• Nuclear Engineering and Technology
• /
• 제49권5호
• /
• pp.1063-1070
• /
• 2017

This paper presents a method for forecasting future uranium prices that is used as input data to calculate the uranium cost, which is a rational key cost driver of the nuclear fuel cycle cost. In other words, the statistical autoregressive integrated moving average (ARIMA) model and existing engineering cost estimation method, the so-called escalation rate model, were subjected to a comparative analysis. When the uranium price was forecasted in 2015, the margin of error of the ARIMA model forecasting was calculated and found to be 5.4%, whereas the escalation rate model was found to have a margin of error of 7.32%. Thus, it was verified that the ARIMA model is more suitable than the escalation rate model at decreasing uncertainty in nuclear fuel cycle cost calculation.

• 한국습지학회지
• /
• 제1권1호
• /
• pp.17-28
• /
• 1999

The purpose of this study was to analysis water quality monitoring data and to estimate future trends using ARIMA model of time series analysis. Water quality data in Chin yang reservoir were used with monthly monitoring interval during past 7 years. The variations of water quality parameters with periodicity and trend could be estimated by multiplicative ARIMA models and the statistical tests showed a good agreement with the observed data. Therefore, the monthly values of water quality parameters could be forecasted using these models.

• 대한임베디드공학회논문지
• /
• 제9권3호
• /
• pp.137-143
• /
• 2014

Demand Controller is a load control device that monitor the current power consumption and calculate the forecast power to not exceed the power set by consumer. Accurate demand forecasting is important because of controlling the load use the way that sound a warning and then blocking the load when if forecasted demand exceed the power set by consumer. When if consumer with fluctuating power consumption use the existing forecasting method, management of demand control has the disadvantage of not stable. In this paper, load forecasting of the unit of seconds using the Exponential Smoothing Methods, ARIMA model, Kalman Filter is proposed. Also simulation of load forecasting of the unit of the seconds methods and existing forecasting methods is performed and analyzed the accuracy. As a result of simulation, the accuracy of load forecasting methods in seconds is higher.

• 한국ITS학회 논문지
• /
• 제19권3호
• /
• pp.28-37
• /
• 2020

본 연구는 공공자전거의 대여량을 예측하는 딥러닝 모형을 개발하였다. 이를 위하여 공공자전거 대여량 자료, 기상 자료, 그리고 지하철 이용량 자료를 수집하였다. 지수평활 모형, ARIMA 모형과 LSTM기반의 딥러닝 모형을 구축한 후 MSE와 MAE 평가 지표를 사용하여 예측 오차를 비교·평가하였다. 평가 결과, 지수평활 모형으로 MSE 348.74, MAE 14.15 값이 산출되었다. ARIMA 모형으로 MSE 170.10, MAE 9.30 값을 얻었다. 그리고 딥러닝 모형으로 MSE 120.22, MAE 6.76 값이 산출되었다. 지수평활 모형의 값과 비교하여 ARIMA 모형의 MSE는 51%, MAE는 34% 감소하였다. 그리고 딥러닝 모형의 MSE는 66%, MAE는 52% 감소하여 딥러닝 모형의 오차가 가장 적은 것으로 파악되었다. 이러한 결과로부터 공공자전거 대여량 예측 분야에서 딥러닝 모형의 적용시 예측 오차를 크게 감소시킬 수 있을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 1989년도 수공학논총 제31권
• /
• pp.31-44
• /
• 1989

• 한국항만경제학회지
• /
• 제29권3호
• /
• pp.1-23
• /
• 2013

본 연구는 1992년부터 2011년까지 월별자료를 사용하여 여러 가지 시계열 추정모델과 승법 계절 ARIMA 모형을 설정하여 부산항의 컨테이너 물동량을 추정하고 예측하였다. 여러 가지 모델로 추정한 결과 부산항의 컨테이너 물동량과 물동량 변동 모두 계절을 승법한 ARIMA 모델 $(1,0,1){\times}(1,0,1)_{12}$로 추정하였을 때, 추정결과와 Akaike information, Schwarz, Hannan-Quin 기준 등으로 보아, 가장 좋은 ARIMA 추정과 예측 모형으로 나타났다. 그리하여 부산항 물동량 추정의 최적모형인 ARIMA $(1,0,1){\times}(1,0,1)_{12}$ 모형에 의해 향후 8년간 96개월에 대한 부산항 물동량 미래 예측치(2013-2020년)를 월별로 추정하여 예측한 결과 2013년부터 부산의 물동량은 연도별로 조금씩 지속적으로 증가하는 추세를 보일 것으로 나타났다. ARIMA $(1,0,1){\times}(1,0,1)_{12}$ 모형에 의한 부산항의 컨테이너 물동량의 연도별 예측량은 2013년 1천 891만 TEU, 2014년 2천 34만 TEU, 2015년 2천 188만 TEU, 2016년 2천 353만 TEU, 2017년 2천 531만 TEU, 2018년 2천 722만 TEU 그리고 2020년 3천 148만 TEU 등으로 나타났다.

• 산업공학
• /
• 제16권4호
• /
• pp.400-410
• /
• 2003

Most of the demand forecasting which have been studied is about long-term time series over 15 years demand forecasting. In this paper, we set up the most optimal ARIMA model for the short-term time series demand forecasting and suggest demand forecasting system for short-term time series by appraising suitability and predictability. We are going to use the univariate ARIMA model in parallel with the bivariate transfer function model to improve the accuracy of forecasting. We also analyze the effect of advertisement cost, scale of branch stores, and number of clerk on the establishment of marketing policy by applying statistical methods. After then we are going to show you customer's needs, which are number of buying products. We have applied this method to forecast the annual sales of refrigerator in four branch stores of A company.

• 한국산림과학회지
• /
• 제100권1호
• /
• pp.124-130
• /
• 2011

본 연구는 국립공원 탐방 수요예측에 적합한 모형을 추정하고, 계절 ARIMA Model을 이용하여 국립공원 탐방수요를 예측하였다. 분석 자료는 2003년 1월부터 2010년 12월까지 우리나라 18개 국립공원의 월별 탐방객 수 자료를 이용하였다. 분석결과 $ARIMA(1,0,0)(1,1,0)_{12}$모형이 국립공원 탐방수요를 예측하는데 적합한 모형으로 선정되었으며, MAPE를 이용한 사후평가 결과에서도 모형의 정확도가 높은 것으로 나타났다. 따라서 본 연구 결과는 국립공원 탐방수요 예측기법의 신뢰성 및 타당성 향상과 함께 국립공원 관리전략 수립에 기여할 것으로 판단된다.

• 시큐리티연구
• /
• 제19호
• /
• pp.1-21
• /
• 2009

민간경비 산업에서의 인력수요 예측은 협력 치안이 강조되는 현실에서 치안 정책과 관련된 주요 의사결정의 기초가 된다는 정책기능과 함께 장래 사회 구성원들의 올바른 진로선택에 도움을 줄 수 있도록 하는 정보기능도 수행한다는 점에서 정확한 예측이 요구되는 분야이다. 이에 최근 산업분야의 인력수요에서 보다 신뢰성 있는 수요예측을 위해 널리 활용되고 있는 ARIMA 모형을 이용하여 민간경비 산업에서의 인력 수요를 예측해 보았다. 본 연구에서는 과거 33년 치 연도별 시계열 자료를 이용하여 향후 5년 동안의 민간경비 인력 수요를 예측하였다. ARIMA 모형 설정의 기본 절차인 모형 식별 - 모수 추정 - 모형 적합성 진단을 통해 ARIMA(0, 2, 1) 모형을 최종모형으로 선정하였다. 이에 따라 민간경비 인력 수요를 예측한 결과 향후 5년 동안 지속적인 증가 현상을 확인할 수 있으며 그 증가폭 또한 전년 대비 최소 1.3%에서 최대 3.8%까지에 이를 것으로 전망할 수 있었다. 본 연구 결과를 토대로 경찰과 관련 업체에서의 향후 바람직한 대응전략들에 대하여 검토해 보았다.

• 한국항해항만학회지
• /
• 제35권4호
• /
• pp.343-349
• /
• 2011

The forecasting of container volume which is the basis of port logistics facilities expansion has a great influence on development of an port. Based on this importance, various previous studies have presented methodology on container volume forecasting. The results of many previous studies pointed out the limitations of future forecasting based on past container volume and emphasized that more various factors should be considered to compensate this. Taking notice of this point, this study forecasted future container volume by using ARIMA model, time series analysis and System Dynamics (SD) method, a dynamic analysis technique and performed the comparative review with the forecast of the Ministry of Land, Transport and Maritime affairs. Recently with rapid changes in economic and social environment, the non-linear change tendency for forecasting container traffic is presented as a new alternative to the country.