한글내용
(Korean Abstract) |
최근 IoT 센서와 edge computing 기술의 발달로 스마트 빌딩의 도입율이 빠르게 증가하고 있다. 이에 따라 스마트 빌딩에서 생성되는 센서 data의 양이 급증하면서 해당 data를 활용한 분석 및 예측에 대한 필요와 중요성이 커지고 있다. 본 연구에서는 스마트 빌딩에서 수집된 time-series data를 활용해 센서의 측정값을 예측하는 것을 목표로 한다. 이를 위해 time-series data 예측에 널리 사용되는 모델인 ARIMA를 사용해 파라미터 튜닝을 통한 최적의 예측 결과를 도출한다. 연구 결과 ARIMA(0,1,3)일 때 MAPE가 0.046으로서 높은 예측 정확도를 보였다. 본 연구에서는 스마트 빌딩에서 수집된 실제 sensor data를 활용하여 ARIMA 모델을 적용하여 예측 정확도를 보였다. 특히, LSTM, RNN 등 딥러닝 모델이 ARIMA 모델에 비하여 예측 정확도가 높은 것으로 알려져 있지만 학습에 많은 시간이 소요되기 때문에 저비용으로 높은 정확도를 보인 ARIMA모델의 효과를 보였다는 점에 본 연구의 의의가 있다. |
