• The Journal of Information Systems
• /
• v.10 no.2
• /
• pp.151-164
• /
• 2001

현재의 항공사 기내식 수요예측 시스템으로는 항공기 운항의 지연이나 초과 주문으로 인한 손실 문제를 해결하기 힘든 것으로 알려져 있다. 이러한 문제를 해결하기 위해 본 연구에서는 항공기 기내식 시계열 자료만을 입력변수로 사용한 단순인공신경망모형(simple neural network model), 단순인공신경망모형에 전통적인 시계열 기법(본 연구에서는 지수 평활법)의 예측 결과를 입력변수로 추가한 혼합인공신경망모형(hybrid neural network model), 그리고 혼합인공신경 망 모형에 상관관계가 높은 다른 시계열 자료(본 논문에서는 유사 노선의 다른 항공기 기내식 시계열 자료)를 인공신경망의 입력변수로 추가시킨 하이퍼혼합인공신경망모형(hyper hybrid neural network model)을 새로운 항공기 기내식 수요예측 기법으로 제안하고, 이들 모형의 예측력을 비교 분석하였다. 분석 결과 하이퍼혼합인공신경망 모형의 예측력이 가장 우수한 것으로 나타나, 인공신경 망을 기반으로 한 수요예측에 있어 상관관계가 높은 다른 시계열 자료를 입력변수로 추가함으로써 인공신경망모형의 예측력을 개선시킬 수 있음을 알 수 있었다

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.314-318
• /
• 2009

본 연구의 목적은 강우-유출자료 및 댐 방류량 자료의 비선형적인 특정을 가장 잘 반영할 수 있는 신경망모형을 적용하여 수질정책의 기초자료를 제공하기 위하여 신뢰성 있는 유량자료를 산정하는 모형을 개발하였고 이를 낙동강 유역에 적용하는 것이다. 이를 위해서 낙동강물환경연구소의 8일 측정 유량이 가지는 정확성을 이용하면서 상류 댐의 일 방류량자료와 유역별 강우자료 및 국토해양부 수위관측소의 수위자료를 연계하여 유량을 보간할 수 있는 유량 보간 신경망 모형을 개발하였다. 신경망 모형의 출력값은 낙동강물환경 연구소에서 측정하지 않은 기간에 대하여 유량을 보간할 수 있도록 구성하였으며 신경망 모형의 구조는 입력층과 출력층 사이에 하나의 은닉층이 존재하는 다층 신경망으로 구성하였으며, 학습단계에서는 오류 역전파 알고리듬 학습방법 중 모멘텀법을 사용하였다. 본 연구를 통하여 낙동강 전 유역에 대하여 유량 보간 모형을 적용한 결과 댐 방류량과 강우자료 및 상류 수위 관측소의 유량 자료를 이용한 유량 보간 신경망모형의 일 유량결과의 적용가능성을 검증할 수 있으며, 제시된 모형은 지속적인 수문자료의 질적 향상과 유출패턴의 축적으로 그 성능을 향상시킬 수 있을 것이며 또한 홍수기의 더 정확한 유량예측을 위한 적용사례의 확장 및 SWAT을 이용한 모형의 적용에 대한 연구가 병행되어야 할 것이다.

• Korean Journal of Construction Engineering and Management
• /
• v.7 no.2 s.30
• /
• pp.162-170
• /
• 2006

Neural network analysis is expected to enhance the forecasting ability for the real estate market. This paper reviews definition, structure, strengths and weaknesses of neural network analysis, and verifies the applicability of neural network analysis for the real estate market. Neural network analysis is compared with regression analysis using the same sample data. The analyses model the macroeconomic parameters that influence the sales price of apartments. The results show that neural network analysis provides better forecasting accuracy than regression analysis does, what confirms the applicability of neural network analysis for the real estate market.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2012.01a
• /
• pp.263-264
• /
• 2012

본 논문은 여러 개의 독립적인 시계열로 구성된 시계열 패널 자료를 이용하여 비선형 모형인 GRCA모형과 신경망을 이용하여 예측값을 구하여 서로 비교 분석하고자 한다. 먼저 GRCA모형에 대하여 연구하고 신경망의 구조와 예측값을 구하기 위한 여러 가지 변환함수를 유도한다. 단기 예측에서는 신경망 방법의 예측값이 더 좋았고, 장기예측에서는 비선형모형을 이용한 예측값이 더 좋은 것으로 나타났다.

• Journal of Korea Water Resources Association
• /
• v.37 no.9
• /
• pp.771-780
• /
• 2004

The purpose of this study is to test a development of system for flood runoff forecasting using neural network model. As the forecasting models for flood runoff the neural network model was tested with the observed flood data at Gongju and Buyeo stations. The neural network model consists of input layer, hidden layer, and output layer. For the flood events tested rainfall and runoff data were the input to the input layer and the flood runoff data were used in the output layer. To make a choice the forecasting model which would make up of runoff forecasting system properly, real-time runoff of river when flood periods were forecasted by using neural network model and state-space model. A comparison of the results obtained by the two forecasting models indicated the superiority and reliability of the neural network model over the state-space model. The neural network model was modified to work in the Web and developed to be the basic model of the forecasting system for the flood runoff. The neural network model developed to be used in the Web was loaded into the server and was applied to the main stream of Geum river. For the main stage gauging stations mentioned above the applicability of the selected forecasting model, the Neural Network Model, was verified in the Web.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.512-512
• /
• 2015

시 공간적 관측에서 다양한 원인에 의해 강우 자료에 결측이나 오측이 발생할 수 있다. 강우를 측정하고 자료를 수집 관리하는 측면에서 결측 되거나 오측된 자료를 추정 보완할 필요가 있다. 현재까지 결측 강우 자료를 추정하기 위한 방법으로 결측 지점 인근의 관측소를 이용한 단순 가중 평균치 방법에서부터 복잡한 통계적 기반의 보간 방법에 이르기까지 많은 연구들이 진행되고있다. 본 연구에서는 결측 된 강우 자료를 추정하기 위해 인공 신경망을 이용하여 모형을 구축하고 주변 관측소의 강우자료를 이용해 신경망 학습을 실시하여 적용해 보았으며, 최근 관측의 단위가 짧아지고 있는 점을 고려하여 10분, 30분, 1시간 등 다양한 시간간격의 강우자료를 구축하고 선형회귀모형과 RDS 방법, 신경망 모형을 이용한 방법 등을 적용한 결과를 비교하여 신경망 모형의 적용성을 살펴보았다. 단순한 구조면에서는 기존의 RDS 방법에 대한 적용성이 높은 것으로 판단되었으나, 성능의 개선을 위한 별다른 방법이 없는 반면 신경망 모형은 입력 자료를 다양하게 변환하여 구성하는 경우 성능을 개선하여 적용성이 더 높아 질 수 있는 것으로 판단되었다. 향후 신경망 모형을 이용해 잘못 측정된 강우를 적절히 선별하고 결측된 보완함으로써 관측된 강우 자료의 활용성을 높일 수 있을 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.320-320
• /
• 2019

유역의 수문 자료를 정확하게 분석하는 것은 수리 구조물을 효율적으로 운영하기 위한 중요한 요소이다. 인공신경망(Artificial Neural Networks, ANNs) 모형은 입 출력 자료의 비선형적인 관계를 해석할 수 있는 모형으로 강우-유출 해석 등 수문 분야에 다양하게 적용되어 왔다. 이후 기존의 인공신경망 모형을 연속적인(sequential) 자료의 분석에 더 적합하도록 개선한 회귀신경망(Recurrent Neural Networks, RNNs) 모형과 회귀신경망 모형의 '장기 의존성 문제'를 개선한 장단기메모리(Long Short-Term Memory Networks, 이하 LSTM)가 차례로 제안되었다. LSTM은 최근에 주목받는 딥 러닝(Deep learning) 기법의 하나로 수문 자료와 같은 시계열 자료의 분석에 뛰어난 성능을 보일 것으로 예상되며, 수문 분야에서 이에 대한 적용성 평가가 요구되고 있다. 본 연구에서는 인공신경망 모형과 LSTM 모형으로 유출량을 모의하여 두 모형의 성능을 비교하고 향후 LSTM 모형의 활용 가능성을 검토하고자 하였다. 나주 수위관측소의 수위 자료와 인접한 기상관측소의 강우량 자료로 모형의 입 출력 자료를 구성하여 강우 사상에 대한 시간별 유출량을 모의하였다. 연구 결과, 1시간 후의 유출량에 대해서는 두 모형 모두 뛰어난 모의 능력을 보였으나, 선행 시간이 길어질수록 LSTM의 정확성은 유지되는 반면 인공신경망 모형의 정확성은 점차 떨어지는 것으로 나타났다. 앞으로의 연구에서 유역 내 다양한 수리 구조물에 의한 유 출입량을 추가로 고려한다면 LSTM 모형의 활용성을 보다 더 확장할 수 있을 것이다.

• The Korean Journal of Applied Statistics
• /
• v.37 no.3
• /
• pp.297-309
• /
• 2024

This paper evaluates the performance of the neural network autoregressive model combined with an exponential smoothing model, called the NNARX+ETS model. The combined model utilizes the components of ETS as exogenous variables for NNARX, to forecast time series data using artificial neural networks. The main idea is to enhance the performance of NNAR using only lags of the original time series data, by combining traditional time series analysis methods with the neural networks through NNARX. We employ two real data for performance evaluation and compare the NNARX+ETS with NNAR and traditional time series analysis methods such as ETS and ARIMA (autoregressive integrated moving average) models.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.354-354
• /
• 2017

홍수예경보는 발생되는 홍수의 규모와 시간을 가능한 정확하고 빠르게 예측하여 홍수에 대한 위험성을 사전에 알리고자 하는데 목적이 있다. 따라서 하천범람에 따른 피해를 최소화하기 위한 홍수예경보는 일정시간의 선행시간을 확보하는 것이 매우 중요하다. 본 연구에서는 현재 하천에서 측정되고 있는 수위 관측 자료를 이용하여 하류의 수위를 예측하였다. 수위 예측을 위해 다중회귀모형 및 신경망 모형을 한강의 제1지류인 횡성댐 상류 섬강 시험유역에 적용하였다. 다중회귀모형 및 신경망 모형의 학습에는 섬강 시험유역의 2002년부터 2010년까지의 수위 관측 자료를 이용하였으며, 학습된 모형을 이용하여 30분 이내에 발생 가능한 수위를 예측하였다. 모의 결과 신경망 수위예측모형의 결정계수는 0.967으로 나타났으며, 다중회귀수위예측 모형의 결정계수는 0.815로 나타나 신경망을 이용한 수위예측모형이 다중회귀모형보다 좀 더 나은 예측 결과를 나타내는 것을 확인할 수 있었다. 본 연구결과는 향후 중소하천에서 선행시간을 확보한 홍수 예경보 구축에 활용할 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.904-907
• /
• 2005

본 연구에서는 강우량의 실측치인 자동기상관측소(AWS) 자료와 현재의 대기상태인 인공위성(GMS-5호) 자료를 입력자료로 하여 현재부터 3시간 선행시간까지의 면적평균강우량을 예측할 수 있도록 강우예측 신경망 모형을 개발하였으며, 2002년 8월 집중호우시 남강댐 유역에 적용하였다. 신경망 모형의 학습을 위해서 $1998\~2001$년 $6\~9$월과 2002년 6, 7월의 강우사상과 적외선 자료가 사용되었고, 학습이 종료되면 예측기간(2002년 8월 $6\~16$일)동안의 강우예측이 수행되었다. 신경망 모형의 학습단계에서는 자료들간의 비선형 상관관계를 나타내는데 적합한 역전파 알고리즘 학습방법 중 모멘텀법을 사용하였으며, 신경망 모형의 출력값은 현재부터 3시간 후까지의 면적평균강우량을 예측할 수 있도록 구성하였다. 예측된 면적평균강우량은 실제 관측된 강우량의 패턴은 잘 따르고 있었지만 첨두치를 과소평가하는 경향이 나타났다. 본 연구에서 개발된 신경망 모형은 관측된 강우자료의 품질과 패턴이 모형의 정확성에 미치는 영향이 절대적인 기존의 신경망 모형과 차별화하여, 현재의 대기상태를 나타내는 인공위성 자료를 추가함으로써 보다 정확한 강우량 예측이 가능하도록 하였다.