• 한국컴퓨터정보학회논문지
• /
• 제25권12호
• /
• pp.35-44
• /
• 2020

본 연구에서는 주가 결정 방법이 주가 경향 예측에 미치는 영향을 확인하기 위한 분석을 수행한다. 주식시장에서 성공적인 투자를 위해서는 주가의 상승과 하락을 정확하게 예측하는 것이 큰 도움이 되므로 주가 경향 예측에 관해 많은 연구가 진행되고 있다. 예를 들어 근래에는 SNS나 뉴스의 내용을 텍스트 마이닝을 이용하여 분석하고, 이를 이용한 주가 등락의 예측 방법이 제안되었으며 다양한 기계학습 기법들이 활용되고 있다. 그러나 주가의 경향을 '상승' 또는 '하락'으로 결정하는 방법은 제대로 분석된 적 없으며 일반적으로 쓰던 방법을 답습하고 있다. 이에 본 논문에서는 주가 경향 결정 방법을 이동평균을 이용해 일반화하고 주가 경향 결정 방법이 예측 정확도에 미치는 영향을 분석한다. 분석 결과, 다음 날의 주가 경향을 예측하는 경우, 주가 경향 결정방법에 따라 예측 정확도가 47%까지 차이가 남을 발견하였다. 또한 경향 결정에 사용되는 기준값 윈도우의 크기와 예측의 정확도는 비례 관계이며, 대상값 윈도우의 크기와 정확도는 반비례 관례임을 알 수 있었다.

• 한국콘텐츠학회논문지
• /
• 제20권10호
• /
• pp.702-714
• /
• 2020

주식 투자는 재테크의 하나로 금리 인하와 비과세 제도의 축소에 따라 주목을 받기 시작했다. 그러나 투자에 전문적인 지식이 필요할 뿐 아니라 위험 부담이 크다는 단점이 있다. 따라서 주가 경향의 정확한 예측은 개인투자자에게나 주식 투자 관련 서비스를 제공하는 회사에 중요한 능력이며, 더욱 정확한 예측을 위한 연구가 활발히 진행 중이다. 그러나 예측 연구들의 공정한 비교와 최고의 예측 모델을 얻기 위한 하이퍼-파라미터의 최적화에는 예측 모델의 성능을 정확하게 평가하는 방법이 필요한데, 지금까지 예측 모델의 성능 평가에 대한 연구는 미진한 상태이며, 기존 방법들을 그대로 답습하고 있는 실정이다. 이에 본 논문에서는 주가 예측 모델 성능 평가를 측정기준과 데이터 구성의 관점에서 분석하고, 예측 불균형 비율을 이용한 주가 경향 예측 모델의 공정한 성능 평가 방법을 제안한다.

• Journal of Information Processing Systems
• /
• 제11권1호
• /
• pp.39-56
• /
• 2015

Continuous multi-interval prediction (CMIP) is used to continuously predict the trend of a data stream based on various intervals simultaneously. The continuous integrated hierarchical temporal memory (CIHTM) network performs well in CMIP. However, it is not suitable for CMIP in real-time mode, especially when the number of prediction intervals is increased. In this paper, we propose a real-time integrated hierarchical temporal memory (RIHTM) network by introducing a new type of node, which is called a Zeta1FirstSpecializedQueueNode (ZFSQNode), for the real-time continuous multi-interval prediction (RCMIP) of data streams. The ZFSQNode is constructed by using a specialized circular queue (sQUEUE) together with the modules of original hierarchical temporal memory (HTM) nodes. By using a simple structure and the easy operation characteristics of the sQUEUE, entire prediction operations are integrated in the ZFSQNode. In particular, we employed only one ZFSQNode in each level of the RIHTM network during the prediction stage to generate different intervals of prediction results. The RIHTM network efficiently reduces the response time. Our performance evaluation showed that the RIHTM was satisfied to continuously predict the trend of data streams with multi-intervals in the real-time mode.

• 국제학술발표논문집
• /
• The 3th International Conference on Construction Engineering and Project Management
• /
• pp.388-392
• /
• 2009

Operation of LNG (Liquefied Natural Gas) plants requires an effective maintenance strategy. To this end, the long-term and short-term trend of faults, such as mechanical and electrical troubles, should be identified so as to take proactive approach for ensuring the smooth and productive operation. However, it is not an easy task to predict the fault trend in LNG plants. Many variables and unexpected conditions make it quite difficult for the facility manager to be well prepared for future faulty conditions. This paper presents a model to predict the fault trend in a LNG plant. ARIMA (Auto-Regressive Integrated Moving Average) model is combined with Wavelet Transform to enhance the prediction capability of the proposed model. Test results show the potential of the proposed model for the preventive maintenance strategy.

• 대기
• /
• 제33권4호
• /
• pp.355-365
• /
• 2023

To proactively manage climate risk, near-term climate predictions on annual to decadal time scales are of great interest to various communities. This study evaluates the near-term climate prediction skills in East Asia with DePreSys4 retrospective decadal predictions. The model is initialized every November from 1960 to 2020, consisting of 61 initializations with ten ensemble members. The prediction skill is quantitatively evaluated using the deterministic and probabilistic metrics, particularly for annual mean near-surface temperature, land precipitation, and sea level pressure. The near-term climate predictions for May~September and November~March averages over the five years are also assessed. DePreSys4 successfully predicts the annual mean and the five-year mean near-surface temperatures in East Asia, as the long-term trend sourced from external radiative forcing is well reproduced. However, land precipitation predictions are statistically significant only in very limited sporadic regions. The sea level pressure predictions also show statistically significant skills only over the ocean due to the failure of predicting a long-term trend over the land.

• 지능정보연구
• /
• 제29권2호
• /
• pp.129-148
• /
• 2023

블록체인 기술이 적용되어 있는 암호화폐는 높은 가격 변동성을 가지며 투자자 및 일반 대중으로부터 큰 관심을 받아왔다. 이러한 관심을 바탕으로 암호화폐를 비롯한 투자상품의 미래가치를 예측하기 위한 연구가 이루어지고 있으나 예측모형에 대한 설명력 및 해석 가능성이 낮아 실무에서 활용하기 어렵다는 비판을 받아왔다. 본 연구에서는 암호화폐 가격 예측모형의 성과를 향상시키기 위해 금융투자상품의 가치평가에 활용되는 기술적 지표들과 함께 투자자의 사회적 관심도를 반영할 수 있는 구글 키워드 검색량 데이터를 사용하고 설명 가능한 인공지능을 적용하여 모형에 대한 해석을 제공하고자 한다. 최근 금융 시계열 분야에서 예측성과의 우수성을 인정받고 있는 LSTM(Long Short Term Memory)과 CNN(Convolutional Neural Networks)을 활용하고, 'bitcoin'을 검색어로 하는 구글 검색량 데이터를 적용해 일주일 후의 가격 등락 예측모형을 구축하였다. LSTM과 CNN을 활용해 구축한 모형들이 높은 예측성능을 보였으며 구글 검색량을 반영한 모형에서 더 높은 예측성과를 확인할 수 있었다. 딥러닝 모형의 해석 가능성 및 설명력을 위해 XAI의 SHAP 기법을 적용한 결과, 구글 검색량과 함께 과매수, 과매도 정도를 파악할 수 있는 지표들이 모형의 의사결정에 가장 큰 영향들을 미치고 있음을 파악할 수 있었다. 본 연구는 암호화폐 가격 등락 예측에 있어 전통적으로 시계열 예측에 우수한 성과를 인정받고 있는 LSTM뿐만 아니라 이미지 분류에서 높은 예측성과를 보이는 딥러닝 기법인 CNN 또한 우수한 예측성능을 보일 수 있음을 확인하였으며, XAI를 통해 예측모형에 대한 해석을 제공하고, 대중의 심리를 반영하는 정보 중 하나인 구글 검색량을 활용해 예측성과를 향상시킬 수 있다는 것을 확인했다는 점에서 의의가 있다.

• 한국수산과학회지
• /
• 제32권6호
• /
• pp.803-808
• /
• 1999

Trend of sea level change has been analysed by using the tidal data gathered at the 12 tide stations along the coast of Korean peninsula. Analysis and prediction of the sea level change were performed by Principal Component Analysis (PCA). For the period of 20 years from 1976 to 1995, the trend generally shows a rising pattern such as 0.22 cm/yr, 0.29 cm/yr, and 0.59 cm/yr along the eastern, southern, and western coast of Korea, respectively. On the average the sea level around the Korean peninsula seems to be rising at a rate of 0.37 cm/yr. Adopting the average rate to the sea level prediction model proposed by EPA (Titus and Narrayanan, 1995), the sea level may be approximately 50$\~$60 cm higher than the present sea level by the end of the next century.

• 산업경영시스템학회지
• /
• 제38권4호
• /
• pp.142-148
• /
• 2015

Due to advancements in technology and manufacturing capability, it is not uncommon that life tests yield no or few failures at low stress levels. In these situations it is difficult to analyse lifetime data and make meaningful inferences about product or system reliability. For some products or systems whose performance characteristics degrade over time, a failure is said to have occurred when a performance characteristic crosses a critical threshold. The measurements of the degradation characteristic contain much useful and credible information about product or system reliability. Degradation measurements of the performance characteristics of an unfailed unit at different times can directly relate reliability measures to physical characteristics. Reliability prediction based on physical performance measures can be an efficient and alternative method to estimate for some highly reliable parts or systems. If the degradation process and the distance between the last measurement and a specified threshold can be established, the remaining useful life is predicted in advance. In turn, this prediction leads to just in time maintenance decision to protect systems. In this paper, we describe techniques for mapping product or system which has degrading performance parameter to the associated classical reliability measures in the performance domain. This paper described a general modeling and analysis procedure for reliability prediction based on one dominant degradation performance characteristic considering pseudo degradation performance life trend model. This pseudo degradation trend model is based on probability modeling of a failure mechanism degradation trend and comparison of a projected distribution to pre-defined critical soft failure point in time or cycle.

• 한국지하수토양환경학회지:지하수토양환경
• /
• 제21권4호
• /
• pp.30-41
• /
• 2016

The amount of groundwater related data is drastically increasing domestically from various sources since 2000. To justify the more expansive continuation of the data acquisition and to derive valuable implications from the data, continued employments of sophisticated and state-of-the-arts statistical tools in the analyses and predictions are important issue. In the present study, we employed a well established machine learning technique of Gaussian Process Regression (GPR) model in the trend analyses of groundwater level for the long-term change. The major benefit of GPR model is that the model provide not only the future predictions but also the associated uncertainty. In the study, the long-term predictions of groundwater level from the stations of National Groundwater Monitoring Network located within Han River Basin were exemplified as prediction cases based on the GPR model. In addition, a few types of groundwater change patterns were delineated (i.e., increasing, decreasing, and no trend) on the basis of the statistics acquired from GPR analyses. From the study, it was found that the majority of the monitoring stations has decreasing trend while small portion shows increasing or no trend. To further analyze the causes of the trend, the corresponding precipitation data were jointly analyzed by the same method (i.e., GPR). Based on the analyses, the major cause of decreasing trend of groundwater level is attributed to reduction of precipitation rate whereas a few of the stations show weak relationship between the pattern of groundwater level changes and precipitation.

• 융합보안논문지
• /
• 제12권3호
• /
• pp.115-121
• /
• 2012

소프트웨어 고장 시간은 테스팅 시간과 관계없이 일정하거나. 단조증가 혹은 단조 감소 추세를 가지고 있다. 이러한 소프트웨어 신뢰모형들을 분석하기 위한 자료척도로 자료에 대한 추세 검정이 개발되어 있다. 추세 분석에는 산술평균 검정과 라플라스 추세 검정 등이 있다. 추세분석들은 전체적인 자료의 개요의 정보만 제공한다. 본 논문에서는 고장시간을 측정하다가 시간 절단이 될 경우에 미래의 고장 시간 예측에 관하여 연구 하였다. 곡선회귀모형에 이용되는 S곡선모형과 성장모형, 로지스틱을 이용하여 미래고장 시간을 예측하여 비교 하였다. 제안된 예측방법에서는 고장시간 자료를 이용하여 모형들에 대한 예측 값을 결정계수 와 평균제곱오차를 이용하여 비교 하고 효율적 모형을 선택 하였다.