• 제목/요약/키워드: ARIMA Model

검색결과 362건 처리시간 0.029초

수입자동차 리콜 수요패턴 분석과 ARIMA 수요 예측모형의 적용 (Analysis of the Recall Demand Pattern of Imported Cars and Application of ARIMA Demand Forecasting Model)

  • 정상천;박소현;김승철
    • 산업경영시스템학회지
    • /
    • 제43권4호
    • /
    • pp.93-106
    • /
    • 2020
  • This research explores how imported automobile companies can develop their strategies to improve the outcome of their recalls. For this, the researchers analyzed patterns of recall demand, classified recall types based on the demand patterns and examined response strategies, considering plans on how to procure parts and induce customers to visit workshops, recall execution capacity and costs. As a result, recalls are classified into four types: U-type, reverse U-type, L- type and reverse L-type. Also, as determinants of the types, the following factors are further categorized into four types and 12 sub-types of recalls: the height of maximum demand, which indicates the volatility of recall demand; the number of peaks, which are the patterns of demand variations; and the tail length of the demand curve, which indicates the speed of recalls. The classification resulted in the following: L-type, or customer-driven recall, is the most common type of recalls, taking up 25 out of the total 36 cases, followed by five U-type, four reverse L-type, and two reverse U-type cases. Prior studies show that the types of recalls are determined by factors influencing recall execution rates: severity, the number of cars to be recalled, recall execution rate, government policies, time since model launch, and recall costs, etc. As a component demand forecast model for automobile recalls, this study estimated the ARIMA model. ARIMA models were shown in three models: ARIMA (1,0,0), ARIMA (0,0,1) and ARIMA (0,0,0). These all three ARIMA models appear to be significant for all recall patterns, indicating that the ARIMA model is very valid as a predictive model for car recall patterns. Based on the classification of recall types, we drew some strategic implications for recall response according to types of recalls. The conclusion section of this research suggests the implications for several aspects: how to improve the recall outcome (execution rate), customer satisfaction, brand image, recall costs, and response to the regulatory authority.

항만물동량 예측력 제고를 위한 ARIMA 및 인공신경망모형들의 비교 연구 (A Study on Application of ARIMA and Neural Networks for Time Series Forecasting of Port Traffic)

  • 신창훈;정수현
    • 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.

해상운송의 물동량 예측과 항만물류정책 -승법 계절 ARIMA 모형을 이용하여- (Forecasting the Trading Volumes of Marine Transport and Ports Logistics Policy -Using Multiplicative Seasonal ARIMA Model-)

  • 김창범
    • 한국항만경제학회지
    • /
    • 제23권1호
    • /
    • pp.149-162
    • /
    • 2007
  • 본고는 2012년까지의 해상물동량을 예측하고 항만물류정책적 방안을 제시하는데 목적을 두었다. ARIMA 모형을 통한 분석을 위해서 1차적으로 모형을 식별하였다. 자기상관도표를 통해 물동량의 자기상관함수값이 대단히 느린 속도로 0에 접근하여 안정적이지 못한 것으로 나타났으나, 자기상관계수가 1차차분 후 시차1 이후 급격한 감소를 보임에 따라 AR(1) 과정을 갖는다는 것을 알 수 있었다. 또한 자료들이 강한 계절성을 갖는 것으로 나타남에 따라 식별단계를 거쳐 승법계절 ARIMA모형인 ARIMA(1,1,1)(1,0,1)s 모형을 도입하였다. 다음 단계로 2007년부터 2012년까지의 사전적 예측치를 살펴보았다. 그 결과 2007년 6억9,631만톤, 2008년 7억2,180만톤, 2009년 7억4,807만톤, 2010년 7억7,520만톤, 2011년 8억320만톤, 2012년 8억3,212만톤으로 매우 느리게 증가하였다. 2006년 대비 증가율로 보면 2007년 1.42%, 2009년 8.96%, 2012년 21.21%로 나타났다. 구체적으로 입하량의 경우는 2007년 0.86%에서 2012년 16.1%로 증가하며, 출하량의 경우는 2007년 2.76%에서 2012년 33.2%로 증가함을 알 수 있었다. 그리고 항만물동량 증가추세 둔화현상의 극복과 항만의 로컬 화물 창출 및 부가가치 창출 기능을 위해서 제조업의 공동화 억제, 환적화물의 지속적이고 적극적인 유치, 항만배후물류단지의 조기 개발과 다국적 기업의 유치, 한 중 물류협력 강화, 복합운송체계의 구축을 제시하였다.

  • PDF

계절 ARIMA 모형을 이용한 제주공항 여객 수요예측 및 효율적 운영에 관한 연구 (A Study on the Demand Forecasting and Efficient Operation of Jeju National Airport using seasonal ARIMA model)

  • 김경범;황경수
    • 한국산학기술학회논문지
    • /
    • 제13권8호
    • /
    • pp.3381-3388
    • /
    • 2012
  • 본 연구는 단변량 시계열분석 중에서 계절 ARIMA 모형을 이용하여 제주공항의 여객수요 예측과 그에 따른 효율적인 운영관리 방안을 제시하고자 하였다. 연구의 목적을 달성하기 위하여 사용된 시계열데이터는 2003년 1월부터 2011년 12월까지의 월별데이터이며, 관찰 수는 108개이다. 분석결과, 최적모형으로 계절 ARIMA(0,1,2)(0,1,1)12 모형이 선정되었으며, 제주공항의 여객수는 지속적으로 증가할 것으로 나타나고 있으며, 2013년에는 1년에 2천만명을 넘어설 것으로 예측되었다.

An Empirical Study on the Comparison of LSTM and ARIMA Forecasts using Stock Closing Prices

  • Gui Yeol Ryu
    • International journal of advanced smart convergence
    • /
    • 제12권1호
    • /
    • pp.18-30
    • /
    • 2023
  • We compared empirically the forecast accuracies of the LSTM model, and the ARIMA model. ARIMA model used auto.arima function. Data used in the model is 100 days. We compared with the forecast results for 50 days. We collected the stock closing prices of the top 4 companies by market capitalization in Korea such as "Samsung Electronics", and "LG Energy", "SK Hynix", "Samsung Bio". The collection period is from June 17, 2022, to January 20, 2023. The paired t-test is used to compare the accuracy of forecasts by the two methods because conditions are same. The null hypothesis that the accuracy of the two methods for the four stock closing prices were the same were rejected at the significance level of 5%. Graphs and boxplots confirmed the results of the hypothesis tests. The accuracies of ARIMA are higher than those of LSTM for four cases. For closing stock price of Samsung Electronics, the mean difference of error between ARIMA and LSTM is -370.11, which is 0.618% of the average of the closing stock price. For closing stock price of LG Energy, the mean difference is -4143.298 which is 0.809% of the average of the closing stock price. For closing stock price of SK Hynix, the mean difference is -830.7269 which is 1.00% of the average of the closing stock price. For closing stock price of Samsung Bio, the mean difference is -4143.298 which is 0.809% of the average of the closing stock price. The auto.arima function was used to find the ARIMA model, but other methods are worth considering in future studies. And more efforts are needed to find parameters that provide an optimal model in LSTM.

A Machine Learning Univariate Time series Model for Forecasting COVID-19 Confirmed Cases: A Pilot Study in Botswana

  • Mphale, Ofaletse;Okike, Ezekiel U;Rafifing, Neo
    • International Journal of Computer Science & Network Security
    • /
    • 제22권1호
    • /
    • pp.225-233
    • /
    • 2022
  • The recent outbreak of corona virus (COVID-19) infectious disease had made its forecasting critical cornerstones in most scientific studies. This study adopts a machine learning based time series model - Auto Regressive Integrated Moving Average (ARIMA) model to forecast COVID-19 confirmed cases in Botswana over 60 days period. Findings of the study show that COVID-19 confirmed cases in Botswana are steadily rising in a steep upward trend with random fluctuations. This trend can also be described effectively using an additive model when scrutinized in Seasonal Trend Decomposition method by Loess. In selecting the best fit ARIMA model, a Grid Search Algorithm was developed with python language and was used to optimize an Akaike Information Criterion (AIC) metric. The best fit ARIMA model was determined at ARIMA (5, 1, 1), which depicted the least AIC score of 3885.091. Results of the study proved that ARIMA model can be useful in generating reliable and volatile forecasts that can used to guide on understanding of the future spread of infectious diseases or pandemics. Most significantly, findings of the study are expected to raise social awareness to disease monitoring institutions and government regulatory bodies where it can be used to support strategic health decisions and initiate policy improvement for better management of the COVID-19 pandemic.

ARIM모형을 활용한 모듈러 건축시장 현황 조사 (Survey on the Market of Modular Building Using ARIMA Model)

  • 박남천;김균태;이유리
    • 한국건축시공학회:학술대회논문집
    • /
    • 한국건축시공학회 2014년도 춘계 학술논문 발표대회
    • /
    • pp.14-15
    • /
    • 2014
  • The modular construction is as yet early stage of market in Korea. So It is have difficulty of market demand forecast of the modular building. Therefore, this study was done analysis for market trends of the modular building using ARIMA(Auto Regressive Integrated Moving Average) model by time series data.

  • PDF

시계열 모델 기반의 계절성에 특화된 S-ARIMA 모델을 사용한 리튬이온 배터리의 노화 예측 및 분석 (Degradation Prediction and Analysis of Lithium-ion Battery using the S-ARIMA Model with Seasonality based on Time Series Models)

  • 김승우;이평연;권상욱;김종훈
    • 전력전자학회논문지
    • /
    • 제27권4호
    • /
    • pp.316-324
    • /
    • 2022
  • This paper uses seasonal auto-regressive integrated moving average (S-ARIMA), which is efficient in seasonality between time-series models, to predict the degradation tendency for lithium-ion batteries and study a method for improving the predictive performance. The proposed method analyzes the degradation tendency and extracted factors through an electrical characteristic experiment of lithium-ion batteries, and verifies whether time-series data are suitable for the S-ARIMA model through several statistical analysis techniques. Finally, prediction of battery aging is performed through S-ARIMA, and performance of the model is verified through error comparison of predictions through mean absolute error.

계절 ARIMA 모형을 이용한 여객수송수요 예측: 중앙선을 중심으로 (Forecasting Passenger Transport Demand Using Seasonal ARIMA Model - Focused on Joongang Line)

  • 김범승
    • 한국철도학회논문집
    • /
    • 제17권4호
    • /
    • pp.307-312
    • /
    • 2014
  • 본 연구는 중앙선의 여객수송수요를 효율적으로 예측하기 위한 방법으로 계절성 요인을 고려한 ARIMA 모형을 제안하였다. 특히, 최근의 관광수요를 반영하기 위하여 2013년 4월 개통되어 운행되고 있는 중부내륙권 관광전용열차(O-train, V-train)의 수요를 포함하여 예측모형을 구축하였다. 이를 위하여 2005년 1월부터 2013년 7월까지의 월별 시계열 데이터(103개)를 사용하여 최적의 모형을 선정하였으며 예측결과 중앙선의 여객 수송수요는 지속적으로 증가할 것으로 나타났다. 구축된 모형은 중앙선의 단기수요를 예측하는데 활용이 가능하다.

SARIMA 모형을 이용한 우리나라 항만 컨테이너 물동량 예측 (Forecasting the Korea's Port Container Volumes With SARIMA Model)

  • 민경창;하헌구
    • 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.