• Journal of the Korean Data and Information Science Society
• /
• 제26권3호
• /
• pp.561-568
• /
• 2015

이 연구에서는 공간회귀모형 중 공간시차모형과 공간오차모형을 이용하여 대구 경북 지역 단위면적당 아파트 매매가격을 예측하였다. k-최근접이웃 (k-nearest neighbours)을 이용하여 공간가중행렬을 구축하였으며, 이를 이용해 2012년 3월의 단위면적당 아파트 매매가격에 대한 모형을 적합시켰다. 적합시킨 공간시차모형, 공간오차모형을 이용하여 2013년 3월의 단위면적당 아파트 매매가격을 예측하였으며 RMSE (root mean squared error), RRMSE (root relative mean squared error), MAE (mean absolute error)를 통해 두 모형의 성능을 비교하였다.

• 응용통계연구
• /
• 제26권2호
• /
• pp.349-360
• /
• 2013

최근 일별 최대 전력수요 예측은 전력설비 계획 및 운용에 매우 중요한 사안으로 주목받고 있다. 본 연구는 일별 최대 전력수요 예측을 위하여 대표적 시계열 모형을 소개하고, 예측의 성능 비교를 위하여 RMSE(Root mean squared error)와 MAPE(Mean absolute percentage error)를 사용한다. 연구결과로 보완된 Holt-Winters 모형과 Reg-ARIMA 모형이 다른 모형에 비하여 우수한 예측 성능을 보였다.

• Geomechanics and Engineering
• /
• 제30권5호
• /
• pp.437-448
• /
• 2022

Alluvial soil is challenging to work with due to its high compressibility. Thus, consolidation settlement of this type of soil should be accurately estimated. Accurate estimation of the consolidation settlement of alluvial soil requires accurate prediction of compressibility parameters. Geotechnical engineers usually use empirical correlations to estimate these compressibility parameters. However, no attempts have been made to develop correlations to estimate compressibility parameters of alluvial soil. Thus, this paper aims to develop new models to predict the compression and recompression indices (Cc and Cr) of alluvial soils. As part of the study, geotechnical laboratory tests have been conducted on large number of undisturbed samples of local alluvial soil. The obtained results from these tests in addition to available results from the literature from different parts in the world have been compiled to form the database of this study. This database is then employed to examine the accuracy of the available empirical correlations of the compressibility parameters and to develop the new models to estimate the compressibility parameters using the nonlinear regression analysis. The accuracy of the new models has been accessed using mean absolute error, root mean square error, mean, percentage of predictions with error range of ±20%, percentage of predictions with error range of ±30%, and coefficient of determination. It was found that the new models outperform the available correlations. Thus, these models can be used by geotechnical engineers with more confidence to predict Cc and Cr.

• 응용통계연구
• /
• 제35권3호
• /
• pp.385-393
• /
• 2022

본 논문에서는 시계열 예측 분야에서 잘 알려져 있는 단변량 시계열 모형들을 이용하여, 그들의 단순 조합이 어떤 예측력을 보여주는지 연구한다. 고려된 단변량 시계열 모형으로는, 지수평활 및 ARIMA(autoregressive integrated moving average) 모형들과 그들의 확장된 형태인 모형들 그리고 예측의 벤치마크 모형으로 자주 사용되는 비계절 및 계절 랜덤워크 모형이다. 단순 조합의 방법은 중앙값과 평균을 이용하였으며, 검증을 위하여 사용된 데이터셋은 3,003개의 시계열 자료로 구성된 M3-competition 자료이다. 예측 성능을 sMAPE(symmetric mean absolute percentage error)와 MASE(mean absolute scaled error)로 평가한 결과, 단변량 시계열 모형들의 단순 조합이 아주 우수한 예측력을 가지고 있음을 확인하였다.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.120-126
• /
• 2019

최근 에너지 인터넷에서 지능형 원격검침 인프라를 이용하여 확보된 대량의 전력사용데이터를 기반으로 효과적인 전력수요 예측을 위해 다양한 기계학습기법에 관한 연구가 활발히 진행되고 있다. 본 연구에서는 전력량 데이터와 같은 시계열 데이터에 대해 효율적으로 패턴인식을 수행하는 인공지능 네트워크인 Gated Recurrent Unit(GRU)을 기반으로 딥 러닝 모델을 제안하고, 실제 가정의 전력사용량 데이터를 토대로 예측 성능을 분석한다. 제안한 학습 모델의 예측 성능과 기존의 Long Short Term Memory (LSTM) 인공지능 네트워크 기반의 전력량 예측 성능을 비교하며, 성능평가 지표로써 Mean Squared Error (MSE), Mean Absolute Error (MAE), Forecast Skill Score, Normalized Root Mean Squared Error (RMSE), Normalized Mean Bias Error (NMBE)를 이용한다. 실험 결과에서 GRU기반의 제안한 시계열 데이터 예측 모델의 전력량 수요 예측 성능이 개선되는 것을 확인한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 춘계학술대회
• /
• pp.457-459
• /
• 2018

태양광발전시스템은 태양광으로부터 에너지를 생산하는 발전기술이며, 신재생 에너지 기술 중 가장 빠르게 성장하고 있다. 태양광 발전 시스템은 부하에 안정적으로 에너지를 공급하는 것이 가장 중요시 된다. 그러나 날씨 및 기상 조건에 따라 에너지 생산이 불안정하기 때문에 에너지 생산량에 대한 정확한 예측이 필요하다. 본 논문에서는 강수량, 장 단파 복사선 평균, 온도 등 15가지 종류의 기상 데이터를 사용하여 태양광 에너지를 예측하는 인공 신경망(ANN)을 구현하고 성능을 평가한다. 인공 신경망은 은닉층을 구성하고 오버피팅을 방지하기 위한 페널티 ${\alpha}$와 같은 파라미터를 조절하여 구현한다. 예측모델의 정확도와 타당성을 검증하기 위해 성능지표로 MAPE(Mean Absolute Percentage Error)와 MAE(Mean Absolute Error)를 사용한다. 실험 결과 Hidden Layer $Sizes=^{\prime}16{\times}10^{\prime}$을 사용하였을 때 MAPE=19.54와 MAE=2155345.10776로 나타났다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 추계학술대회
• /
• pp.626-628
• /
• 2018

본 논문에서 기상 데이터를 사용하여 태양광 에너지를 예측하기 위해 기계학습 모델인 SVM(Support Vector Machine)과 ANN(Artificial Neural Network)의 성능을 비교한다. 장 단파 복사선 평균, 강수량, 온도 등 15가지 종류의 기상 데이터를 사용하여 두 모델을 생성하고, 실험을 통해 최적의 SVM의 RBF(Radial Basis Function) 파라미터와 ANN의 은닉층과 노드 개수, 정규화 파라미터를 도출하였다. SVM과 ANN 모델의 성능을 비교하기 위한 지표로서 MAPE(Mean Absolute Percentage Error)와 MAE(Mean Absolute Error)를 사용하였다. 실험 결과 SVM 모델은 MAPE=21.11, MAE=2281417.65의 성능을 달성하였고 ANN은 MAPE=19.54, MAE=2155345.10776의 성능을 달성하였다.

• Journal of the Korean Statistical Society
• /
• 제33권3호
• /
• pp.323-337
• /
• 2004

This article coined a general class of estimators for various measures in normal population when some' a priori' or guessed value of standard deviation a is available in addition to sample information. The class of estimators is primarily defined for a function of standard deviation. An unbiased estimator and the minimum mean squared error estimator are worked out and the suggested class of estimators is compared with these classical estimators. Numerical computations in terms of percent relative efficiency and absolute relative bias established the merits of the proposed class of estimators especially for small samples. Simulation study confirms the excellence of the proposed class of estimators. The beauty of this article lies in estimation of various measures like standard deviation, variance, Fisher information, precision of sample mean, process capability index $C_{p}$, fourth moment about mean, mean deviation about mean etc. as particular cases of the proposed class of estimators.

• International Journal of Computer Science & Network Security
• /
• 제21권2호
• /
• pp.77-87
• /
• 2021

In this study, a novel improved second order Radial Basis Function Neural Network based method with excellent scheduling capabilities is used for the dynamic prediction of short and long-term energy required applications. The effectiveness and the reliability of the algorithm are evaluated using training operations with New England-ISO database. The dynamic prediction algorithm is implemented in Matlab and the computation of mean absolute error and mean absolute percent error, and training time for the forecasted load, are determined. The results show the impact of temperature and other input parameters on the accuracy of solar Photovoltaic load forecasting. The mean absolute percent error is found to be between 1% to 3% and the training time is evaluated from 3s to 10s. The results are also compared with the previous studies, which show that this new method predicts short and long-term load better than sigmoidal neural network and bagged regression trees. The forecasted energy is found to be the nearest to the correct values as given by England ISO database, which shows that the method can be used reliably for short and long-term load forecasting of any electrical system.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제27권5호
• /
• pp.543-550
• /
• 2000

블럭 정합 알고리즘의 VLSI 구현시 복잡도를 줄이고, 수행 속도를 높이기 위하여 새로운 정합 기준인 적응적 비트 축소 MAD(adaptive bit-reduced mean absolute difference:ABRMAD)를 제안한다. ABRMAD는 기존의 MAD에서 화소의 모든 비트를 비교하는 대신, 화소를 구성하는 중요한 비트만을 고려하여 축소된 화소 값을 비교하여 움직임 벡터를 찾는다. 실험을 통하여, 제안한 정합 기준은 기존의 MAD 정합 기준에 비하여 낮은 하드웨어 복잡도를 가지면서 MSE(mean square error) 측면에서 유사한 성능을 가짐을 보인다. 또한 기존의 비트 수 축소형 정합 기준인 DPC(difference pixel counting), BBME(binary-matching with edge-map), 그리고 BPM(bit-plane matching)과 비교하여 같은 수의 비트를 사용하였을 경우 좋은 MSE 성능을 가짐을 보인다.