• 기술혁신연구
• /
• 제15권2호
• /
• pp.83-102
• /
• 2007

This study extends the existing method of Technology Forecasting with Data Envelopment Analysis (TFDEA) by incorporating a ranking method into the model so that we can reduce the required number of DMUs (Decision Making Units). TFDEA estimates technological rate of change with the set of observations identified by DEA(Data Envelopment Analysis) model. It uses an excessive number of efficient DMUs(Decision Making Units), when the number of inputs and outputs is large compare to the number of observations. Hence, we investigated the possibility of incorporating CCCA(Constrained Canonical Correlation Analysis) into TFDEA so that the ranking of DMUs can be made. Using the ranks developed by CCCA(Constrained Canonical Correlation Analysis), we could limit the number of efficient DMUs that are to be used in the technology forecasting process. The proposed hybrid model could establish technology frontiers with the efficient DMUs for each generation of technology with the help of CCCA that uses the common weights. We applied our hybrid model to forecast the technological progress of main battle tank in order to demonstrate its forecasting capability with practical application. It was found that our hybrid model generated statistically more reliable forecasting results than both TFDEA and the regression model.

• ETRI Journal
• /
• 제18권2호
• /
• pp.87-106
• /
• 1996

This paper proposes a new model as a framework for forecasting demand and technological substitution, which can accommodate different patterns of technological change. This model, which we named, "Adaptive Diffusion Model", is formalized from a conceptual framework that incorporates several underlying factors determining the market demand for technological products. The formulation of this model is given in terms of a period analysis to improve its explanatory power for dynamic processes in the real world, and is described as a continuous form which approximates a discrete derivation of the model. In order to illustrate the applicability and generality of this model, time-series data of the diffusion rates for some typical products in electronics and telecommunications market have been empirically tested. The results show that the model has higher explanatory power than any other existing model for all the products tested in our study. It has been found that this model can provide a framework which is sufficiently robust in forecasting demand and innovation diffusion for various technological products.

• East Asian mathematical journal
• /
• 제35권3호
• /
• pp.305-318
• /
• 2019

Over the past decades, the Lee-Carter model [1] has attracted much attention from various demography-related fields in order to project the future mortality rates. In the Lee-Carter model, the speed of mortality improvement is stochastically modeled by the so-called mortality index and is used to forecast the future mortality rates based on the time series analysis. However, the modeling is applied to long time series and thus an important structural change might exist, leading to potentially large long-term forecasting errors. Therefore, in this paper, we are interested in detecting the structural change of the Lee-Carter model and investigating the actuarial implications. For the purpose, we employ the tests proposed by Coelho and Nunes [2] and analyze the mortality data for six countries including Korea since 1970. Also, we calculate life expectancies and whole life insurance premiums by taking into account the structural change found in the Korean male mortality rates. Our empirical result shows that more caution needs to be paid to the Lee-Carter modeling and its actuarial applications.

• 한국경영과학회지
• /
• 제12권1호
• /
• pp.19-26
• /
• 1987

In analyzing time series, estimating the level or the current mean of the process plays an important role in understanding its structure and in being able to make forecasts. The studies the class of time series models where the level of the process is assumed to follow a random walk and the deviation from the level follow an ARMA process. The estimation and forecasting problem in a Bayesian framework and uses the Kalman filter to obtain forecasts based on estimates of level. In the analysis of time series, we usually make the assumption that the time series is generated by one model. However, in many situations the time series undergoes a structural change at one point in time. For example there may be a change in the distribution of random variables or in parameter values. Another example occurs when the level of the process changes abruptly at one period. In order to study such problems, the assumption that level follows a random walk process is relaxed to include a major level change at a particular point in time. The major level change is detected by examining the likelihood raio under a null hypothesis of no change and an alternative hypothesis of a major level change. The author proposes a method for estimation the size of the level change by adding one state variable to the state space model of the original Kalman filter. Detailed theoretical and numerical results are obtained for th first order autoregressive process wirth level changes.

• 한국대기환경학회지
• /
• 제34권5호
• /
• pp.687-696
• /
• 2018

In order to develop effective emission abatement strategies for coal-fired power plants, we analyzed the shutdown effects of coal-fired power plants on $PM_{2.5}$ concentration in June by employing air quality model for the period from 2013 to 2016. WRF (Weather Research and Forecast) and CMAQ(Community Multiscale Air Quality) models were used to quantify the impact of emission reductions on the averaged $PM_{2.5}$ concentrations in June over Chungcheongnam-do area in Korea. The resultant shutdown effects showed that the averaged $PM_{2.5}$ concentration in June decreased by 1.2% in Chungcheongnam-do area and decreased by 2.3% in the area where the surface air pollution measuring stations were located. As a result of this study, it was confirmed that it is possible to analyze policy effects considering the change of meteorology and emission and it is possible to quantitatively estimate the influence at the maximum impact region by utilizing the air quality model. The results of this study are expected to be useful as a basic data for analyzing the effect of $PM_{2.5}$ concentration change according to future emission changes.

• 국제학술발표논문집
• /
• The 9th International Conference on Construction Engineering and Project Management
• /
• pp.823-830
• /
• 2022

The risk of project execution increases due to the enlargement and complexity of Engineering, Procurement, and Construction (EPC) plant projects. In the fourth industrial revolution era, there is an increasing need to utilize a large amount of data generated during project execution. The design is a key element for the success of the EPC plant project. Although the design cost is about 5% of the total EPC project cost, it is a critical process that affects the entire subsequent process, such as construction, installation, and operation & maintenance (O&M). This study aims to develop a system using machine-learning (ML) techniques to predict risks and support decision-making based on big data generated in an EPC project's design and construction stages. As a result, three main modules were developed: (M1) the design cost estimation module, (M2) the design error check module, and (M3) the change order forecasting module. M1 estimated design cost based on project data such as contract amount, construction period, total design cost, and man-hour (M/H). M2 and M3 are applications for predicting the severity of schedule delay and cost over-run due to design errors and change orders through unstructured text data extracted from engineering documents. A validation test was performed through a case study to verify the model applied to each module. It is expected to improve the risk response capability of EPC contractors in the design and construction stage through this study.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권8호
• /
• pp.339-346
• /
• 2022

최근 화석연료의 무분별한 사용으로 인한 자원고갈 문제 및 기후변화 문제 등이 심각해짐에 따라 화석연료를 대체할 수 있는 신재생에너지에 대한 관심이 증가하고 있다. 특히 신재생에너지 중 태양광 에너지는 다른 신재생에너지원에 비해 고갈될 염려가 적고, 공간적인 제약이 크지 않아 전국적으로 수요가 증가하고 있다. 태양광 발전 시스템에서 생산된 전력을 효율적으로 사용하기 위해서는 보다 정확한 태양광 발전량 예측 모델이 필요하다. 이를 위하여 다양한 기계학습 및 심층학습 기반의 태양광 발전량 예측 모델이 제안되었지만, 심층학습 기반의 예측 모델은 모델 내부에서 일어나는 의사결정 과정을 해석하기가 어렵다는 단점을 보유하고 있다. 이러한 문제를 해결하기 위하여 설명 가능한 인공지능 기술이 많은 주목을 받고 있다. 설명 가능한 인공지능 기술을 통하여 예측 모델의 결과 도출 과정을 해석할 수 있다면 모델의 신뢰성을 확보할 수 있을 뿐만 아니라 해석된 도출 결과를 바탕으로 모델을 개선하여 성능 향상을 기대할 수도 있다. 이에 본 논문에서는 BiLSTM(Bidirectional Long Short-Term Memory)을 사용하여 모델을 구성하고, 모델에서 어떻게 예측값이 도출되었는지를 SHAP(SHapley Additive exPlanations)을 통하여 설명하는 설명 가능한 태양광 발전량 예측 기법을 제안한다.

• 한국항공운항학회지
• /
• 제26권4호
• /
• pp.101-109
• /
• 2018

In order to predict the future needs of the aircraft repair parts, each military group develops and applies various techniques to their characteristics. However, the aircraft and the equipped weapon systems are becoming increasingly advanced, and there is a problem in improving the hit rate by applying the existing demand prediction technique due to the change of the aircraft condition according to the long term operation of the aircraft. In this study, we propose a new prediction model based on the conventional time-series analysis technique to improve the prediction accuracy of aircraft repair parts by using machine learning model. And we show the most effective predictive method by demonstrating the change of hit rate based on actual data.

• KDI Journal of Economic Policy
• /
• 제14권1호
• /
• pp.121-145
• /
• 1992

본고(本稿)에서는 현재의 경제상황을 잘 반영하는 건설투자활동(建設投資活動)의 단기예측모형(短期豫測模型)을 정립하고자 먼저 관련 시계열자료의 안정성(安定性) 여부(與否)와 순환성(循環性), 계절성(季節性)의 특성을 살펴본 후 여러 단기모형의 예측력(豫測力), 정합성(整合性), 설명력(說明力)을 비교 검토했다. 단위근(單位根) 검정(檢定)과 자기상관계수(自己相關係數) 스펙트랄 밀도함수 분석의 결과, 건설관련 시계열자료들이 대체로 단위근(單位根)을 갖지 않음으로써 안정적이고 주기적인 순환변동을 하고 있으며, 시차변수의 설명력이 높은 특성을 나타내었다. 또한 건설투자자료의 특성이 선행지표(先行指標)인 건축허가연면적(建築許可延面積) 및 건설수주액(建設受注額)과 아주 유사하여 건설투자 단기예측에 있어서 두 지표 사이의 시차관계(時差關係) 파악이 중요함을 알 수 있었다. 제(第)III장(章)에서는 단변량(單變量) 시계열모형(時系列模型)으로 ARIMA모형(模型)과 승법선형추세예측모형(乘法線型趨勢豫測模型)을, 다변량(多變量) 시계열모형(時系列模型)으로는 첫째, 선행지표(先行指標)를 이용한 1차자기회귀모형(次自己回歸模型), VAR모형(模型), 둘째 GNP자료를 이용한 거시경제모형의 단순한 축약형모형(縮約型模型)과 VAR모형(模型)을 제시하고 이들을 비교 평가하였다. 이에 따르면 단변량 시계열모형보다는 다변량 시계열모형이 시간이 경과할수록 예측오차(豫測誤差)가 커지지 않는다는 점에서 우수한 것으로 나타났으며, 다변량모형 중에서도 벡터자기회귀모형이 여타 모형보다 절대예측오차평균(絶對豫測誤差平均), 평균자승근(平均自乘根) 퍼센트 오차(誤差), 결정계수(決定係數) 등 모든 면에서 우수한 것으로 평가되었다. 이는 최근 건설투자가 추세에서 벗어난 급증세를 지속하고 있음을 고려할 때 타당한 결론이라 생각된다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.101-124
• /
• 2018

최근 다양한 분야에서 새로운 기술이 출현하고 있으며, 이들 대부분은 기존 기술들의 융합(Convergence)을 통해 형성되고 있다. 또한 가까운 미래에 출현하게 될 유망한 융합 기술을 예측함으로써 변화하는 기술 지형에 선제적으로 대응하기 위한 수요가 꾸준히 증가하고 있으며, 이러한 수요에 부응하여 많은 기관과 연구자들은 미래 유망 융합 기술 예측을 위한 분석을 수행하고 있다. 하지만 이와 관련한 기존의 많은 연구들은 (i) 고정된 기술 분류 기준을 분석에 사용함으로써 기술 분야의 동적 변화를 반영하지 못했다는 점, (ii) 예측 모형 수립 과정에서 주로 범용성 네트워크 지표를 사용함으로써 기술의 융합이라는 목적에 부합하는 고유 특성을 활용하지 못했다는 점, 그리고 (iii) 유망 분야 예측 모형의 정확성 평가를 위한 객관적 방법을 제시하지 못했다는 점 등에서 한계를 갖고 있다. 이에 본 연구에서는 (i) 토픽 모델링을 통해 기존의 고정된 분류 기준이 아닌 실제 기술시장의 동적 변화에 따른 새로운 기술군을 도출하고, (ii) 기술 성숙도 및 기술군 간 의존 관계에 따라 각 기술군의 융합적 특성을 반영하는 잠재 성장 중심성(Potential Growth Centrality) 지표를 산출하였으며, (iii) 잠재 성장 중심성에 근거하여 예측한 유망 기술의 성숙도 증가량을 시기별로 측정하여 예측 모형의 정확도를 평가하는 방안을 제시한다. 이와 더불어 제안 방법론의 성능 및 실무 적용 가능성의 평가를 위해 특허 문서 13, 477건에 대한 실험을 수행하였으며, 실험 결과 제안한 잠재 성장 중심성에 따른 예측 모형이 단순히 현재 활용되는 영향도 기반의 예측 모형에 비해 최대 약 2.88배 높은 예측 정확도를 보임을 확인하였다.