RnDcircle

번호	청구항
9	시계열 예측 시스템이,시계열 데이터를 입력받는 시계열 데이터 입력 단계;상기 시계열 데이터를 이용하여 정방향 아리마 분석 모델을 구축하는 정방향 아리마 분석 모델 구축 단계;상기 정방향 아리마 분석 모델을 이용하여 미리 설정된 미래 시점에 대한 제 1 예측 데이터를 산출하는 제 1 예측 데이터 산출 단계;상기 시계열 데이터를 역방향으로 이용하여 역방향 아리마 분석 모델을 구축하는 역방향 아리마 분석 모델 구축 단계;상기 역방향 아리마 분석 모델을 이용하여 학습결과(fitted) 데이터를 산출하는 학습 데이터 산출 단계;상기 학습결과 데이터를 역방향으로 이용하여 상기 역방향 아리마 분석 모델의 과거 예측을 수행하고 비모수적 분석 방법을 이용하는 근접 예측 모델을 구축하는 근접 예측 모델 구축 단계;상기 근접 예측 모델을 이용해 상기 미리 설정된 미래 시점에 대한 제 2 예측 데이터를 산출하는 제 2 예측 데이터 산출 단계; 및 상기 제 1 예측 데이터와 상기 제 2 예측 데이터를 조합하여 최종 예측 데이터를 산출하는 최종 예측 데이터 산출 단계를 포함하며,상기 비모수적 분석 방법을 이용하는 근접 예측 모델은 지역가중다항식(Locally weighted polynomial regression; LOESS) 분석 모델인 것을 특징으로 하는 시계열 예측 방법.
1	시계열 데이터를 입력받는 시계열 데이터 입력부;상기 시계열 데이터를 이용하여 정방향 아리마 분석 모델을 구축하는 아리마 분석 모델 구축부;상기 정방향 아리마 분석 모델을 이용하여 미리 설정된 미래 시점에 대한 제 1 예측 데이터를 산출하는 제 1 예측 데이터 산출부;상기 시계열 데이터를 역방향으로 이용하여 역방향 아리마 분석 모델을 구축하는 역방향 아리마 모델 구축부;상기 역방향 아리마 분석 모델을 이용하여 학습결과(fitted) 데이터를 산출하는 학습 데이터 산출부;상기 학습결과 데이터를 역방향으로 이용하여 상기 역방향 아리마 분석 모델의 과거 예측을 수행하고 비모수적 분석 방법을 이용하는 근접 예측 모델을 구축하는 근접 예측 모델 구축부;상기 근접 예측 모델을 이용해 상기 미리 설정된 미래 시점에 대한 제 2 예측 데이터를 산출하는 제 2 예측 데이터 산출부; 및 상기 제 1 예측 데이터와 상기 제 2 예측 데이터를 조합하여 최종 예측 데이터를 산출하는 최종 예측 데이터 산출부를 포함하며,상기 비모수적 분석 방법을 이용하는 근접 예측 모델은 지역가중다항식(Locally weighted polynomial regression; LOESS) 분석 모델인 것을 특징으로 하는 시계열 예측 시스템.
2	삭제
3	제 1항에 있어서,상기 최종 예측 데이터는 상기 제 1 예측 데이터와 제 2 예측 데이터의 가중 평균을 이용하여 산출되는 것을 특징으로 하는 시계열 예측 시스템.
4	제 1항에 있어서,상기 최종 예측 데이터를 평가하는 예측 데이터 평가부; 및상기 최종 예측 데이터가 미리 설정된 평가 기준을 벗어나는 경우, 상기 지역가중다항식 분석 모델의 평활 파라미터(smoothing parameter)를 변경하는 평활 파라미터 변경부를 더 포함하는 것을 특징으로 하는 시계열 예측 시스템.
5	제 4항에 있어서,상기 예측 데이터 평가부는,상기 최종 예측 데이터와 상기 제 1 예측 데이터를 비교하는 것을 특징으로 하는 시계열 예측 시스템.
6	제 4항에 있어서,상기 예측 데이터 평가부는, 서로 다른 평활 파라미터(smoothing parameter)를 이용하여 각각 산출된 상기 최종 예측 데이터를 서로 비교하는 것을 특징으로 하는 시계열 예측 시스템.
7	제 4항에 있어서,상기 시계열 데이터로부터 상기 최종 예측 데이터의 산출에 사용되는 데이터와 상기 최종 예측 데이터의 평가에 사용되는 평가 데이터를 분리하는 시계열 데이터 분리부를 더 포함하는 것을 특징으로 하는 시계열 예측 시스템.
8	제 1항에 있어서,상기 입력된 시계열 데이터에서 이상치를 검출하고 대체하는 시계열 데이터 전처리부를 더 포함하는 것을 특징으로 하는 시계열 예측 시스템.
10	삭제
11	제 9항에 있어서,상기 최종 예측 데이터는 상기 제 1 예측 데이터와 제 2 예측 데이터의 가중 평균을 이용하여 산출되는 것을 특징으로 하는 시계열 예측 방법.
12	제 9항에 있어서,상기 최종 예측 데이터를 평가하는 예측 데이터 평가 단계; 및상기 최종 예측 데이터가 미리 설정된 평가 기준을 벗어나는 경우, 상기 지역가중다항식 분석 모델의 평활 파라미터(smoothing parameter)를 변경하는 평활 파라미터 변경 단계를 더 포함하는 것을 특징으로 하는 시계열 예측 방법.
13	제 12항에 있어서,상기 예측 데이터 평가 단계는,상기 최종 예측 데이터와 상기 제 1 예측 데이터를 비교하는 것을 특징으로 하는 시계열 예측 방법.
14	제 12항에 있어서,상기 예측 데이터 평가 단계는,서로 다른 평활 파라미터(smoothing parameter)를 이용하여 각각 산출된 상기 최종 예측 데이터를 비교하는 것을 특징으로 하는 시계열 예측 방법.
15	제 12항에 있어서,상기 시계열 데이터로부터 상기 최종 예측 데이터의 산출에 사용되는 데이터와 상기 최종 예측 데이터의 평가에 사용되는 평가 데이터를 분리하는 단계를 시계열 데이터 분리 단계를 더 포함하는 것을 특징으로 하는 시계열 예측 방법.
16	제 9항에 있어서,상기 입력된 시계열 데이터에서 이상치를 검출하고 대체하는 시계열 데이터 전처리 단계를 더 포함하는 것을 특징으로 하는 시계열 예측 방법.
17	제 9항, 제 11항 내지 제 16항 중 어느 한 항의 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체.