고 동해안은 조차가 작고 해류의 영향이 크기 때문에 수온에 대한 조석의 영향이 작은 것으로 사료된다. 환경 요인의 시계열그래프를 비교한 결과, 수온과 조위가 상관성이 높게 나타난 정점은 창조 시 비교적 저수온의 외해수가 유입되고 낙조 시 빠져나가는 것으로 판단된다. 일주기의 수온 변화는 조석의 영향이 크지만 전체적인 수온의 상승과 하강은 기온의 영향이 큰 것으로 보인다.