• 한국병원경영학회지
• /
• 제25권2호
• /
• pp.69-75
• /
• 2020

Purposes: This study aims to investigate the number of cataract surgeries and predict future trends using 13-year data. Methodology: Trends investigation and comparison of prediction methods was conducted to determine better prediction model using Major Surgery Statistics from Korean Statistical Information Service in 2006-2018. ARIMA(Auto Regressive Integrated Moving Average) was selected and prediction was conducted using R program. Findings: As a results, the number of surgeries will continue to increase. The trends was predicted to increase during January-April, and it declined over time and was the lowest in August. Pratical Implications: Therefore, it is necessary that management will be needed by continuously investigating and predicting the demand and trend for surgery to prepare an alternative to the increase.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2018년도 제58차 하계학술대회논문집 26권2호
• /
• pp.141-142
• /
• 2018

기존 데이터의 패턴 예측에는 통계를 기반으로 한 수학적 모델이 주로 사용되었으나 새로운 데이터에 대한 피드백이 부족하기 때문에 장기간의 데이터 예측에 한계가 있다. 또한 데이터의 특성이 다양하고 복잡한 경우에는 수학적 모델의 결합 및 계산과정이 어려워진다. 따라서 본 논문에서는 데이터의 학습 및 예측에 기존 정적 모델이 아닌 기계학습 중 시계열 데이터 분석 (Time Series Analysis) 을 기반으로 연구를 진행하였다. 기계학습은 복잡한 특성을 가진 데이터를 학습하여 미래의 데이터 값을 예측하거나 분류하는데 있어서 정확도 및 처리시간 측면에서의 성능을 향상시킬 수 있다.

• Journal of Preventive Medicine and Public Health
• /
• 제16권1호
• /
• pp.113-120
• /
• 1983

The main objective of this case study is to develop demand forecasting model for durg inventory control in a university hospital. This study is based on the pertinent records during the period of January 1975 to August 1981 in the pharmacy and stock departments of the hospital. Through the analysis of the above records the author made some major findings as follows: 1. In A.B.C. classification, the biggest demand (A class) consists of 9 items which include 6 items of antibiotics. 2. Demand forecasting level of an index or discrepancy in A class drug compared with real demand for 6 months is average 30.4% by X-11 Arima method and 84.6% by Winter's method respectively. 3. After the correcting ty the number of bed, demand forecasting of drug compared with real demand for 6 months is average 23.1% by X-11 Arima method and 46.6% by Winter's method respectively.

• 유통과학연구
• /
• 제12권6호
• /
• pp.49-57
• /
• 2014

Purpose - The world now recognizes environmental disruption as a serious issue when regarding growth-oriented strategies; therefore, environmental preservation issues become pertinent. Consequently, green distribution is continuously emphasized. However, studying the prediction and association of distribution and the environment is insufficient. Most existing studies about green distribution are about its necessity, detailed operation methods, and political suggestions; it is necessary to study the distribution service industry and environmental service industry together, for green distribution. Research design, data, and methodology - ARIMA (auto-regressive moving average model) was used to predict the environmental service and distribution service industries, and the Granger Causality Test based on VAR (vector auto regressive) was used to analyze the causal relationship. This study used 48 quarters of time-series data, from the 4th quarter in 2001 to the 3rd quarter in 2013, about each business type's production index, and used an unchangeable index. The production index about the business type is classified into the current index and the unchangeable index. The unchangeable index divides the current index into deflators to remove fluctuation. Therefore, it is easy to analyze the actual production index. This study used the unchangeable index. Results - The production index of the distribution service industry and the production index of the environmental service industry consider the autocorrelation coefficient and partial autocorrelation coefficient; therefore, ARIMA(0,0,2)(0,1,1)4 and ARIMA(3,1,0)(0,1,1)4 were established as final prediction models, resulting in the gradual improvement in every production index of both types of business. Regarding the distribution service industry's production index, it is predicted that the 4th quarter in 2014 is 114.35, and the 4th quarter in 2015 is 123.48. Moreover, regarding the environmental service industry's production index, it is predicted that the 4th quarter in 2014 is 110.95, and the 4th quarter in 2015 is 111.67. In a causal relationship analysis, the environmental service industry impacts the distribution service industry, but the distribution service industry does not impact the environmental service industry. Conclusions - This study predicted the distribution service industry and environmental service industry with the ARIMA model, and examined the causal relationship between them through the Granger causality test based on the VAR Model. Prediction reveals the seasonality and gradual increase in the two industries. Moreover, the environmental service industry impacts the distribution service industry, but the distribution service industry does not impact the environmental service industry. This study contributed academically by offering base line data needed in the establishment of a future style of management and policy directions for the two industries through the prediction of the distribution service industry and the environmental service industry, and tested a causal relationship between them, which is insufficient in existing studies. The limitations of this study are that deeper considerations of advanced studies are deficient, and the effect of causality between the two types of industries on the actual industry was not established.

• 한국전자거래학회지
• /
• 제24권1호
• /
• pp.1-16
• /
• 2019

최근 온실가스의 증가로 인한 기후변화 대응의 필요성과 전력수요의 증가로 인해 태양광발전량(PV) 예측의 중요성은 급격히 증가하고 있다. 특히, 태양광 발전량을 예측하는 것은 합리적인 전력 가격결정과 시스템 안정성 및 전력 생산 균형과 같은 문제를 효과적으로 해결하기 위해 전력생산 계획을 합리적으로 계획하는데 도움이 될 수 있다. 그러나 일사량, 운량, 온도 등과 같은 기후정보 및 계절 변화로 인한 태양광 발전량이 무작위적으로 변화하기 때문에 정확한 태양광 발전량을 예측하는 것은 도전적인 일이다. 따라서 본 논문에서는 딥러닝 모델을 통해 기후 및 계절정보를 이용하여 학습함으로써 장기간 태양광 발전량 예측 성능을 향상시킬 수 있는 기법을 제안한다. 본 연구에서는 대표적인 시계열 방법 중 하나인 계절형 ARIMA 모델과 하나의 은닉층으로 구성되어 있는 ANN 기반의 모델, 하나 이상의 은닉층으로 구성되어 있는 DNN 기반의 모델과의 비교를 통해 본 연구에서 제시한 모델의 성능을 평가한다. 실데이터를 통한 실험 결과, 딥러닝 기반의 태양광 발전량 예측 기법이 가장 우수한 성능을 보였으며, 이는 본 연구에서 목표로 한 태양광 발전량 예측 성능 향상에 긍정적인 영향을 나타내었음을 보여준다.

• 사물인터넷융복합논문지
• /
• 제6권4호
• /
• pp.7-14
• /
• 2020

본 연구는 2010년 1월부터 2018년 12월까지 일산화탄소의 12일 단기 노출에 따른 순환계통 질환 사망자 수의 영향관계를 분석하였고, 일산화탄소 농도 증가에 따른 미래의 순환계통 질환의 진료비용을 예측하였다. 한국환경공단의 대기환경정보(Airkorea)와 한국 통계청에서 자료를 추출하였고, 포아송 회귀분석과 ARIMA 개입 모형을 사용하여 분석하였다. 통계처리는 SPSS Ver. 21.0 프로그램을 이용하였다. 연구 결과는 다음과 같다. 첫째, 일산화탄소의 단기 노출에 따른 순환계통 질환 사망에 영향관계를 당일부터 이전 11일 전까지 분석한 결과는 이전 11일에서 가장 높은 영향력이 있는 것으로 나타났다. 둘째, 일산화탄소 농도 증가에 따라 미래의 순환계통 질환 진료비용은 2019년 예측값이 10,123십억원으로 2018년 12월 말의 관측값 9,443십억원보다 높게 나타났다. 또한 월별로 정리해 보면 순환계통 질환 진료비용은 계절변동이 반영되어 1월 보다 12월로 갈수록 높아진다는 것을 알 수 있었다. 이러한 연구를 통하여 일산화탄소와 같은 대기오염물질 증가에 따른 선제적 대응을 위하여 IoT를 활용한 다양한 기기 및 장비를 보급함으로써 모든 국민의 건강한 삶을 위한 미래가 실현될 수 있을 것이다.

• 물과 미래
• /
• 제28권1호
• /
• pp.81-90
• /
• 1995

본 연구에서는 장기간의 수문기상자료를 보유하고 있으나 유출량자료의 관측년한이 짧은 유역에서 장기간의 월유출량자료를 확장하고 예측할 수 있는 추계학적 시스템 모형을 개발하고자 한다. 그 방법으로 주기성과 경향성을 갖는 월유출량, 월강수량 및 윌증발량자료를 시계열 분석하여 seasonal ARIMA 형태의 단변량 모형을 유도하는 한편, 각 계열간의 교차상관분석으로부터 월강수량 및 윌증발량을 입력변수로 하고 월유출량을 출력변수로 하는 다중 입력-단일 출력관계의 설명모형을 유도하여 단변량 시계열모형과 비교 검토하였다. 본 연구의 결과 월유출량자료의 확장과 예측에 있어서 다중 입출력모형의 정확성과 적용가능성이 매우 높은 것으로 판단되었다.

• Journal of the Korean Data and Information Science Society
• /
• 제27권6호
• /
• pp.1573-1583
• /
• 2016

주택가격은 대내외적으로 경기관련 많은 변수들에 의해 영향을 받기 때문에 다변량분석의 경우 이와 관련된 변수들간의 상호관련성을 검정하여야 한다. 그랜저 인과성 검정결과 변수들간에 서로 인과성이 있는 것으로 나타났다. 또한 변수들 사이에 공적분 존재유무를 확인한 결과 공적분이 존재하므로 오차수정항이 포함된 벡터오차수정모형을 이용하여 분석을 시도하였다. ARIMA 및 VAR 모형과의 예측력 실증비교 결과 벡터오차수정모형에 의한 예측력이 이들 두 모형에 비해 우수함을 확인할 수 있었다.

• 대한교통학회지
• /
• 제27권2호
• /
• pp.207-214
• /
• 2009

최근 각종 센서 및 통신기술의 발달은 과거에 비해 보다 미시적이고 폭넓은 교통자료의 수집과 운전자의 주행편의를 위한 다양한 방식의 정보제공을 실시간 환경에서 가능하도록 하였다. 본 연구에서는 Positive Guidance 기법을 응용하여 이와 같은 실시간 환경에서 적용 가능한 실시간 교통상충 분석 기반의 경고정보 제공 방안을 제안하고자 한다. 제안하는 시스템은 영상 이미지 추적 기법으로 개별차량의 주행패턴을 분석하여 인접 차량간 상충을 분석하고, ARIMA 모형을 이용하여 상충분석결과를 바탕으로 영상검지영역의 위험도를 예측한다. 위험도 예측을 통해 생성된 경고정보는 Positive Guidance 기법을 적용하여 영상검지영역 상류부에서 접근 중인 운전자에게 제공된다. 본 연구의 성과물은 향후 보다 교통사고 예방을 위한 보다 진보된 교통정보시스템의 개발 시 유용하게 활용될 것으로 기대된다.

• 응용통계연구
• /
• 제24권5호
• /
• pp.735-743
• /
• 2011

본 논문에서는 개입모형(intervention model)을 이용하여 한국의 입출국자 시계열 자료를 분석한다. 개입분석을 위하여 1997년 12월의 IMF 구제금융사건, 2003년의 3월의 SARS 발생, 그리고 2008년의 9월의 리먼브라더스 사태를 개입변수로 고려하였다. 그 결과, 한국의 총 입국자 수에는 SARS 개입변수만이 2003년 4월부터 영향을 미치기 시작하여 2003년 5월부터 급격하게 감소하는 영향을 미친 것으로 나타났다. 반면, 한국의 총 출국자 수에는 모든 3가지 개입의 효과가 유의하게 나타났으며 특히 IMF 개입변수는 1997년 12월부터 영구적인 영향을 미친 것으로 보이며 SARS 및 리먼브라더스 개입변수는 점차로 감소하는 영향을 미친 것으로 나타났다.