• 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.

• 한국수자원학회논문집
• /
• 제42권8호
• /
• pp.673-680
• /
• 2009

지표수 부족과 수질에 대한 불신 때문에 대체 수자원의 확보가 요구되고 있으며, 유력한 대안으로 강변여과에 관심이 모아지고 있다. 국내 최초의 강변여과는 경남 창원에서 2001년에 시작되었으며, 현재 창원시 수돗물의 100%를 여기에 의존하고 있다. 본 연구는 강변여과 취수장 부근 지하수위를 설명하는 시계열 모형의 개발에 관한 것이다. 연구 대상지역은 창원시 대산면 현장으로 11개 관측정으로부터의 5년간(2003년 1월$\sim$2007년 12월) 지하수위 자료를 이용했다. 지하수위의 장기변동을 알아보기 위해 분단위 자료를 월자료로 변환하고, 결측치를 보완하여 Box-Jenkins 방법에 따라 시계열분석을 실시했다. 대상지역의 지하수위 자료는 계절형 ARIMA 모형으로 잘 설명되는 것이 입증되었다. 본 연구는 향후 증가할 강변여과를 이용한 상수 공급시설의 안정적인 운영을 위해 반드시 필요한 지하수위 예측능력을 확보하기 위한 하나의 원형이 될 것이다.

• 해양환경안전학회지
• /
• 제19권6호
• /
• pp.612-620
• /
• 2013

본 연구는 기존의 회귀분석과는 달리 금융, 경제, 무역 등 다양한 분야의 수요 예측에 널리 적용되고 있는 시계열 분석 방법을 시도하였다. 인천항의 1996년 1월부터 2013년 6월까지 입항 척수 자료를 바탕으로 정상성 검증, 모형의 식별, 모수의 추정, 진단 과정을 거쳐 장래 해상교통량을 예측하였다. 2014년 1월부터 2015년 12월까지 예측한 결과 2월달의 교통량이 다른 달 보다 적게 예측된 반면, 1월달의 교통량은 다른 달 보다 많을 것으로 나타났다. 또한 인천항은 지수평활법 보다 ARIMA 모형이 적합하며, 계절에 따라 월별 교통량의 차이를 보이는 것을 알 수 있다. 본 연구는 시계열 분석으로 장래 교통량을 월별로 예측하였다는 점에서 의의가 있다. 또한 기존의 회귀분석으로 예측한 장래 해상교통량보다 시계열 분석으로 예측한 장래 해상교통량이 더 적합한 모형인 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.

• 대한교통학회지
• /
• 제35권6호
• /
• pp.469-480
• /
• 2017

2004년 4월 1일, 국내 최초의 고속철도(HSR)인 KTX (Korea Train eXpress)가 경부선에 도입 되었다. KTX의 등장은 경부선을 이용하는 철도 승객들의 운송수단 선택 및 도시구간별 이용객 수 변화를 가져왔다. KTX의 등장과 같은 개입사건(Intervention events)의 영향은 개입사건 전후 변화를 단순 통계량으로 분석하거나 개입 ARIMA 모델을 통해 분석 되었다. 개입 ARIMA 모델은 개입사건의 발생 시점(t)과 개입사건의 영향 형태(type) 등의 가정이 필요하다는 한계가 있었으며, 본 연구에서는 기존 연구에서의 한계점을 보완할 수 있는 시계열 이상치 탐지(time series outlier detection)를 활용하였다. 일반적으로 개입사건의 발생시기는 잘 알려져 있지 않으므로 시계열 이상치 탐지를 통해 개입사건에의 발생 시기를 추정할 수 있다. 시계열 이상치 탐지기법을 활용하여 개입의 시점과 영향 형태에 관한 가정 없이 개입사건에 대한 영향을 분석할 수 있으며, 발생된 이상치의 시점을 개입사건의 시점, 이상치의 영향을 개입사건의 영향으로 가정하였다. 데이터는 KTDB (Korea Transport Database)로 부터 KTX가 도입되기 이전인 2003년부터 2014년까지 12년 동안의 경부선(4개의 주요 도시구간 합산)을 포함한 주요 도시구간 4개의 월별데이터를 수집하여 활용하였다. 경부선 도시 구간별 이상치를 탐지 하고 그 영향을 분석한 결과, 동일한 개입사건 임에도 그 영향의 형태의 정도가 도시구간마다 다르게 나타나거나 영향이 나타나지 않았으며, 기존 연구에서 분석되지 않은 개입사건을 찾을 수 있었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제3권9호
• /
• pp.355-360
• /
• 2014

오늘날 국가와 기업의 연구 개발 투자 및 경영 정책 전략 수립에서 미래 부상 기술 예측은 매우 중요한 역할을 한다. 기술 예측을 위한 다양한 방법들이 사용되고 있으며 특허를 이용한 기술 예측 또한 활발히 진행되고 있다. 특허를 이용한 기술 예측에는 전문가들의 평가와 견해를 통한 정성적인 방법이 주로 사용되어 왔다. 정성적인 방법은 분석 결과의 객관성을 보장하지 못하고 분석에 많은 비용 및 시간이 요구된다. 이런 문제점을 보완하기 위해 최근에는 텍스트 마이닝을 이용한 특허 데이터의 정량적인 분석이 이루어지고 있다. 텍스트 마이닝 기법을 적용함으로써 특허 문서의 통계적 분석이 가능하다. 본 논문에서는 텍스트 마이닝과 ARIMA 분석을 이용한 기술 예측 방법을 제안한다.

• 한국태양에너지학회:학술대회논문집
• /
• 한국태양에너지학회 2008년도 추계학술발표대회 논문집
• /
• pp.288-293
• /
• 2008

A predictive model of wind speed in the wind farm has very important meanings. This paper presents an estimation model of wind speed based on time series analysis using the observed wind data at Hangyeong Wind Farm in Jeju island, and verification of the predictive model. In case of Hangyeong Wind Farm and Haengwon Wind Farm, The ARIMA(Autoregressive Integrated Moving Average) predictive model was appropriate, and the wind speed estimation model was developed by means of parametric estimation using Maximum likelihood Estimation.

• 한국가스학회지
• /
• 제19권2호
• /
• pp.20-28
• /
• 2015

화재를 예방하기 위해서는 그에 필요한 정책과 평가가 필요하며, 화재 발생에 대한 적절한 모니터링 기법이 있어야 한다. 이를 위해 품질관리의 기법중의 하나인 관리도를 화재 모니터링에 적용하는 연구가 진행된 바 있다. 그 결과, 통계적으로 겨울에는 많은 화재가 발생한다는 것이 증명되었고, 매년마다 어떤 주기를 띠고 변화한다는 것이 발견되었다. 그럼에도 불구하고, 여름철과 겨울철에 동일한 기준(관리한계선)을 적용할 경우 상대적으로 발생건수가 과다한 겨울에는 과도한 예방활동이 진행되고, 여름에는 잠재이상이 있는 경우에도 발생건수 감소에 따른 착시현상으로 인해 활동이 부족해질 가능성이 있다. 이때, 각 계절별로 다른 관리 한계선을 적용시킨다면 합리적인 예측과 보다 효과적인 이상 패턴의 모니터링이 가능해질 수 있다. 따라서 본 연구에서는 발생건수를 대상으로 시간에 따라 변하는 시계열 모델을 사용하여 화재발생 빈도 예측 모델계수의 체계적인 설정과정을 ARIMA 모델을 기반으로 제안하였다. 이를 바탕으로 화재발생 패턴의 개선된 분석과 이에 기반한 보다 체계적인 예방활동을 진행할 수 있을 것으로 기대한다.

• 부동산연구
• /
• 제27권3호
• /
• pp.71-86
• /
• 2017

본 연구의 목적은 딥 러닝 방법을 부동산가격지수 예측에 적용해보고, 기존의 시계열분석 방법과의 비교를 통해 부동산 시장 예측의 새로운 방법으로서 활용가능성을 확인하는 것이다. 딥 러닝(deep learning)방법인 DNN(Deep Neural Networks)모형 및 LSTM(Long Shot Term Memory networks)모형과 시계열분석 방법인 ARIMA(autoregressive integrated moving average)모형을 이용하여 여러 가지 부동산가격지수에 대한 예측을 시도하였다. 연구결과 첫째, 딥 러닝 방법의 예측력이 시계열분석 방법보다 우수한 것으로 나타났다. 둘째, 딥 러닝 방법 중에서는 DNN모형의 예측력이 LSTM모형의 예측력보다 우수하나 그 정도는 미미한 수준인 것으로 나타났다. 셋째, 딥 러닝 방법과 ARIMA모형은 부동산 가격지수(real estate price index) 중 아파트 실거래가격지수(housing sales price index)에 대한 예측력이 가장 부족한 것으로 나타났다. 향후 딥 러닝 방법을 활용함으로써 부동산 시장에 대한 예측의 정확성을 제고할 수 있을 것으로 기대된다.

• 한국태양에너지학회 논문집
• /
• 제39권3호
• /
• pp.59-66
• /
• 2019

New and renewable energy forecasts are key technology to reduce the annual operating cost of new and renewable facilities, and accuracy of forecasts is paramount. In this study, we intend to build a model for the prediction of short-term solar power generation for 1 hour to 3 hours. To this end, this study applied two time series technique, ARIMA model without considering seasonality and SARIMA model with considering seasonality, comparing which technique has better predictive accuracy. Comparing predicted errors by MAE measures of solar power generation for 1 hour to 3 hours at four locations, the solar power forecast model using ARIMA was better in terms of predictive accuracy than the solar power forecast model using SARIMA. On the other hand, a comparison of predicted error by RMSE measures resulted in a solar power forecast model using SARIMA being better in terms of predictive accuracy than a solar power forecast model using ARIMA.