• 국제지역연구
• /
• 제21권4호
• /
• pp.159-172
• /
• 2017

비관측요인(unobserved-component)모형을 이용한 GDP의 추세-순환요인 분해에서, 통상적으로 추세는 확률보행 과정을 갖는 것으로 가정된다. 본 연구는 추세를 ARIMA 과정으로 표현하는 경우, GDP 변동에서 갖는 추세요인의 의미가 어떻게 달라지는가를 살펴보고, GDP에 대한 예측력이 개선될 수 있는가의 여부를 미국의 데이터를 이용하여 실증적으로 분석하였다. 모형은 GDP만의 단일변수모형과 물가를 포함하는 2변수모형의 두 가지를 고려하여 설정하였으며, 모형 추정은 비관측요인모형을 상태-공간모형으로 전환한 후 칼만 필터(Kalman filter)를 이용한 최대우도추정법을 사용하였다. GDP에 대한 예측은 축차적 추정(recursive estimation)을 이용한 동적 표본외예측(dynamic out-of-sample) 방식을 사용하였으며, 예측력 비교결과에 대한 검정은 Diebold-Mariano 검정을 이용하였다. 분석 결과는 첫째, 모형의 추정결과에서 ARIMA 추세의 계수가 통계적으로 유의적인 값을 가지며, 둘째, ARIMA 추세 모형이 확률보행 추세 모형보다 GDP 변동의 분산 및 자기 상관성(autocorrelation)을 보다 잘 설명하며, 셋째, 예측력에서 단일변수보다는 2변수모형의 예측력이 그리고 확률보행 추세보다는 ARIMA 추세를 갖는 모형의 예측력이 통계적으로 유의하게 높은 것으로 나타났다. 이러한 결과들은 GDP 추세-순환 요인 분해에서 추세를 ARIMA 과정으로 표현하는 것이 보다 타당하다는 것을 시사하고 있다.

• 응용통계연구
• /
• 제31권6호
• /
• pp.785-799
• /
• 2018

신재생에너지 산업이 발전함에 따라 태양광 발전에 대한 중요성이 확대되고 있다. 태양광 발전량을 정확히 예측하기 위해서는 일사량 예측이 필수적이다. 본 논문에서는 태양광 패널이 존재하는 청주와 광주 지역을 선정하여 기상포털에서 제공하는 시간별 기상 데이터를 수집하여 연구하였다. 일사량 예측을 위하여 시계열 모형인 ARIMA, ARIMAX, seasonal ARIMA, seasonal ARIMAX, ARIMA-GARCH, ARIMAX-GARCH, seasonal ARIMA-GARCH, seasonal ARIMAX-GARCH 모형을 비교하였다. 본 연구에서는 모형의 예측 성능을 비교하고자 mean absolute error와 root mean square error를 사용하였다. 모형들의 예측 성능 비교 결과 일사량만 고려하였을 때는 이분산 문제를 고려한 seasonal ARIMA-GARCH 모형이 우수한 성능을 나타냈고, 외생변수를 활용한 ARIMAX 모형으로 일사량 예측을 한 경우가 가장 좋은 예측력을 나타냈다.

• 한국철도학회:학술대회논문집
• /
• 한국철도학회 2011년도 정기총회 및 추계학술대회 논문집
• /
• pp.1715-1721
• /
• 2011

For an efficient railroad operations the demand forecasting is required. Time series models can quickly forecast the future demand with fewer data. As well as the accuracy of forecasting is excellent compared to other methods. In this study is proposed the intervention ARIMA model for forecasting methods of KTX passenger demand. The intervention ARIMA model may reflect the intervention such as the Kyongbu high-speed rail project second phase. The simple seasonal ARIMA model is predicted to overestimate the KTX passenger demand. However, intervention ARIMA model is predicted the reasonable results. The KTX passenger demands were predicted to be a week units separated by the weekday and weekend.

• 대한교통학회지
• /
• 제32권6호
• /
• pp.600-614
• /
• 2014

본 연구는 SARIMA 모형을 활용하여 기존에 다루어지지 않았던 분기별 항만 컨테이너 물동량을 예측하였다. 구체적으로 모델 추정에 활용된 자료는 1994년 1사분기부터 2010년 4사분기까지 총 84분기동안의 국내 전체 항만 컨테이너 물동량 자료이다. 본 연구에서 추정된 예측 모형의 예측 정확도를 검증하기 위하여 2011년 1사분기부터 2013년 4사분기까지 물동량을 예측하여 실제 물동량과 비교하였다. 또한 기존에 널리 활용되고 있는 ARIMA 모형을 활용하여 추정한 예측 모형과의 비교를 통해 분기별 항만 물동량 예측에 있어서 SARIMA 모형의 상대적 우수성을 검증하였다. 기존에 항만 물동량을 예측하는 대부분의 연구는 주로 장기 예측에 초점이 맞추어져 있다. 또한 월별, 연도별 물동량 자료가 활용된 경우가 대부분이다. 분기별 항만 컨테이너 물동량 자료를 활용하여 단기 수요를 예측함과 동시에 SARIMA 모형의 우수성을 입증한 본 연구는 충분한 가치가 있다고 판단된다.

• 응용통계연구
• /
• 제28권6호
• /
• pp.1235-1243
• /
• 2015

최근 들어 ICT 분야의 발달에 따라 데이터 사용량의 급격한 증가로 인터넷 트래픽 사용량 예측은 중요성은 강조되고 있다. 이러한 예측치를 적절한 트래픽 관리와 제어를 위한 계획 수립에 도움을 준다. 본 논문은, 5분 단위의 인터넷 트래픽 자료를 이용하여 결합 예측 모형을 제안하고자 한다. 이에 대하여 시계열의 대표적인 3개 모형인 Seasonal ARIMA, Fractional ARIMA(FARIMA), Taylor의 수정된 Holt-Winters 모형을 적용하였다. 모형 간 결합 예측 방법으로 예측치 간의 SA(Simple Average) 결합 예측 방법과 OLS(Ordinary Least Square)를 이용한 결합방법, ERLS(Equality Restricted Least Squares)를 이용한 결합 예측 방법, Armstrong(2001)이 제안한 MSE 기반 결합 예측 방법을 사용한다. 이에 따른 결과로서 3시간에서의 예측은 Seasonal ARIMA가 선택된 반면, 6시간 이후 예측에서는 결합 예측 방법이 좋은 예측 성능을 보여준다.

• 융합보안논문지
• /
• 제8권2호
• /
• pp.35-40
• /
• 2008

소트프웨어 고장 시간은 테스팅 시간과 관계없이 일정하거나, 단조 증가 혹은 단조 감소 추세를 가지고 있다. 이러한 소프트웨어 신뢰모형들을 분석하기 위한 자료척도로 자료에 대한 추세 검정이 개발되어 있다. 추세 분석에는 산술평균 검정과 라플라스 추세 검정 등이 있다. 추세분석들은 전체적인 자료의 개요의 정보만 제공한다. 본 논문에서는 고장시간을 측정하다가 시간절단이 될 경우에 미래의 고장 시간 예측에 관하여 연구되었다. 고장 시간 예측에 사용된 고장시간자료는 소프트웨어 고장 시간 분포에 널리 사용되는 와이블 분포에서 형상모수가 1이고 척도모수가 0.5를 가진 난수를 발생된 모의 자료를 이용 하였다. 이 자료를 이용하여 시계열 분석에 이용되는 ARIMA 모형 중에서 AR(1) 모형과 모의실험을 통한 예측 방법을 제안하였다. 이 방법에서 ARIMA 모형을 이용한 예측방법이 효율적임을 입증 하였다.

• 전기학회논문지
• /
• 제67권10호
• /
• pp.1257-1264
• /
• 2018

This paper proposes Autoregressive Integrated Moving Average (ARIMA)-based forecasting algorithms using meteorological indices to predict seasonal peak load. First of all, this paper observes a seasonal pattern of the peak load that appears intensively in winter and summer, and generates ARIMA models to predict the peak load of summer and winter. In addition, this paper also proposes hybrid ARIMA-based models (ARIMA-Hybrid) using a discomfort index and a sensible temperature to enhance the conventional ARIMA model. To verify the proposed algorithm, both ARIMA and ARIMA-Hybrid models are developed based on peak load data obtained from 2006 to 2015 and their forecasting results are compared by using the peak load in 2016. The simulation result indicates that the proposed ARIMA-Hybrid models shows the relatively improved performance than the conventional ARIMA model.

• Communications for Statistical Applications and Methods
• /
• 제18권2호
• /
• pp.237-244
• /
• 2011

In call forecasting literature, both the seasonal autoregressive integrated moving average(ARIMA) type models and seasonal linear models have been popularly suggested as competing models. However, their parallel comparison for the forecasting accuracy was not strictly investigated before. This study evaluates the accuracy of both the seasonal linear models and the seasonal ARIMA-type models when predicting intra-day call arrival rates using both real and simulated data. The seasonal linear models outperform the seasonal ARIMA-type models in both one-day-ahead and one-week-ahead call forecasting in our empirical study.

• 응용통계연구
• /
• 제35권5호
• /
• pp.645-655
• /
• 2022

본 논문에서는 R에서 시계열 자료 예측을 위한 자동화 함수에 대하여 고찰하고 그 예측 성능을 비교합니다. 대표적인 시계열 예측 방법인 지수 평활 모형과 ARIMA (autoregressive integrated moving average) 모형을 대상으로 하였으며, 이들의 모형화 및 예측 자동화를 가능하게 하는 R의 4가지 자동화 함수인 forecast::ets(), forecast::auto.arima(), smooth::es()와 smooth::auto.ssarima()를 대상으로 하였습니다. 이들의 예측 성능을 비교하기 위하여 3,003가지의 시계열로 구성되어 있는 M3-Competition자료와 3가지의 정확성 척도를 사용하였습니다. 4가지 자동화 함수는 모형화의 다양성 및 편리성, 예측 정확도 및 실행 시간 등에서 각자 장단점이 있음을 확인하였습니다.

• 한국항해항만학회지
• /
• 제35권1호
• /
• pp.83-91
• /
• 2011

예측의 정확성은 비용의 감소나 고객서비스의 제고를 위해 필수적으로 선행되어야 하기에 현재까지도 많은 연구자들에 의해 연구되고 있는 분야이다. 본 연구에서는 국내 항만의 컨테이너 물동량 예측에 있어 대표적인 비선형예측모형인 인공신경망모형과 ARIMA모형에 대한 비교연구를 수행하는데 목적을 두었고, 컨테이너 물동량 예측력 제고를 위해 ARIMA모형과 인공신경망(ANN)모형을 결합한 하이브리드모형을 사용해 다른 모형들과 예측성과를 비교하고자 한다. 특히 인공신경망모형의 네트워크 구조 설계에 부분에 있어 방대하며 복잡한 탐색공간에서도 전역해 찾기에 효과적인 기법으로 알려져 있는 유전알고리즘을 사용함과 동시에 인공신경망의 대표적인 모형으로 알려진 다층 퍼셉트론(MLP)뿐만 아니라 시간지연네트워크(TDNN)를 사용해 예측성과를 비교하였다. 그 결과 ANN모형과 하이브리드모형이 ARIMA모형보다 더 뛰어난 예측성과를 보이는 것으로 나왔다.