• Communications for Statistical Applications and Methods
• /
• 제31권1호
• /
• pp.143-154
• /
• 2024

This paper considers a combined model of exponential smoothing (ETS) and autoregressive integrated moving average (ARIMA) models that are commonly used to forecast time series data. The combined model is constructed through an innovational state space model based on the level variable instead of the differenced variable, and the identifiability of the model is investigated. We consider the maximum likelihood estimation for the model parameters and suggest the model selection steps. The forecasting performance of the model is evaluated by two real time series data. We consider the three competing models; ETS, ARIMA and the trigonometric Box-Cox autoregressive and moving average trend seasonal (TBATS) models, and compare and evaluate their root mean squared errors and mean absolute percentage errors for accuracy. The results show that the combined model outperforms the competing models.

• 한국멀티미디어학회논문지
• /
• 제23권6호
• /
• pp.747-755
• /
• 2020

In this paper, we deal with outlier data problems that occur when constructing a PM_2.5 fine dust forecasting system using a neural network. In general, when learning a neural network, some of the data are not helpful for learning, but rather disturbing. Those are called outlier data. When they are included in the training data, various problems such as overfitting occur. In building a PM_2.5 fine dust concentration forecasting system using neural network, we have found several outlier data in the training data. We, therefore, remove them, and then make learning 3 ways. Over_outlier model removes outlier data that target concentration is low, but the model forecast is high. Under_outlier model removes outliers data that target concentration is high, but the model forecast is low. All_outlier model removes both Over_outlier and Under_outlier data. We compare 3 models with a conventional outlier removal model and non-removal model. Our outlier removal model shows better performance than the others.

• 한국멀티미디어학회논문지
• /
• 제24권10호
• /
• pp.1414-1424
• /
• 2021

In this paper, the importance of input factors of a DNN (Deep Neural Network) PM_2.5 forecasting model using LRP(Layer-wise Relevance Propagation) is analyzed, and forecasting performance is improved. Input factor importance analysis is performed by dividing the learning data into time and PM_2.5 concentration. As a result, in the low concentration patterns, the importance of weather factors such as temperature, atmospheric pressure, and solar radiation is high, and in the high concentration patterns, the importance of air quality factors such as PM_2.5, CO, and NO₂ is high. As a result of analysis by time, the importance of the measurement factors is high in the case of the forecast for the day, and the importance of the forecast factors increases in the forecast for tomorrow and the day after tomorrow. In addition, date, temperature, humidity, and atmospheric pressure all show high importance regardless of time and concentration. Based on the importance of these factors, the LRP_DNN prediction model is developed. As a result, the ACC(accuracy) and POD(probability of detection) are improved by up to 5%, and the FAR(false alarm rate) is improved by up to 9% compared to the previous DNN model.

• 한국도시환경학회지
• /
• 제18권4호
• /
• pp.531-546
• /
• 2018

동아시아지역을 대상으로 황사배출량 산정 모듈 및 이를 적용한 예보시스템을 개발하였고, 개발된 모형의 화학수송모델링 정합도 및 실시간 예보 운영 평가를 진행하였다. 2015년 화학수송모델링 정합도 평가 결과, 중국 지역에서는 황사 배출량을 적용한 예보 모형이 과대평가하는 기간이 있으나 대부분 지역에서 저평가 되었던 $PM_{10}$ 을 보완하고, 통계수치가 개선되는 것을 확인할 수 있었다. 한국 지역에서는 황사 발생일인 2월 22일~24일, 3월 16일~17일(서울지역대상)에는 황사의 유입을 적절히 모사하였으나 황사가 관측되지 않은 4월에는 황사를 적용한 예보모델이 과대평가하는 것을 확인할 수 있었다. 그러나 황사를 적용한 예보모형은 한반도 대부분 지역에서 저평가 되었던 $PM_{10}$ 을 보완하고, 통계수치가 개선되는 것을 확인할 수 있었다. 2017년 예보 성능 평가 결과, 황사배출량을 적용한 예보모델은 기존 모델과 비교하였을 때, POD는 대부분 개선되지만, A는 유사 또는 감소, FAR는 대부분 증가하는 경향이 나타났다. 황사배출량을 적용한 예보모형은 동아시아 지역에 저평가 하고 있는 $PM_{10}$ 을 보완하는 장점이 있지만, 황사배출량 산정의 불확실성 등이 내제되어 모델이 측정값을 과대모의하여 오경보율이 높다. 따라서 한반도 지역에 대표 대기질 예보모형으로 사용하기는 부적절하다고 판단된다. 그러나 황사 기간에는 황사배출량 모델의 모사성능은 우수하였으므로, 황사가 발생하는 기간에는 기존 모델과 융합하여 예보관이 예보하는 것이 필요하다고 사료된다.

• 지능정보연구
• /
• 제15권4호
• /
• pp.37-51
• /
• 2009

서비스 인적자원 운용의 효율성 제고와 부품 또는 시설 할당의 적정성 향상을 위해 서비스센터를 통해 접수되는 서비스 요청 건수를 보다 정확하게 예측하고자 하는 필요성이 제조업을 중심으로 증가하고 있다. 본 연구에서는 제품의 특성을 반영하여 제품수명주기 별로 제품들을 군집화하고 군집 별로 적절한 예측모형을 구축한 후 예측 값을 통합하는 개별예측방식을 LCD 모니터 제조사의 사례를 통해 제시한다. 또한 예측 결과를 총량방식 및 기존에 기업이 사용하고 있는 방식과 비교. 평가하여 우수성을 증명함으로써 제품이나 산업의 특성을 반영한 맞춤형 수요예측 기법 도입의 필요성을 부각하고, 그에 따른 이론적, 실무적 가이드라인을 제공한다.

• 산업경영시스템학회지
• /
• 제43권4호
• /
• pp.59-66
• /
• 2020

In this study, we consider the problem of forecasting the number of inbound foreigners visiting Korea. Forecasting tourism demand is an essential decision to plan related facilities and staffs, thus many studies have been carried out, mainly focusing on the number of inbound or outbound tourists. In order to forecast tourism demand, we use a seasonal ARIMA (SARIMA) model, as well as a SARIMAX model which additionally comprises an exogenous variable affecting the dependent variable, i.e., tourism demand. For constructing the forecasting model, we use a search procedure that can be used to determine the values of the orders of the SARIMA and SARIMAX. For the exogenous variable, we introduce factors that could cause the tourism demand reduction, such as the 9/11 attack, the SARS and MERS epidemic, and the deployment of THAAD. In this study, we propose a procedure, called Measuring Impact on Demand (MID), where the impact of each factor on tourism demand is measured and the value of the exogenous variable corresponding to the factor is determined based on the measurement. To show the performance of the proposed forecasting method, an empirical analysis was conducted where the monthly number of foreign visitors in 2019 were forecasted. It was shown that the proposed method can find more accurate forecasts than other benchmarks in terms of the mean absolute percentage error (MAPE).

• 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.

• 산경연구논집
• /
• 제9권10호
• /
• pp.83-89
• /
• 2018

Purpose - The purpose of this study examines when the optimism impact on financial asset price forecasting and the boundary condition of optimism in the financial asset price forecasting. People generally tend to optimistically forecast their future. Optimism is a nature of human beings and optimistic forecasting observed in daily life. But is it always observed in financial asset price forecasting? In this study, two factors were focused on considering whether the optimism that people have applied to predicting future performance of financial investment products (e.g., mutual fund). First, this study examined whether the degree of optimism varied depending on the direction of the prior price trend. Second, this study examined whether the degree of optimism varied according to the forecast period by dividing the future forecasted by people into three time horizon based on forecast period. Research design, data, and methodology - 2 (prior price trend: rising-up trend vs falling-down trend) × 3 (forecast time horizon: short term vs medium term vs long term) experimental design was used. Prior price trend was used between subject and forecast time horizon was used within subject design. 169 undergraduate students participated in the experiment. χ² analysis was used. In this study, prior price trend divided into two types: rising-up trend versus falling-down trend. Forecast time horizon divided into three types: short term (after one month), medium term (after one year), and long term (after five years). Results - Optimistic price forecasting and boundary condition was found. Participants who were exposed to falling-down trend did not make optimistic predictions in the short term, but over time they tended to be more optimistic about the future in the medium term and long term. However, participants who were exposed to rising-up trend were over-optimistic in the short term, but over time, less optimistic in the medium and long term. Optimistic price forecasting was found when participants forecasted in the long term. Exposure to prior price trends (rising-up trend vs falling-down trend) was a boundary condition of optimistic price forecasting. Conclusions - The results indicated that individuals were more likely to be impacted by prior price tends in the short term time horizon, while being optimistic in the long term time horizon.

• 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.

• 대한토목학회논문집
• /
• 제32권1B호
• /
• pp.9-20
• /
• 2012

최근 수위 예측을 위한 개념적 기반, 수문학적, 물리적 기반 모형 등의 단점을 극복하고자 홍수예측을 위해 자료지향형 모형 중의 하나인 다중선형회귀 모형이 널리 도입되고 있다. 본 연구의 목적은 이러한 다중선형회귀 모형의 서로 다른 회귀계수 선정 방법에 따른 홍수예측 성능을 비교 검토하고 이를 통해 적절한 다중회귀 홍수예측 모형을 구축하는 것이다. 이를 위해 입력자료의 자기상관분석을 통해 독립변수의 시간 규모를 결정한 후 최소 자승법, 가중 최소 자승법, 단계별 선택법의 각기 다른 회귀계수 산정 방법을 이용한 홍수예측 모형을 구축하고 중랑천 유역의 다양한 홍수사상에 대해 적용하였다. 구축된 모형들의 성능을 평가하기 위해 평균제곱근오차, Nash-Suttcliffe 효율계수, 평균절대오차, 수정 결정계수와 같이 4개의 통계지표들을 사용하였다. 모의결과 단계별 선택법을 이용한 다중선형회귀 홍수예측 모형이 가장 정확한 예측 결과를 보였고, 최소자승법을 이용한 홍수예측 모형이 가중 최소자승법을 이용한 홍수예측 모형보다 좀 더 나은 예측 결과를 나타냈다.