• 응용통계연구
• /
• 제35권3호
• /
• pp.385-393
• /
• 2022

본 논문에서는 시계열 예측 분야에서 잘 알려져 있는 단변량 시계열 모형들을 이용하여, 그들의 단순 조합이 어떤 예측력을 보여주는지 연구한다. 고려된 단변량 시계열 모형으로는, 지수평활 및 ARIMA(autoregressive integrated moving average) 모형들과 그들의 확장된 형태인 모형들 그리고 예측의 벤치마크 모형으로 자주 사용되는 비계절 및 계절 랜덤워크 모형이다. 단순 조합의 방법은 중앙값과 평균을 이용하였으며, 검증을 위하여 사용된 데이터셋은 3,003개의 시계열 자료로 구성된 M3-competition 자료이다. 예측 성능을 sMAPE(symmetric mean absolute percentage error)와 MASE(mean absolute scaled error)로 평가한 결과, 단변량 시계열 모형들의 단순 조합이 아주 우수한 예측력을 가지고 있음을 확인하였다.

• 농촌지도와개발
• /
• 제20권2호
• /
• pp.511-533
• /
• 2013

이 연구는 단변량 시계열 중에서 계절 아리마 모형을 이용하여 경주지역 외국인 관광객을 예측하고자 한다. 이 연구를 위한 시계열 월별 자료는 1995년부터 2010년까지 수집하였다. 총 192개의 관측치를 분석에 사용하였는데, 성수기와 비수기의 관광객 차이가 아주 큰 것을 보여주고 있다. 예측분석결과, 경주지역의 외국인 관광객에 대한 최종 예측모형은 승법계절 ARIMA(1,1,0) $(4,0,0)_{12}$ 모형으로 선정되었다. 이 모형에 적용하여 미래의 경주지역의 외국인 관광객은 2011년 694천명, 2012년 715천명, 2013년 725천명, 2014년 738천명, 2015년 751천명이 방문하는 것으로 나타났다. 이는 향후 경주지역 외국인 관광객에게 효율적으로 관광시설을 공급함과 동시에 서비스를 제공하기 위한 관광정책을 수립하는 측면에서 관광관련 이해당사자들에게 매우 중요하다는 것을 시사하고 있다.

• 한국항만경제학회지
• /
• 제24권2호
• /
• pp.1-17
• /
• 2008

본 연구에서는 부산 북항의 장래 물동량을 시계열 모형을 이용하여 정량적으로 예측하였다. 항만물동량을 화물의 특성에 따라 크게 컨테이너, 유류, 일반화물 3가지로 구분하였다. 북항의 물동량 예측에서는 먼저 기존 물동량의 계절지수를 산정하고, 지수평활모형과 ARIMA모형 중에서 최적모형을 선정하였다. 이를 통해 추정된 각 화물별 해당연도의 물동량에 계절지수를 적용하여 물동량을 월별로 산출하였다. 2011년과 2015년의 컨테이너 예측 물동량은 각각 21,390만톤, 23,144만톤이며, 이는 2007년 대비 2011년과 2015년에 각각 약 7.4%, 16.2%로 증가한 것이다. 유류화물의 물동량은 동일하게 약 705만톤으로 2007년 대비 약 4.7% 증가하는 것으로 나타났으나 2002년의 물동량보다는 낮을 것으로 예측되었다. 그리고 일반화물의 물동량은 약 805만톤으로 2007년 대비 2011년과 2015년에 각각 약 0.74%, 0.75% 감소할 것으로 나타나 2007년과 거의 비슷한 수준을 유지할 것으로 예측되었다. 향후 북항에서 처리될 것으로 예측된 전체 항만물동량은 2011년과 2015년에 각각 22,900만톤과 24,654만톤으로 예상되었다. 이는 2007년 대비 각각 약 7.0%, 15.2% 증가한 물동량이다. 이러한 물동량의 증가는 컨테이너화물의 견인차 역할로 인한 결과로 예측되었다. 또한 북항 전체의 장래 월별 물동량을 보면 4월에 가장 많고, 2월에는 가장 적을 것으로 나타났다.

• 한국ITS학회 논문지
• /
• 제20권6호
• /
• pp.1-13
• /
• 2021

본 연구에서는 도로교통분야의 계획, 설계, 유지관리, 연구 등 다양한 목적으로 활용되고 있는 교통량 데이터의 정확도 확보를 위해 시계열 분석 기법을 적용하여 교통량 데이터의 보정 및 예측을 수행하였다. 기존 알고리즘의 경우 주기성 및 계절성이 강하거나 불규칙한 데이터에 한계를 보이고 있어 교통량 데이터와 같은 자료에 적용하기에는 한계가 있다. 이러한 한계점을 극복하고 보완하기 위해 ARIMA 모형에 자기상관 모형인 SAR(Seasonal Auto Regressive)과 계절 이동평균 모형인 SMA(Seasonal Moving Average)가 결합된 분석 기법인 SARIMA 모형을 적용하였다. 분석결과 최적 파라미터 조합인 SARIMA(4,1,3)(4,0,3) 12 모형을 활용한 교통량 예측 결과 평균 85% 정도의 우수한 성능을 보였다. 본 연구를 통해서 교통량 데이터의 결측 발생 시 교통량 보정 및 예측의 정확도를 높일 수 있으며, 교통량 데이터 외에도 계절성에 영향을 받는 시계열 데이터에 적용이 가능하다.

• 융합보안논문지
• /
• 제22권3호
• /
• pp.79-86
• /
• 2022

보이스피싱은 가짜 금융기관, 검찰청, 경찰청 등을 사칭하여 개인의 인증번호와 신용카드 정보를 알아내거나 예금을 인출하게 하여 탈취하는 사이버 범죄이다. 최근에는 교묘하고도 은밀한 방법으로 보이스피싱이 이루어지고 있다. '18~'21년 발생한 보이스피싱의 추세를 분석하면, 보이스피싱이 발생되는 시기에 예금 인출이 급격하게 증가하여 시계열 분석에 모호함을 주는 계절성이 존재함을 발견하였다. 이에 본 연구에서는 보이스피싱 발생 추이의 정확한 예측을 위해서 계절성을 X-12 계절성 조정 방법론으로 조정하고, ARIMA 모형을 이용하여 2022년 보이스피싱 발생을 예측하였다.

• 지능정보연구
• /
• 제19권1호
• /
• pp.1-17
• /
• 2013

본 연구에서는 시계열 예측을 위해 선형 모형과 비선형 모형의 하이브리드 모형 및 순수 모형의 성과를 비교 평가하였다. 이를 위해 5가지 서로 다른 패턴을 가지는 데이터를 생성하여 시뮬레이션을 진행하였다. 본 연구에서 고려한 선형 모형은 AR(autoregressive model)과 SARIMA(seasonal autoregressive integrated moving average model)이고 비선형 모형은 인공신경망(artificial neural networks model)과 GAM(generalized additive model)이다. 특히, GAM은 여러 장점에도 불구하고 시계열 예측을 위한 비선형 모형으로 기존 연구들에서는 거의 쓰이지 않았던 모형이다. 시뮬레이션 결과, seasonality를 가지는 시계열에 대해서는 AR 및 AR-AR 모형이, trend를 가지는 시계열에 대해서는 SARIMA 및 SARIMA와 다른 모형의 하이브리드 모형이 다른 모형에 비해 높은 성과를 보였다. 한편, 인공신경망과 GAM을 비교하면, 트렌드와 계절성이 더해진 시계열에 대해 SARIMA와 GAM의 하이브리드 모형이 거의 모든 노이즈(noise) 수준에 대해 높은 성과를 보인 반면, 노이즈 수준이 미미한 경우에 한해 SARIMA와 인공신경망의 하이브리드 모형이 높은 성과를 보였다.

• 응용통계연구
• /
• 제31권2호
• /
• pp.189-204
• /
• 2018

본 연구는 2014년 1월부터 2017년 4월까지 광, 공업용 제조업을 하는 건물(GGM)의 전기 사용량에 대한 예측을 살펴보고자 한다. SARIMA, SARIMA + GARCH, Holt-Winters 방법, Fourier 변환으로 분해를 한 ARIMA 모형을 중심으로 네 가지 모형에 대한 적합을 하였다. 또한 2017년 5월 사용량에 대한 예측하고, 실제값을 고려하여 각 모형에 대해 예측 제곱근 평균 제곱 오차와 예측 오차율을 비교하였다. GGM 건물의 전기 사용량에 대한 변동이 심하기 때문에 여러 가지 모형 중에서도 변동성과 주기를 함께 고려한 SARIMA + GARCH 모형의 적합과 예측이 가장 뛰어난 것을 확인하였다.

• 응용통계연구
• /
• 제29권1호
• /
• pp.205-220
• /
• 2016

경제통계에서 기조적 변동인 추세변동과 순환변동을 살펴보려면 경제통계에서 달력변동을 포함한 계절변동을 적절히 제거하는 계절조정이 필요하다. 계절조정방법으로는 전년동기대비 증감률과 같이 간편한 방식이 있지만 통계작성기관에서는 이동평균 또는 시계열모형을 기반으로 한 X-12-ARIMA 또는 TRAMO-SEATS를 이용하여 계절조정계열을 작성한다. 통계청과 한국은행은 X-12-ARIMA 또는 X-13ARIMA-SEATS에 우리나라 고유의 명절, 공휴일 등을 추가로 보정한 계절조정방법을 만들고 이를 이용하여 우리나라 주요 경제통계의 계절조정계열을 작성, 공표하고 있다. 본 논문에서는 그 동안의 연구를 바탕으로 계절조정의 기본 원리와 우리나라의 계절조정 현황을 정리하고, 월별 산업생산지수(제조업)와 취업자의 계절조정을 통해 계절조정의 주요 쟁점을 정리하였다.

• 한국항해항만학회지
• /
• 제44권1호
• /
• pp.44-52
• /
• 2020

세계적인 장기경기침체 속에서 보다 정확한 물동량 예측은 항만정책 수행에 중요하다. 따라서, 본 연구에서는 부산항 컨테이너 물동량(수출입화물과 환적화물)을 단변량 모형인 ARIMA 뿐만 아니라 인과관계가 있을 것으로 예상되는 경제규모(한국, 중국, 미국의 국내총생산), 금리수준 그리고 경기변동을 고려한 벡터자기회귀모형과 벡터오차수정모형을 활용하여 추정하고 비교하였다. 측정자료는 2014년 1월부터 2019년 8월까지 월별 부산항 컨테이너 물동량이다. 분석결과에 의하면, 수출입물동량 시계열은 비교적 안정적(stationary)이어서 VAR에 의해 추정하였고 환적화물은 불안정적(non-stationary)하지만, 경제규모, 금리 및 경기변동과 공적분(장기적인 균형관계)를 띠고 있어 VEC모형으로 추정하였다. 추정결과, 안정적인 수출입화물 추정에서는 단변량 모형인 ARIMA가 우수하고 추세가 있는 환적화물은 다변량모형인 VEC모형이 보다 예측력이 우수한 것으로 나타나고 있다. 특히 수출입화물은 우리나라 경제규모와 관련이 있고, 환적화물은 중국과 미국 경제규모와 밀접한 관련이 있다. 또한 중국 경제규모가 미국에 비하여 더 밀접하게 나타나고 있어 환적화물 증대전략에 시사점을 주고 있다.

• 한국전산구조공학회논문집
• /
• 제25권4호
• /
• pp.331-338
• /
• 2012

현재 국내에서 EM-120에 의해 검측된 틀림 데이터는 매우 불규칙적인 형태를 나타내며 데이터 분석 시 다양한 문제점을 가지고 있다. 본 연구에서는 궤도의 효율적인 유지관리를 위해 검측된 틀림데이터의 특징과 문제점을 분석하고, 이를 보완할 수 있는 효율적인 처리 기법을 개발하였으며, 정제된 데이터의 ARIMA 분석을 통해 검측데이터와 계절 변화의 상관관계 분석을 수행하였다. 또한 회귀모형, 지수평활법, ARIMA 모형 등 다양한 예측 모델의 적용을 통해 검측 데이터의 시계열 분석을 수행하고, 궤도 틀림 데이터의 예측 모델에 적합한 최적 모델 선정과 관련한 연구를 수행하였다.