• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권2호
• /
• pp.767-785
• /
• 2021

With the rapid development of information technology, it is now possible to analyze the spatial patterns of cultivated land and its evolution by combining GIS, geostatistical analysis models and spatiotemporal big data for the dynamic monitoring and management of cultivated land resources. The spatial pattern of cultivated land and its evolutionary patterns in Luoyang City, China from 2009 to 2019 were analyzed using spatial autocorrelation and spatial autoregressive models on the basis of GIS technology. It was found that: (1) the area of cultivated land in Luoyang decreased then increased between 2009 and 2019, with an overall increase of 0.43% in 2019 compared to 2009, with cultivated land being dominant in the overall landscape of Luoyang; (2) cultivated land holdings in Luoyang are highly spatially autocorrelated, with the 'high-high'-type area being concentrated in the border area directly north and northeast of Luoyang, while the 'low-low'-type area is concentrated in the south and in the municipal area of Luoyang, and being heavily influenced by topography and urbanization. The expansion determined during the study period mainly took place in the Luoyang City, with most of it being transferred from the 'high-low'-type area; (3) elevation, slope and industrial output values from analysis of the bivariate spatial autocorrelation and spatial autoregressive models of the drivers all had significant effects on the amount of cultivated land holdings, with elevation having a positive effect, and slope and industrial output having a negative effect.

• 품질경영학회지
• /
• 제50권3호
• /
• pp.349-371
• /
• 2022

Purpose: Compared to the rapid growth rate of the domestic automotive LED industry so far, the predictive analysis method for demand forecasting or market outlook was insufficient. Accordingly, product characteristics are analyzed through the life trend of LEDs for automotive exterior lamps and the relative strengths of p and q using the Bass model. Also, future demands are predicted. Methods: We used sales data of a leading company in domestic market of automotive LEDs. Considering the autocorrelation error term of this data, parameters m, p, and q were estimated through the modified estimation method of OLS and the NLS(Nonlinear Least Squares) method, and the optimal method was selected by comparing prediction error performance such as RMSE. Future annual demands and cumulative demands were predicted through the growth curve obtained from Bass-NLS model. In addition, various nonlinear growth curve models were applied to the data to compare the Bass-NLS model with potential market demand, and an optimal model was derived. Results: From the analysis, the parameter estimation results by Bass-NLS obtained m=1338.13, p=0.0026, q=0.3003. If the current trend continues, domestic automotive LED market is predicted to reach its maximum peak in 2021 and the maximum demand is $102.23M. Potential market demand was $1338.13M. In the nonlinear growth curve model analysis, the Gompertz model was selected as the optimal model, and the potential market size was $2864.018M. Conclusion: It is expected that the Bass-NLS method will be applied to LED sales data for automotive to find out the characteristics of the relative strength of q/p of products and to be used to predict current demand and future cumulative demand.

• 자원ㆍ환경경제연구
• /
• 제15권4호
• /
• pp.673-692
• /
• 2006

고갈자원 사용의 동태적 효율성 여부를 검증하기 위해서는 미채굴된 자원의 암묵가격을 추정해야 하는데 기존 연구에서는 자원산업의 한계수입과 한계비용의 차이로 측정하거나 자원채굴량을 준고정시킨 제약비용함수를 추정하여 자원채굴량으로 편미분함으로써 도출하는 방식을 사용하였다. 그러나 이들 방법들은 채굴 투입요소인 자본의 비가단성으로 인하여 일관성이 결여된 추정치가 도출될 개연성, 시장의 독점력에 따라 변하는 한계수입의 가변성 문제와, 불완전한 재화 및 요소시장, 정부규제 등이 존재하는 현실적 상황에서 제약비용함수를 이용할 경우 전제 조건인 생산비용의 최소화가 달성되지 못함으로써 야기될 수 있는 분석결과의 신뢰성 문제 등을 안고 있다. 기존 선행연구의 방법론적 한계점들을 인식하여 본 연구에서는 좀더 일반적이고 현실적 상황에서 고갈자원 사용의 동태적 효율성 여부를 검증할 수 있는 방법을 제시한다. Shephard (1970)의 투입물거리함수를 실증적 모형의 이론적 틀로 활용함으로써 생산요소의 투입량과 최종재화의 산출량에 대한 정보만으로 추정이 가능하고, 생산비용 최소화의 극히 제한적인 상황을 전제하지 않으며, 특히 선형계획기법을 적용함으로써 시계열자료나 합동자료로 회귀 추정할 경우 발생할 수 있는 오차항의 자기상관 문제에 초연할 수 있다. 2%, 5%, 10%, 15%, 20%의 고정 할인율 폭과 실질 이자율의 25%, 50%,100%, 200%, 400%로 산정한 변동할인율을 각각 적용하여 1970년~1993닐 기간 동안 국내 무연탄 채굴의 동태적 효율성 여부를 조사한 결과 고정할인율과 변동할인율 모두에 대해서 국내 무연탄의 세대간 효율적 사용은 이루어지지 않은 것으로 나타났다.

• 한국수자원학회논문집
• /
• 제53권4호
• /
• pp.273-283
• /
• 2020

지하수자원의 변동성 및 취약성 평가를 위한 지하수위의 정량적 예측은 매우 중요하다. 이를 위해 다양한 시계열 분석 기법과 머신러닝 기법 등이 사용되어 왔다. 본 연구에서는 제주도 한경면 지역에 설치된 11개 지하수위 관측정의 일 수위자료를 대상으로 인공신경망 알고리즘의 하나인 Long short term memory (LSTM)에 기반한 예측 모델을 개발하였다. 제주도의 지하수위는 일반적으로 조석에 의한 자기상관성이 높고 강수에 의한 영향이 잘 반영되는 것으로 알려져 있다. 이러한 자료 특성을 고려한 입출력 텐서를 구성하기 위해 각 지하수 관측정의 수위변동 관측 자료와 같은 기간의 강수량 자료를 추가 입력자료로 선택하였다. 4계절을 나타내는 초기 365일 자료를 이용하여 LSTM 모델을 학습시켰으며 나머지 자료를 검증에 활용하여 예측 모델의 적합도를 평가하였다. 모델의 개발은 Python기반 딥러닝 프레임워크인 Keras를 이용하였고, 학습속도를 향상시키고자 NVIDIA CUDA 아키텍처를 도입하였다. LSTM 모델을 이용하여 지하수위 변화를 학습시키고 검증한 결과 결정계수가 평균 0.98로 나타나 개발된 예측모델의 적합성이 매우 높은 것으로 확인되었다.

• 대한지리학회지
• /
• 제39권2호
• /
• pp.212-228
• /
• 2004

본 연구는 지역간 소득분포의 수렴/발산의 주요 측면인 베타-수렴을 공간자료분석에 의거하여 비판적으로 검토하고 있다. 베타-수렴에 대한 통상적인 접근법은 두 가지 측면에서 문제점을 갖고 있다. 첫째, 회귀분석 결과 도출되는 잔차의 공간적 자기상관을 고려하지 못한다. 둘째, 베타-수렴의 국지적 변이, 즉 공간적 이질성을 탐색할 어떠한 절차도 제공하지 못한다. 이러한 비판적 검토를 바탕으로, 다양한 공간자료분석 기법들, 즉, 공간적 자기회기 모델(spatial autoregressive models), 이변량 국지통지(bivariate local statistics)를 이용한 탐색적 공간자료분석(ESDA: exploratory spatial data analysis) 기법, 그리고 지리적 가중회귀분석(GWR: geographically weighted regression)을 사용하여 1969-1999년 간의 미국 노동시장지역에 대한 소득 자료를 분석하였다. 주요 결과는 다음과 같다. 첫째, OSL모델을 적용한 결과 베타-수렴은 단지 부분적으로만 드러났고, 베타-수렴 계수도 시기별로 상당한 편차를 보였다. 둘째, 공간적 자기회기 모델의 분석 결과 OLS에 의해 유의한 것으로 나타난 베타-수렴 계수가 99% 신뢰수준에서 유의하지 않은 것으로 드러났다. 셋째, 탐색적 공간자료분석과 지리적 가중회귀분석의 결과는 베타-수렴의 경향에 상당한 정도의 공간적 이질성이 존재한다는 점을 보여주고 있다. 또한 이 공간적 이질성의 양상이 시기별로도 다양하게 드러남이 관찰되었다.

• 한국시뮬레이션학회:학술대회논문집
• /
• 한국시뮬레이션학회 1996년도 춘계학술대회
• /
• pp.1-3
• /
• 1996

시뮬레이션 기법을 이용한 시스템의 분석에 있어서 실험의 자동화는 현재 많은 연구와 개발이 진행 중인 분야이다. 컴퓨터와 정보통신 시스템에 대한 시뮬레이션의 예를 들어 보면, 수많은 모델을 대한 시뮬레이션을 수행할 경우 자동화된 실험의 제어가 요구되고 있다. 시뮬레이션 수행회수, 수행길이, 데이터 수집방법 등과 관련하여 시뮬레이션 실험방법이 자동화가 되지 않으면, 시뮬레이션 실험에 필요한 시간과 인적 자원이 상당히 커지게 되며 출력데이터에 대한 분석에 있어서도 어려움이 따르게 된다. 시뮬레이션 실험방법을 자동화하면서 효율적인 시뮬레이션 출력분석을 위해서는 시뮬레이션을 수행하는 경우에 항상 발생하는 초기편의 (initial bias)를 제거하는 문제가 선결되어야 한다. 시뮬레이션 출력분석에 사용되는 데이터들이 초기편의를 반영하지 않는 안정상태에서 수집된 것이어야만 실제 시스템에 대한 올바른 해석이 가능하다. 실제로 시뮬레이션 출력분석과 관련하여 가장 중요하면서도 어려운 문제는 시뮬레이션의 출력데이터가 이루는 추계적 과정 (stochastic process)의 안정상태 평균과 이 평균에 대한 신뢰구간(confidence interval: c. i.)을 구하는 것이다. 한 신뢰구간에 포함되어 있는 정보는 의사결정자에게 얼마나 정확하게 평균을 추정할 구 있는지 알려 준다. 그러나, 신뢰구간을 구성하는 일은 하나의 시뮬레이션으로부터 얻어진 출력데이터가 일반적으로 비정체상태(nonstationary)이고 자동상관(autocorrelated)되어 있기 때문에, 전통적인 통계적인 기법을 직접적으로 이용할 수 없다. 이러한 문제를 해결하기 위해 시뮬레이션 출력데이터 분석기법이 사용된다.본 논문에서는 초기편의를 제거하기 위해서 필요한 출력데이터의 제거시점을 찾는 새로운 기법으로, 유클리드 거리(Euclidean distance: ED)를 이용한 방법과 현재 패턴 분류(pattern classification) 문제에 널리 사용 중인 역전파 신경망(backpropagation neural networks: BNN) 알고리듬을 이용하는 방법을 제시한다. 이 기법들은 대다수의 기존의 기법과는 달리 시험수행(pilot run)이 필요 없으며, 시뮬레이션의 단일수행(single run) 중에 제거시점을 결정할 수 있다. 제거시점과 관련된 기존 연구는 다음과 같다. 콘웨이방법은 현재의 데이터가 이후 데이터의 최대값이나 최소값이 아니면 이 데이터를 제거시점으로 결정하는데, 알고기듬 구조상 온라인으로 제거시점 결정이 불가능하다. 콘웨이방법이 알고리듬의 성격상 온라인이 불가능한 반면, 수정콘웨이방법 (Modified Conway Rule: MCR)은 현재의 데이터가 이전 데이터와 비교했을 때 최대값이나 최소값이 아닌 경우 현재의 데이터를 제거시점으로 결정하기 때문에 온라인이 가능하다. 평균교차방법(Crossings-of-the-Mean Rule: CMR)은 누적평균을 이용하면서 이 평균을 중심으로 관측치가 위에서 아래로, 또는 아래서 위로 교차하는 회수로 결정한다. 이 기법을 사용하려면 교차회수를 결정해야 하는데, 일반적으로 결정된 교차회수가 시스템에 상관없이 일반적으로 적용가능하지 않다는 문제점이 있다. 누적평균방법(Cumulative-Mean Rule: CMR2)은 여러 번의 시험수행을 통해서 얻어진 출력데이터에 대한 총누적평균(grand cumulative mean)을 그래프로 그린 다음, 안정상태인 점을 육안으로 결정한다. 이 방법은 여러 번의 시뮬레이션을 수행에서 얻어진 데이터들의 평균들에 대한 누적평균을 사용하기 매문에 온라인 제거시점 결정이 불가능하며, 작업자가 그래프를 보고 임의로 결정해야 하는 단점이 있다. Welch방법(Welch's Method: WM)은 브라운 브리지(Brownian bridge) 통계량()을 사용하는데, n이 무한에 가까워질 때, 이 브라운 브리지 분포(Brownian bridge distribution)에 수렴하는 성질을 이용한다. 시뮬레이션 출력데이터를 가지고 배치를 구성한 후 하나의 배치를 표본으로 사용한다. 이 기법은 알고리듬이 복잡하고, 값을 추정해야 하는 단점이 있다. Law-Kelton방법(Law-Kelton's Method: LKM)은 회귀 (regression)이론에 기초하는데, 시뮬레이션이 종료된 후 누적평균데이터에 대해서 회귀직선을 적합(fitting)시킨다. 회귀직선의 기울기가 0이라는 귀무가설이 채택되면 그 시점을 제거시점으로 결정한다. 일단 시뮬레이션이 종료된 다음, 데이터가 모아진 순서의 반대 순서로 데이터를 이용하기 때문에 온라인이 불가능하다. Welch절차(Welch's Procedure: WP)는 5회이상의 시뮬레이션수행을 통해 수집한 데이터의 이동평균을 이용해서 시각적으로 제거시점을 결정해야 하며, 반복제거방법을 사용해야 하기 때문에 온라인 제거시점의 결정이 불가능하다. 또한, 한번에 이동할 데이터의 크기(window size)를 결정해야 한다. 지금까지 알아 본 것처럼, 기존의 방법들은 시뮬레이션의 단일 수행 중의 온라인 제거시점 결정의 관점에서는 미약한 면이 있다. 또한, 현재의 시뮬레이션 상용소프트웨어는 작업자로 하여금 제거시점을 임의로 결정하도록 하기 때문에, 실험중인 시스템에 대해서 정확하고도 정량적으로 제거시점을 결정할 수 없게 되어 있다. 사용자가 임의로 제거시점을 결정하게 되면, 초기편의 문제를 효과적으로 해결하기 어려울 뿐만 아니라, 필요 이상으로 너무 많은 양을 제거하거나 초기편의를 해결하지 못할 만큼 너무 적은 양을 제거할 가능성이 커지게 된다. 또한, 기존의 방법들의 대부분은 제거시점을 찾기 위해서 시험수행이 필요하다. 즉, 안정상태 시점만을 찾기 위한 시뮬레이션 수행이 필요하며, 이렇게 사용된 시뮬레이션은 출력분석에 사용되지 않기 때문에 시간적인 손실이 크게 된다.