• Journal of Korea Port Economic Association
• /
• v.34 no.1
• /
• pp.81-98
• /
• 2018

Port logistics is essential for Korea's economy which heavily rely on international trade. Vast amounts of capital and time are consumed for the operation and development of ports to improve their competitiveness. Therefore, it is important to forecast cargo volume in order to establish the optimum level of construction and development plan. Itemized forecasting is necessary for appropriate port planning, since disaggregate approach is able to provides more realistic solution than aggregate forecasting. We introduce a new time series model which is Two-way Seasonality Multiplied Regressive Model (TSMR) to forecast oil cargo volume, which accounts for a large portion of total cargo volume in Korea. The TSMR model is designed to take into account the characteristics of oil cargo volume which exhibits trends with short and long-term seasonality. To verify the TSMR model, existing forecasting models are also used for a comparison reason. The results shows that the TSMR excels the existing models in terms of forecasting accuracy whereas the TSMR displays weakness in short-term forecasting. In addition, it was shown that the TSMR can be applied to other cargoes that have trends with short- and long-term seasonality through testing applicability of the TSMR.

• The Korean Journal of Applied Statistics
• /
• v.20 no.3
• /
• pp.541-550
• /
• 2007

One of main aspects of time series analysis is to forecast future values of series based on values up to a given time. The prediction interval for future values is usually obtained under the normality assumption. When the assumption is seriously violated, a transformation of data may permit the valid use of the normal theory. We investigate the prediction problem for future values in the original scale when transformations are applied in ARMA models. In this paper, we introduce the methodology based on Yeo-Johnson transformation to solve the problem of skewed data whose modelling is relatively difficult in the analysis of time series. Simulation studies show that the coverage probabilities of proposed intervals are closer to the nominal level than those of usual intervals.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.367-367
• /
• 2012

기후변화로 인해 기온, 강수량, 습도 등의 기후를 예측하고 변화하는 환경에 적응해가며 생활하고 있다. 또한 여러 가지 외부적인 요인들의 영향을 받아 상수도 시설에서의 에너지 사용량도 영향을 많이 받는다. 하지만 이러한 상수도 시설의 사용량 변화로 인해 상수도 수요량의 변화량을 예측하는데 있어서 국내 연구 및 방법이 많이 부족한 상황이다. 이에 본 연구에서는 다중스케일을 기반으로 하는 비선형 예측 모형을 개발하고자 한다. 다중스케일 분석에서도 가장 우수한 분해 능력을 가지는 Wavelet Transform을 적용하여 시계열을 분해한 후 패턴인식 기반의 비선형 예측모형인 Support Vector Machine(SVM)을 적용하였다. 상수도 수요량의 예측 과정은 다음과 같다. 첫째, 상수도 수요량 자료를 Wavelet Transform 기법을 통하여 단순화 시킨다. 둘째, Global Wavelet Spectrum을 통하여 통계적으로 의미 있는 성분만을 추출하고 이를 해석 대상으로 한다. 셋째, 특정 주기를 갖는 유의한 독립성분들에 대해서 최적 지체시간을 결정한 후 SVM모형을 통해 예측 모형을 구축한다. 넷째, 나머지 성분에 대해서도 SVM 모형을 적용하여 예측을 실시한 후 앞서 예측된 성분과 모두 결합하여 최종적으로 예측시계열을 구성한다.

• Communications for Statistical Applications and Methods
• /
• v.19 no.3
• /
• pp.415-422
• /
• 2012

In this paper, we first the compare the performance of Holt-Winters, FSARIMA, AR-GARCH and Seasonal AR-GARCH models with in the short term based data. The results of the compared data show that the Holt-Winters model outperformed other models in terms of forecasting accuracy.

• Proceedings of the KAIS Fall Conference
• /
• 2009.05a
• /
• pp.672-675
• /
• 2009

BMS(Bus Management System)의 핵심인 버스도착예정시간을 산출하는 데 있어서 기존 대부분의 도시에서는 시계열 모형의 이동평균법, 칼만필터링 등으로 버스도착예정시간을 예측하고 있으나 이는 급격한 통행량의 변화 또는 급작스러운 사고, 신호체계 등에 적응 할 수 없다. 따라서 본 논문에서는 주변 도로의 통행량에 따른 버스의 정류장 도착시간을 예측하는 방법을 제안 한다. 주변 도로의 통행량과 실제 버스의 통행시간을 실측하여 기록, 학습하고 모델링하여 미래의 버스의 운행시간을 예측하는 방법이다. 또, 이동평균법에 의한 버스도착시간 예측결과와 본 논문에서 제안하는 결과와 비교, 분석하였다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2023.05a
• /
• pp.15-16
• /
• 2023

해상교통관제 구역은 항만 시설을 사용하기 위한 입·출항 선박, 연안 해역을 이동하는 선박 등이 서로 복잡하게 운항하는 교통 패턴을 가지고 있다. 이를 안전하고 효과적으로 관리하기 위해 해상교통관제센터(VTS)에서는 선박을 실시간 모니터링하며 관제 업무를 수행하고 있지만, 교통 혼잡 상황에서는 업무 로드의 증가로 인해 관제 공백이 발생하기도 한다. 이에 교통 혼잡도 및 혼잡 구역을 예측한다면보다 효율적인 관제가 가능하지만 현재는 관제사의 경험에 전적으로 의존하고 있는 실정이다. 본 논문에서는 VTS 관점에서의 교통 혼잡을 정의하고, 과거 항적 데이터를 이용하여 항내 선박 교통 혼잡도 및 혼잡 구역을 예측하는 방법을 제안하였다. 또한, 실해역 데이터(대산항 VTS)를 적용하여 제안된 기술이 관제지원 도구로서 활용될 수 있는지 검토하였다.

• Journal of Korea Port Economic Association
• /
• v.37 no.1
• /
• pp.71-85
• /
• 2021

A variety of methods have been proposed through a number of studies on sophisticated demand forecasting models that can reduce logistics costs. These studies mainly determine the applicable demand forecasting model based on the pattern of demand quantity and try to judge the accuracy of the model through statistical verification. Demand patterns can be broadly divided into regularity and irregularity. A regular pattern means that the order is regular and the order quantity is constant. In this case, predicting demand mainly through regression model or time series model was used. However, this demand is called "intermittent demand" when irregular and fluctuating amount of order quantity is large, and there is a high possibility of error in demand prediction with existing regression model or time series model. For items that show intermittent demand, predicting demand is mainly done using Croston or HOLTS. In this study, we analyze the demand patterns of various items of air cargo with intermittent patterns and apply the most appropriate model to predict and verify the demand. In this process, intermittent optimal demand forecasting model of air cargo is proposed by analyzing the fit of various models of air cargo by item and region.

• KIPS Transactions on Software and Data Engineering
• /
• v.12 no.3
• /
• pp.125-132
• /
• 2023

In this study, we compared the performance of machine learning models for predicting Vapor Pressure Deficits (VPD) in greenhouses that affect pore function and photosynthesis as well as plant growth due to nutrient absorption of plants. For VPD prediction, the correlation between the environmental elements in and outside the greenhouse and the temporal elements of the time series data was confirmed, and how the highly correlated elements affect VPD was confirmed. Before analyzing the performance of the prediction model, the amount and interval of analysis time series data (1 day, 3 days, 7 days) and interval (20 minutes, 1 hour) were checked to adjust the amount and interval of data. Finally, four machine learning prediction models (XGB Regressor, LGBM Regressor, Random Forest Regressor, etc.) were applied to compare the prediction performance by model. As a result of the prediction of the model, when data of 1 day at 20 minute intervals were used, the highest prediction performance was 0.008 for MAE and 0.011 for RMSE in LGBM. In addition, it was confirmed that the factor that most influences VPD prediction after 20 minutes was VPD (VPD_y__71) from the past 20 minutes rather than environmental factors. Using the results of this study, it is possible to increase crop productivity through VPD prediction, condensation of greenhouses, and prevention of disease occurrence. In the future, it can be used not only in predicting environmental data of greenhouses, but also in various fields such as production prediction and smart farm control models.

• The Korean Journal of Financial Management
• /
• v.16 no.1
• /
• pp.223-243
• /
• 1999

포트폴리오의 위험을 통제하거나 감소시키기 위해서 헤저들은 최적헤지비율을 추정하여야 하는데, 최적헤지비율의 추정치는 사용하는 모형에 따라 많은 차이를 보인다. 전통적인 회귀분석모형에 의하여 추정된 최적헤지비율은 시계열자료의 불안정성(nonstationary) 등으로 인하여 잘못될 가능성이 많으며, 잘못 추정된 헤지비율을 그대로 이용할 경우 현물포트폴리오의 시장위험을 최소화시키지 못하고 헤징비용을 증가시키는 결과를 초래한다. 시계열자료의 불안정성으로 말미암아 야기되는 문제점들을 개선할 수 있는 모형으로서 오차 수정모형(Error Correction Model : ECM)이 널리 이용되고 있다. 본 연구는 ECM을 사용하여 추정된 최적헤지비율과 전통적 회귀분석모형을 사용하여 추정한 최적헤지비율을 비교하여 어떤 모형으로 추정한 헤지비율이 더 정확한지를 평가하는데 목적을 두고 있다. 즉, 본 연구는 KOSPI 200 현 선물지수 자료를 대상으로 ECM과 전통적 회귀분석모형에 의한 최적헤지비율을 추정하고 각 모형의 설명력과 예측력을 비교하고자 한다. 실증분석 결과, KOSPI 200 현물지수와 KOSPI 200 선물지수간에는 공적분 관계가 존재하며, ECM과 전통적 회귀분석모형을 이용하여 추정한 최적헤지비율의 크기는 서로 다르며, ECM을 이용할 때 모형의 설명력이 조금 더 높게 나타났으며, 예측력도 ECM이 좀더 우월한 것으로 나타났다.

• Journal of Korea Water Resources Association
• /
• v.42 no.8
• /
• pp.673-680
• /
• 2009

Alternatives to conventional water resources are being sought due to the scarcity and the poor quality of surface water. Riverbank filtration (RBF) is one of them and considered as a promising source of water supply in some cities. Changwon City has started RBF in 2001 and field data have been accumulated. This study is to develop a time-series model for groundwater level data collected from the pumping area of RBF. The site is Daesan-myeon, Changwon City, where groundwater level data have been measured for the last five years (Jan. 2003$\sim$Dec. 2007). Minute-based groundwater levels was averaged out to monthly data to see the long-term behavior. Time-series analysis was conducted according to the Box-Jenkins method. The resulted model turned out to be a seasonal ARIMA model, and its forecasting performance was satisfactory. We believe this study will provide a prototype for other riverbank filtration sites where the predictability of groundwater level is essential for the reliable supply of water.