• The Journal of the Korea Contents Association
• /
• v.15 no.6
• /
• pp.399-410
• /
• 2015

The primary goal of the study is to examine the possibility of applying the time series model to forecasting demand and supply of social services. In the study, we used survey data based on a nationally represented sample which is secondary processed data. We selected developmental rehabilitation service. The analysis, we made models of a demand and a supply using time series analysis. Utilizing the estimates, we identified each model's pattern. This study provides an empirical evidence to suggest benefits of using the time series model for forecasting the demand and the supply pattern of newly introduced social services. We also provide discussions on policy implications of utilizing demand and supply time series models in the process of developing new social services.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.768-771
• /
• 2021

시계열 분석은 이전 시점들의 데이터를 기반으로 미래 시점의 데이터를 예측하는 기술을 제공하며, SARIMA는 이러한 시계열 분석에서 활용되는 통계 모델의 일종이다. 본 연구는 직접 수집한 실시간 위치 데이터에 SARIMA를 적용하여 개인의 이동 패턴을 추출하고 이를 예측에 활용하는 전반적인 프로세스를 제작하였다. 첫째, DB에 업로드된 위치 데이터를 비지도 학습의 일종인 EM-clustering을 활용해 핵심 방문 장소들로부터의 거리에 따라 군집화했다. 둘째, 해당 장소에 입장하고 퇴장하는 시간 간격에 SARIMA를 적용해 주기성을 추출했다. 마지막으로, 이 주기성들을 군집의 중요도에 따라 순차적으로 분석하여 유의미한 예측 결과를 도출해냈다.

• The Journal of Bigdata
• /
• v.7 no.2
• /
• pp.217-224
• /
• 2022

Since online shopping has become common, people can easily buy fashion goods anytime, anywhere. Therefore, consumers quickly respond to various environmental variables such as weather and sales prices. Therefore, utilizing big data for efficient inventory management has become very important in the fashion industry. In this paper, the changes in sales volume of fashion goods due to changes in temperature is analyzed via the proposed big data analysis algorithm by utilizing actual big data from Korean fashion company 'A'. According to the simulation results, it was confirmed that Bidirectional-LSTM(Bi-LSTM) compared to LSTM(Long Short-Term Memory) takes more simulation time about more than 50%, but the prediction accuracy of non-periodic time series data such as clothing product sales data is the same.

• Communications for Statistical Applications and Methods
• /
• v.18 no.1
• /
• pp.13-21
• /
• 2011

This paper studies the analysis of multivariate nonstationary time series with seasonality. Three types of multivariate time series models are considered: seasonal cointegration model, nonseasonal cointegration model with seasonal dummies, and vector autoregressive model in seasonal differences that are compared for forecasting performances using Korean macro-economic time series data. The cointegration models produce smaller forecast errors in short horizons; however, when longer forecasting periods are considered the vector autoregressive model appears preferable.

• The Korean Journal of Applied Statistics
• /
• v.36 no.1
• /
• pp.21-32
• /
• 2023

The amount of money processed in medicine from the Korea Consumer Agency was studied by the various time series models. The medical data set from the Korea Consumer Agency were consisted of counseling, damage relief and conciliation. For the analysis of time series, autoregressive moving average model, vector autoregressive model and the transfer function model were used. We considered the stationarity and cross correlation function for the identification and fitting. As a result, the transfer function model showed a better prediction. Whereas, the vector autoregressive model also provided good information for the degree and duration of the influence of variables.

• Journal of Korean Society of Transportation
• /
• v.25 no.1 s.94
• /
• pp.121-132
• /
• 2007

Up to now Permanent traffic volumes have been counted by Automatic Vehicle Classification (AVC) on National Highways. When counted data have missing items or errors, the data must be revised to stay statistically reliable This study was carried out to estimate correct data based on outoregression and seasonal AutoRegressive Integrated Moving Average (ARIMA). As a result of verification through seasonal ARIMA, the longer the missed period is, the greater the error. Autoregression results in better verification results than seasonal ARIMA. Traffic data is affected by the present state mote than past patterns. However. autoregression can be applied only to the cases where data include similar neighborhood patterns and even in this case. the data cannot be corrected when data are missing due to low qualify or errors Therefore, these data shoo)d be corrected using past patterns and seasonal ARIMA when the missing data occurs in short periods.

• Korean Management Science Review
• /
• v.1
• /
• pp.68-80
• /
• 1984

Box-Jenkins 시계열 분석법은 변수에 관한 정보가 부족하거나 너무 많은 변수가 영향을 미치고 있는 경우에도 과학적인 예측치를 구할 수 있는 단기예측 방법이다. Box-Jenkins 모형은 자동회귀 모형(Autoregressive Model), 이동평균 모형 (Moving average Model), 계절적 시계열 모형을 통합한 일반적인 모형이기 때문에 특별한 불안정성을 보이지 않는 경우에는 모두 모형화 할 수 있으며, 모형에 관계된 계수의 수를 최소화 하면서 만족스러운 모형을 찾을 수 있다. Box-Jenkins예측방법은 모형선정, 매개변수추정, 적합성 검정의 3단계를 반복으로 수행함으로써 최적모형에 이르게 하게 하고 있기 때문에 최소의 가능한 모형으로부터 시작하여 부적당한 부분을 제거시켜 나감으로써 시행착오의 과정을 최소화 할 수 있다. 일반 사용자가 Box-Jenkins 시계열 분석법을 쉽게 사용할 수 있도록 Box-Jenkins Package가 개발되었으며 여기서는 KAIST 전산 개발 센터에 설치된 Package를 소개하고 그 사용예를 보였다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.06a
• /
• pp.269-271
• /
• 2022

이 연구는 상선 해기사 인력의 수요를 단순평균법과 추세분석 및 시계열분석을 통혜 예측하고, 예측치와 실적치들을 비교하여 수요 예측방법들의 예측 정확도를 평가하였으며, 마이코프 분석을 활용하여 직급별로 인력구성의 변화요인을 고려하여 공급을 예측하고 인력부족을 진단하였다. 그리고 자율운항선 도입과 현실적인 공급확대 방안 실행이 부족인력 감소에 미치는 영향을 분석하여 해기사 인력 수급 대책의 타당성과 효과를 평가하였다.

• The Korean Journal of Applied Statistics
• /
• v.11 no.2
• /
• pp.317-333
• /
• 1998

In this study, I employed the autoregressive model and the geometric Brownian motion model to analyze the recent stock prices of Korea. For all 7 series of stock prices(or index) the geometric Brownian motion model gives better predicted values compared with the autoregressive model when we use smaller number of observations.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2010.06a
• /
• pp.69-70
• /
• 2010

우리나라의 경우 시계열적인 토지 이용의 변화특성에 대한 경향 및 유형의 분석과 예측에 관련한 연구는 그 중요성에도 불구하고 미흡한 실정이다. 따라서 본 연구는 서울시 강남구의 구축한 시계열 데이터를 바탕으로 가로체계와 토지이용 자료를 사용하여 강남구 공간구조의 시계열 공간구조변화의 패턴분석을 목적으로 한다. 또한 토지이용 변화과정을 함께 비교분석한다. 강남구는 70년대 초부터 개발로 인해 많이 변화해온 지역이다. 이를 고려하여 60,70,80,90년의 시계열별 공간구문론을 도입하여 축선도(Axial map)를 통해 정량적 분석을 한다. 향후 도로의 접근성 측면에서의 토지이용변화 예측모델 방법론과 연계가 이루어진다면 공간변화를 효과적으로 추정할 수 있을 것이라 기대한다.