한국건설관리학회논문집 (Korean Journal of Construction Engineering and Management)

  • 제24권6호
  • /
  • Pages.66-73
  • /
  • 2023
  • /
  • 2005-6095(pISSN)
  • /
  • 2465-9703(eISSN)
한국건설관리학회 (Korea Institute of Construction Engineering and Management)
권호 표지
DOI QR코드

DOI QR Code

Data Refactor 기법의 개선을 통한 건설원자재 가격 예측 적용성 연구

A Study on the Application of the Price Prediction of Construction Materials through the Improvement of Data Refactor Techniques

  • 리우양 (경북대학교 토목공학과) ;
  • 이동은 (경북대학교 건설환경에너지공학부) ;
  • 김병수 (경북대학교 토목공학과)
  • Lee, Woo-Yang (Department of Civil Engineering, Kyungpook National University) ;
  • Lee, Dong-Eun (School of Architecture, Civil, Environment and Energy Engineering, Kyungpook National University) ;
  • Kim, Byung-Soo (Department of Civil Engineering, Kyungpook National University)
  • 투고 : 2023.08.24
  • 심사 : 2023.11.20
  • 발행 : 2023.11.30
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

건설 프로젝트는 기획부터 완공까지 공사비 예측, 확인, 그리고 정산 단계로 이루어진다. 건설원자재 평균 가격은 변동성을 지닌다. 하지만 건설 프로젝트의 자재비 산정은 계획단계 시점의 시세를 반영하여 결정되기 때문에, 시공단계에서 자재가 투입될 시점의 시세 변동에 따라 예상한 가격과 차이가 날 수 있다. 건설 산업은 건설원자재 가격 변동으로 인한 수요예측 실패, 프로젝트 비용변경으로 인한 사용자 비용 증가, 예측 체계성 부족으로 인한 손실이 발생한다. 이에 따라 건설원자재 가격 예측의 정확도 개선이 필요하다. 본 연구는 Data Refactor 기법의 개선을 통해 건설원자재 가격 예측 및 적용성 검증을 목적으로 한다. 건설원자재의 가격 예측의 정확도를 높이기 위하여 기존의 데이터 리팩토 간의 저·고빈도의 분류 및 ARIMAX 활용법을 빈도 위주 및 ARIMA 기법 활용으로 개선하여 건설원자재 목재, 시멘트 등 6개 품목의 단기(미래 3개월), 중기(미래 6개월), 장기(미래 12개월) 가격을 예측하였다. 분석한 결과 개선된 Data Refactor 기법을 기반으로 한 예측값이 오차는 줄었고 변동성은 확장되었다. 따라서, 본 연구에서 제안된 Data Refactor 기법을 통해 건설원자재 가격을 더 정확하게 예측하여 예산을 효과적으로 관리할 수 있을 것으로 기대된다.

The construction industry suffers losses due to failures in demand forecasting due to price fluctuations in construction raw materials, increased user costs due to project cost changes, and lack of forecasting system. Accordingly, it is necessary to improve the accuracy of construction raw material price forecasting. This study aims to predict the price of construction raw materials and verify applicability through the improvement of the Data Refactor technique. In order to improve the accuracy of price prediction of construction raw materials, the existing data refactor classification of low and high frequency and ARIMAX utilization method was improved to frequency-oriented and ARIMA method utilization, so that short-term (3 months in the future) six items such as construction raw materials lumber and cement were improved. ), mid-term (6 months in the future), and long-term (12 months in the future) price forecasts. As a result of the analysis, the predicted value based on the improved Data Refactor technique reduced the error and expanded the variability. Therefore, it is expected that the budget can be managed effectively by predicting the price of construction raw materials more accurately through the Data Refactor technique proposed in this study.

키워드

과제정보

이 논문은 2022학년도 경북대학교 연구년 교수 연구비에 의하여 연구되었음.

참고문헌

  1. Hao Du, Hao Gong, Suyue Han, Peng Zheng, Bin Liu and Zhongli Zhou (2020). "A New Approach for Reconstruction of IMFs of Decomposition and Ensemble Model for Forecasting Crude Oil Prices." Article in Mathematical Problems in Engineering, 2020, 1325071.
  2. Ji, S.H., Park, M.S., Lee, H.S., and Yoon, Y.S. (2008). "Direction for Improving Cost Estimation and Management of Construction Projects : Comparing to Australian System," Journal of the Korean Society of Construction Management, 9(2), pp. 170-181.
  3. Lean Yu, Shouyang Wang, and Kin Keung Lai (2008). "Forecasting crude oil price with an EMD-based neural network ensemble learning paradigm." Energy Economics, 30(5), pp. 2623-2635. https://doi.org/10.1016/j.eneco.2008.05.003
  4. Lee, G.B. (2015). "Data-Driven Signal Decomposition using Improved Ensemble EMD Method," Journal of the Korea Information and Communications Society, 19(2), pp. 279-286.
  5. Lee, J.M., Yu, J.H., Kim, C.D., Lee, K.J., and Lim, B.S. (2008). "Order Point Determination Method Considering Materials Demand Variation of Construction Site." Journal of the Architectural Institute of Korea Structure & Construction, 24(10), pp. 117-125.
  6. Lee, Y.S. (2022). Long and Short Term Prediction of Rebar Price Using Deep learning and Related Techniques. Domestic doctoral dissertation, Konkuk University.
  7. P. Flandrin, G. Rilling and P. Goncalves (2004). "Empirical mode decomposition as a filter bank." IEEE Signal Process Lett, 11(2), pp. 112-114 https://doi.org/10.1109/LSP.2003.821662
  8. Park, S.W., Kwak, Y.Y., and Hwang, N.Y. (2022). "Constraint Factors for Construction Investment Recovery: Causes and Effects of Soaring Construction Material Prices." Bank of Korea BOK Issue Note, 2022-14.
  9. Sohn, G.H., Kim, K.W., Shin, R.H., and Lee, S.M. (2023). "Estimating the Growth Rate of Inbound Air Travelers to Jeju with ARIMA Time-Series." J. Korean Soc. Aviat. Aeronaut, 31(1), pp. 92-98. https://doi.org/10.12985/ksaa.2023.31.1.092
  10. U.S. Bureau of Labor Statistics. (2023). https://www.bls.gov/
  11. U.S. Energy Information Administration(2023). https://www.eia.gov/
  12. Wu, Zhaohua and Norden, E. Huang (2009). "Ensemble Empirical Mode Decomposition: a Noise-Assisted Data Analysis Method." Adv. Data Sci. Adapt. Anal. 1, pp. 1-41. https://doi.org/10.1142/S1793536909000047
  13. Xun Zhang, K.K. Lai, and Wang, S.Y. (2008). "A new approach for crude oil price analysis based on Empirical Mode Decomposition, Energy Economics." 30(3), pp. 905-918. https://doi.org/10.1016/j.eneco.2007.02.012