• 한국철도학회논문집
• /
• 제7권1호
• /
• pp.9-13
• /
• 2004

Railway passenger demand forecasts may be used directly, or as inputs to other optimization models use them to produce estimates of other activities. The optimization models require demand forecasts at the most detailed level. In this environment exponential smoothing forecasting methods such as Holt-Winters are appropriate because it is simple and inexpensive in terms of computation. There are several initialization methods for Holt-Winters Model. The purpose of this paper is to compare the initialization methods for Holt-Winters model.

• Journal of the Korean Data and Information Science Society
• /
• 제20권1호
• /
• pp.117-124
• /
• 2009

시계열자료에 계절효과가 존재할 때 성공적인 수요예측을 위해 Winters 방법과 같은 다양한 통계적 방법이 존재지만 신상품과 같이 과거 매출자료가 충분하지 않을 경우 통계적 방법 적용에 한계가 존재한다. 본 연구논문은 신제품과 같이 과거 매출자료가 충분하지 않아 계절효과 등을 추정하기 어려울 때 누적자료를 활용한 통계적 예측방법을 제안한다. 제안된 통계적 방법은 회귀모형이론에 기초하고 있으며 이 방법의 유효성을 최근 화장품 매출자료를 이용하여 검증하였다.

• 응용통계연구
• /
• 제28권6호
• /
• pp.1235-1243
• /
• 2015

최근 들어 ICT 분야의 발달에 따라 데이터 사용량의 급격한 증가로 인터넷 트래픽 사용량 예측은 중요성은 강조되고 있다. 이러한 예측치를 적절한 트래픽 관리와 제어를 위한 계획 수립에 도움을 준다. 본 논문은, 5분 단위의 인터넷 트래픽 자료를 이용하여 결합 예측 모형을 제안하고자 한다. 이에 대하여 시계열의 대표적인 3개 모형인 Seasonal ARIMA, Fractional ARIMA(FARIMA), Taylor의 수정된 Holt-Winters 모형을 적용하였다. 모형 간 결합 예측 방법으로 예측치 간의 SA(Simple Average) 결합 예측 방법과 OLS(Ordinary Least Square)를 이용한 결합방법, ERLS(Equality Restricted Least Squares)를 이용한 결합 예측 방법, Armstrong(2001)이 제안한 MSE 기반 결합 예측 방법을 사용한다. 이에 따른 결과로서 3시간에서의 예측은 Seasonal ARIMA가 선택된 반면, 6시간 이후 예측에서는 결합 예측 방법이 좋은 예측 성능을 보여준다.

• 한국콘텐츠학회논문지
• /
• 제19권1호
• /
• pp.132-140
• /
• 2019

최근 전 세계 많은 도시는 교통량 및 대기오염을 감축하기 위해 공유자전거 시스템을 도입하여 운영하고 있고, 서울시에서도 2015년부터 따릉이 공유자전거 서비스를 제공하고 있다. 공유자전거의 사용이 확산됨에 따라 대여소별로 자전거의 수요는 증가하고 있으나, 제한된 예산 하에서 대여소별로 수요를 관리하기 때문에 운영 및 관리상의 어려움이 존재한다. 현재 자전거 재배치를 통해 대여소별로 수요의 변동을 해결하려고 노력하고 있으나, 불확실한 미래의 사용자 수요를 정확히 예측하는 것이 보다 근본적인 방안이다. 본 연구에서는 통계적 시계열 분석을 통해 서울시 따릉이의 수요를 예측하는 모델을 개발하고, 이를 실제 데이터를 통해 분석하고자 한다. 특히, 전기 사용량의 수요에 사용했던 Holt-Winters방법을 따릉이 수요 예측을 위해 변형하여 적용하였고, 또한 파라미터들의 변동이 실제 수요예측에 어떠한 영향을 미치는지 민감도 분석도 수행하였다.

• 응용통계연구
• /
• 제31권2호
• /
• pp.189-204
• /
• 2018

본 연구는 2014년 1월부터 2017년 4월까지 광, 공업용 제조업을 하는 건물(GGM)의 전기 사용량에 대한 예측을 살펴보고자 한다. SARIMA, SARIMA + GARCH, Holt-Winters 방법, Fourier 변환으로 분해를 한 ARIMA 모형을 중심으로 네 가지 모형에 대한 적합을 하였다. 또한 2017년 5월 사용량에 대한 예측하고, 실제값을 고려하여 각 모형에 대해 예측 제곱근 평균 제곱 오차와 예측 오차율을 비교하였다. GGM 건물의 전기 사용량에 대한 변동이 심하기 때문에 여러 가지 모형 중에서도 변동성과 주기를 함께 고려한 SARIMA + GARCH 모형의 적합과 예측이 가장 뛰어난 것을 확인하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제19권4호
• /
• pp.1133-1140
• /
• 2008

The goal of this paper is to analysis of the trend for stream quality in Gumi industrial complex with Winters' exponential smoothing method. It used the five different monthly time series data such as BOD, COD, TN, TP and EC from January 1998 to December 2006. The data of BOD, COD, TN, TP and EC are analyzed by time series method and forecasted the trends until December 2007. The stream qualities change for the better about BOD, COD, TN and TP, but the stream qualities resulted by EC is still serious.

• 응용통계연구
• /
• 제29권1호
• /
• pp.193-203
• /
• 2016

본 논문은 ICT기반 시장에서의 수요관리시스템에서의 핵심 요소인 전력 수요 예측을 위하여, 전체 사용량을 기반으로 예측 하는 방식이 아닌, 시계열 기반 군집분석을 통한 군집별 예측량의 결합을 실시하였다. 시계열 군집 분석 방법으로서 Periodogram 기반의 정규화 군집분석, 예측 기반의 군집분석, DTW(Dynamic Time Warping)를 이용하여 군집화를 시도하였으며, 군집 별 수요예측 모형으로서 DSHW(Double Seasonal Holt-Winters) 모형, TBATS(Trigonometric, Box-Cox transform, ARMA errors, Trend and Seasonal components) 모형, FARIMA(Fractional ARIMA) 모형을 사용하여 예측을 실시하였다. 전체 사용량을 기반으로 예측 하는 방식이 아닌, 군집분석을 통한 군집별 예측량의 결합이 더 낮은 MAPE로 나타남에 따라 우수한 예측 방법으로 판단되었다.

• 산업경영시스템학회지
• /
• 제20권44호
• /
• pp.243-255
• /
• 1997

Forecasting the future values of an observed time series is an important problem in many areas, including economics, traffic engineering, production planning, sales forecasting, and stock control. The purpose of this paper is aimed to discover the more efficient forecasting model through the parameter estimation and residual analysis among the quantitative method such as Winters' exponential smoothing model, Box-Jenkins' model, and Kalman filtering model. The mean of the time series is assumed to be a linear combination of known functions. For a parameter estimation and residual analysis, Winters', Box-Jenkins' model use Statgrap and Timeslab software, and Kalman filtering utilizes Fortran language. Therefore, this paper can be used in real fields to obtain the most effective forecasting model.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권10호
• /
• pp.4887-4907
• /
• 2017

Accurate traffic flow forecasting is critical to the development and implementation of city intelligent transportation systems. Therefore, it is one of the most important components in the research of urban traffic scheduling. However, traffic flow forecasting involves a rather complex nonlinear data pattern, particularly during workday peak periods, and a lot of research has shown that traffic flow data reveals a seasonal trend. This paper proposes a new traffic flow forecasting model that combines seasonal relevance vector regression with the hybrid chaotic simulated annealing method (SRVRCSA). Additionally, a numerical example of traffic flow data from The Transportation Data Research Laboratory is used to elucidate the forecasting performance of the proposed SRVRCSA model. The forecasting results indicate that the proposed model yields more accurate forecasting results than the seasonal auto regressive integrated moving average (SARIMA), the double seasonal Holt-Winters exponential smoothing (DSHWES), and the relevance vector regression with hybrid Chaotic Simulated Annealing method (RVRCSA) models. The forecasting performance of RVRCSA with different kernel functions is also studied.

• 응용통계연구
• /
• 제29권7호
• /
• pp.1373-1383
• /
• 2016

풍력에너지 산업이 발전하고 풍력발전에 대한 의존율이 높아짐에 따라 안정적인 공급이 중요해지고 있다. 원활한 전력수급계획을 세우기 위해서 풍력발전량을 정확히 예측하는 것이 중요하다. 본 논문에서는 강원도 평창 횡계리에 설치된 대관령 2풍력(2MW 1기)의 시간별 풍력발전 데이터와 강원도 대관령 기상대에서 관측되는 시간별 풍속과 풍향 데이터를 기상청 지상관측자료에서 수집하여 연구하였다. 풍력발전량 예측을 위하여 신경망 모형과 시계열 모형인 ARMA, ARMAX, ARMA-GARCH, Holt Winters 모형을 비교하였다. 모형 간 예측력을 비교하기 위해 mean absolute error(MAE)를 사용하였다. 모형의 예측 성능 비교 결과 1시간에서 3시간의 단기 예측에 있어서 ARMA-GARCH 모형이 우수한 예측력을 보였다. 6시간 이후 예측에서는 신경망 모형이 우수한 예측을 보였다.