• Title/Summary/Keyword: 시계열 예측분석

Search Result 737, Processing Time 0.032 seconds

Seasonal Prediction Model for Urban Water Demand (급수수요량의 계절별 예측모델에 관한 연구)

  • Gu, Ja-Yong
    • 수도
    • /
    • v.23 no.6 s.81
    • /
    • pp.36-46
    • /
    • 1996
  • 급수 수요량의 단기예측은 상수도 시스템의 유지관리 계획 수립의 중요한 구성 요소이며, 대상지역의 특성을 민감하게 반영하고 있으므로, 급수수요의 지역 특성과 관련된 수요 구조의 파악이 무엇보다 중요한 과제라 할 수 있다. 따라서 본 논문에서는 상수도 시스템의 합리적 배수 제어 획을 실시하기 위한 기초적 정보인 급수량 변동 구조에 대해 통계적인 분석을 실시하였다. 특히 일단위의 급수량에 초점을 두어 급수량의 시계열 특성과 급수량 영향 요인 분석을 통하여 대상 지역의 정상 시계열장과 급수량에 영향을 미치는 요인을 분석하였다. 또한 급수량의 계절별 단기 수요 예측 모델을 제안하기 위하여 통계적 예측 수법으로 평가 받고 있는 MARIMA (Multiple Auto Regressive Integrated Moving Average) 모델을 급수량 단기 수요 예측에 적용하여 계절별 급수 수요량을 예측하였다.

  • PDF

Prospects for changing in hydrological cycle components in North Korea basins by RCP8.5 climate change scenario (RCP8.5 기후변화시나리오에 따른 북한지역의 수문순환요소 변화 전망)

  • Jeung, Se Jin;Kwon, Bo Ra;Kim, Tae Hyung;Kim, Byung Sik
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2017.05a
    • /
    • pp.30-30
    • /
    • 2017
  • 한반도의 기후변화는 전 세계 평균보다도 빠르게 진행되고 있다. 최근 빈발하고 있는 태풍 및 극한 강우, 폭설과 한파, 온난화 현상 등이 그 예이다. 특히 북한지역은 오랜 식량난과 에너지난으로 산림생태계가 훼손되어 홍수 및 이수와 같은 기후변화 관련 자연재해에 매우 취약하다. 이렇게 예상되는 대규모 자연재해를 대비하고 기후변화에 효율적으로 대처하기 위해서는 체계적이고 과학적인 기상 및 기후 예측 정보의 활용이 매우 중요하다. 하지만 북한지역은 우리가 수문자료를 구하기가 힘들고, 직접 측정을 할 수 없으므로 수문자료의 수집에 한계가 있기 때문에 기후변화관련 수문연구에 한계점이 있다. 따라서 본 논문에서는 WMO에서 제공하고 있는 북한의 27개 기상관측소의 강수량, 기온자료와 기상청의 RCP8.5기후변화시나리오를 제공 받아 각 관측소별 미래 잠재증발산량을 산정하였다. 또한 lumped conceptual model인 WASMOD 모형을 이용하여 북한의 대표유역(금야강, 대동강, 두만강, 압록강, 예성강, 임진강, 장연남대천)에 적용하여 부족한 수문시계열자료를 산정하였다. 이렇게 산정된 북한의 미래 수문순환요소의 시계열자료를 이용하여 통계분석, 변화점분석, 유황분석등 시계열 분석 등을 통해 RCP8.5기후변화시나리오 기반의 기후변화가 북한지역의 수문순환과정에 미치는 영향을 분석하고, 이를 통해 유역규모의 수자원에 미치는 영향을 전망하였다.

  • PDF

Kalman-Filter Estimation and Prediction for a Spatial Time Series Model (공간시계열 모형의 칼만필터 추정과 예측)

  • Lee, Sung-Duck;Han, Eun-Hee;Kim, Duck-Ki
    • Communications for Statistical Applications and Methods
    • /
    • v.18 no.1
    • /
    • pp.79-87
    • /
    • 2011
  • A spatial time series model was used for analyzing the method of spatial time series (not the ARIMA model that is popular for analyzing spatial time series) by using chicken pox data which is a highly contagious disease and grid data due to ARIMA not reflecting the spatial processes. Time series model contains a weighting matrix, because that spatial time series model influences the time variation as well as the spatial location. The weighting matrix reflects that the more geographically contiguous region has the higher spatial dependence. It is hypothesized that the weighting matrix gives neighboring areas the same influence in the study of the spatial time series model. Therefore, we try to present the conclusion with a weighting matrix in a way that gives the same weight to existing neighboring areas in the study of the suitability of the STARMA model, spatial time series model and STBL model, in the comparative study of the predictive power for statistical inference, and the results. Furthermore, through the Kalman-Filter method we try to show the superiority of the Kalman-Filter method through a parameter assumption and the processes of prediction.

Application to Evaluation of Hydrologic Time Series Forecasting for Long-Term Runoff Simulation (장기유출모의를 위한 수문시계열 예측모형의 적용성 평가)

  • Yoon, Sun-Kwon;Ahn, Jae-Hyun;Kim, Jong-Suk;Moon, Young-Il
    • Journal of Korea Water Resources Association
    • /
    • v.42 no.10
    • /
    • pp.809-824
    • /
    • 2009
  • Hydrological system forecasting, which is the short term runoff historical data during the limited period in dam site, is a conditional precedent of hydrological persistence by stochastic analysis. We have forecasted the monthly hydrological system from Andong dam basin data that is the rainfall, evaporation, and runoff, using the seasonal ARIMA (autoregressive integrated moving average) model. Also we have conducted long term runoff simulations through the forecasted results of TANK model and ARIMA+TANK model. The results of analysis have been concurred to the observation data, and it has been considered for application to possibility on the stochastic model for dam inflow forecasting. Thus, the method presented in this study suggests a help to water resource mid- and long-term strategy establishment to application for runoff simulations through the forecasting variables of hydrological time series on the relatively short holding runoff data in an object basins.

A Study on Forecasting Spare Parts Demand based on Data-Mining (데이터 마이닝 기반의 수리부속 수요예측 연구)

  • Kim, Jaedong;Lee, Hanjun
    • Journal of Internet Computing and Services
    • /
    • v.18 no.1
    • /
    • pp.121-129
    • /
    • 2017
  • Demand forecasting is one of the most critical tasks in defense logistics, because the failure of the task can bring about a huge waste of budget. Up to date, ROK-MND(Republic of Korea - Ministry of National Defense) has analyzed past component consumption data with time-series techniques to predict each component's demand. However, the accuracy of the prediction still needs to be improved. In our study, we attempted to find consumption pattern using data mining techniques. We gathered an 18,476 component consumption data first, and then derived diverse features to utilize them in identification of demanding patterns in the consumption data. The results show that our approach improves demand forecasting with higher accuracy.

정박 중 준해양사고 원인에 대한 빅데이터 분석 연구

  • No, Beom-Seok;Kim, Tae-Hun;Gang, Seok-Yong
    • Proceedings of the Korean Institute of Navigation and Port Research Conference
    • /
    • 2018.05a
    • /
    • pp.144-146
    • /
    • 2018
  • 준해상사고를 줄이기 위하여 준해양사고 등을 분석하여 사고 예방에 활용하였다. 하지만 준해양사고 건수가 많은 대신 주내용이 정성적이기 때문에 다양한 정량적 데이터로 분석하기에는 현실적 어려움이 있었다. 이러 장단점을 고려하여 준해양사고에 대해서 그동안 단순한 내용 검토 방식에서 통계적 분석과 이를 통한 객관적 결과 토출이 가능한 빅데이터 기법를 적용한 연구가 필요하다. 이를 위해 10,000여건의 준해양사고 보고서를 전처리 작업을 통해 통일된 양식으로 정리하였다. 이 데이터를 기반으로 1차로 텍스트마이닝 분석을 통해 정박 중 준해양사고 발생 원인에 대한 주요 키워드를 도출하였다. 주요 키워드에 대해 2차로 시계열 및 클러스터 분석을 통해 발생할 수 있는 준해양 사고 상황에 대한 경향 예측을 도출하였다. 이번 연구에서는 정성적 자료인 준해양사고 보고서를 빅데이터 기법을 활용하여 정량화된 데이터로 전환할 수 있고 이를 통해 통계적 분석이 가능함을 확인하였다. 또한 빅데이터 기법을 통해 차 후 발생할 수 있는 준해양사고 객관적인 경향을 파악함으로써 예방 대책에 대한 정보 제공이 가능함을 확인할 수 있었다.

  • PDF

A Study on Applying a Model Using 1D CNN-LSTM to the RUL Prediction of HDD (하드디스크의 잔존 수명 예측에 1D CNN-LSTM 을 이용한 모델 적용 연구)

  • Seo, Yangjin
    • Proceedings of the Korea Information Processing Society Conference
    • /
    • 2020.11a
    • /
    • pp.978-981
    • /
    • 2020
  • 제품이나 부품의 잔존 수명을 정확하게 예측할 수 있다면 고장이나 중단으로 인한 손실을 방지하는 것이 가능해질 것이다. 제품의 잔존 수명은 시계열 데이터 분석을 통해 예측될 수 있으며, 최근에는 딥러닝을 이용한 잔존 수명 예측 연구가 활발하게 진행되고 있다. 본 연구에서 우리는 컴퓨터 기반 시스템의 주요 고장 요소가 되고 있는 하드디스크의 잔존 수명을 예측하는 문제에 1D CNN-LSTM 을 이용한 모델을 적용하고, RMSE 와 R-Square 값을 이용해 적용한 모델의 성능을 평가하였다.

Predicting the Real Estate Price Index Using Deep Learning (딥 러닝을 이용한 부동산가격지수 예측)

  • Bae, Seong Wan;Yu, Jung Suk
    • Korea Real Estate Review
    • /
    • v.27 no.3
    • /
    • pp.71-86
    • /
    • 2017
  • The purpose of this study was to apply the deep running method to real estate price index predicting and to compare it with the time series analysis method to test the possibility of its application to real estate market forecasting. Various real estate price indices were predicted using the DNN (deep neural networks) and LSTM (long short term memory networks) models, both of which draw on the deep learning method, and the ARIMA (autoregressive integrated moving average) model, which is based on the time seies analysis method. The results of the study showed the following. First, the predictive power of the deep learning method is superior to that of the time series analysis method. Second, among the deep learning models, the predictability of the DNN model is slightly superior to that of the LSTM model. Third, the deep learning method and the ARIMA model are the least reliable tools for predicting the housing sales prices index among the real estate price indices. Drawing on the deep learning method, it is hoped that this study will help enhance the accuracy in predicting the real estate market dynamics.

Air passenger demand forecasting for the Incheon airport using time series models (시계열 모형을 이용한 인천공항 이용객 수요 예측)

  • Lee, Jihoon;Han, Hyerim;Yoon, Sanghoo
    • Journal of Digital Convergence
    • /
    • v.18 no.12
    • /
    • pp.87-95
    • /
    • 2020
  • The Incheon airport is a gateway to and from the Republic of Korea and has a great influence on the image of the country. Therefore, it is necessary to predict the number of airport passengers in the long term in order to maintain the quality of service at the airport. In this study, we compared the predictive performance of various time series models to predict the air passenger demand at Incheon Airport. From 2002 to 2019, passenger data include trend and seasonality. We considered the naive method, decomposition method, exponential smoothing method, SARIMA, PROPHET. In order to compare the capacity and number of passengers at Incheon Airport in the future, the short-term, mid-term, and long-term was forecasted by time series models. For the short-term forecast, the exponential smoothing model, which weighted the recent data, was excellent, and the number of annual users in 2020 will be about 73.5 million. For the medium-term forecast, the SARIMA model considering stationarity was excellent, and the annual number of air passengers in 2022 will be around 79.8 million. The PROPHET model was excellent for long-term prediction and the annual number of passengers is expected to be about 99.0 million in 2024.