• Environmental Engineering Research
• /
• 제22권2호
• /
• pp.162-168
• /
• 2017

Rainfall is one of the most important phenomena of the natural system. In Bangladesh, agriculture largely depends on the intensity and variability of rainfall. Therefore, an early indication of possible rainfall can help to solve several problems related to agriculture, climate change and natural hazards like flood and drought. Rainfall forecasting could play a significant role in the planning and management of water resource systems also. In this study, univariate Seasonal Autoregressive Integrated Moving Average (SARIMA) model was used to forecast monthly rainfall for twelve months lead-time for thirty rainfall stations of Bangladesh. The best SARIMA model was chosen based on the RMSE and normalized BIC criteria. A validation check for each station was performed on residual series. Residuals were found white noise at almost all stations. Besides, lack of fit test and normalized BIC confirms all the models were fitted satisfactorily. The predicted results from the selected models were compared with the observed data to determine prediction precision. We found that selected models predicted monthly rainfall with a reasonable accuracy. Therefore, year-long rainfall can be forecasted using these models.

• 지능정보연구
• /
• 제19권1호
• /
• pp.1-17
• /
• 2013

본 연구에서는 시계열 예측을 위해 선형 모형과 비선형 모형의 하이브리드 모형 및 순수 모형의 성과를 비교 평가하였다. 이를 위해 5가지 서로 다른 패턴을 가지는 데이터를 생성하여 시뮬레이션을 진행하였다. 본 연구에서 고려한 선형 모형은 AR(autoregressive model)과 SARIMA(seasonal autoregressive integrated moving average model)이고 비선형 모형은 인공신경망(artificial neural networks model)과 GAM(generalized additive model)이다. 특히, GAM은 여러 장점에도 불구하고 시계열 예측을 위한 비선형 모형으로 기존 연구들에서는 거의 쓰이지 않았던 모형이다. 시뮬레이션 결과, seasonality를 가지는 시계열에 대해서는 AR 및 AR-AR 모형이, trend를 가지는 시계열에 대해서는 SARIMA 및 SARIMA와 다른 모형의 하이브리드 모형이 다른 모형에 비해 높은 성과를 보였다. 한편, 인공신경망과 GAM을 비교하면, 트렌드와 계절성이 더해진 시계열에 대해 SARIMA와 GAM의 하이브리드 모형이 거의 모든 노이즈(noise) 수준에 대해 높은 성과를 보인 반면, 노이즈 수준이 미미한 경우에 한해 SARIMA와 인공신경망의 하이브리드 모형이 높은 성과를 보였다.

• 산업경영시스템학회지
• /
• 제46권4호
• /
• pp.152-159
• /
• 2023

This study endeavors to enrich investment prospects in cryptocurrency by establishing a rationale for investment decisions. The primary objective involves evaluating the predictability of four prominent cryptocurrencies - Bitcoin, Ethereum, Litecoin, and EOS - and scrutinizing the efficacy of trading strategies developed based on the prediction model. To identify the most effective prediction model for each cryptocurrency annually, we employed three methodologies - AutoRegressive Integrated Moving Average (ARIMA), Long Short-Term Memory (LSTM), and Prophet - representing traditional statistics and artificial intelligence. These methods were applied across diverse periods and time intervals. The result suggested that Prophet trained on the previous 28 days' price history at 15-minute intervals generally yielded the highest performance. The results were validated through a random selection of 100 days (20 target dates per year) spanning from January 1st, 2018, to December 31st, 2022. The trading strategies were formulated based on the optimal-performing prediction model, grounded in the simple principle of assigning greater weight to more predictable assets. When the forecasting model indicates an upward trend, it is recommended to acquire the cryptocurrency with the investment amount determined by its performance. Experimental results consistently demonstrated that the proposed trading strategy yields higher returns compared to an equal portfolio employing a buy-and-hold strategy. The cryptocurrency trading model introduced in this paper carries two significant implications. Firstly, it facilitates the evolution of cryptocurrencies from speculative assets to investment instruments. Secondly, it plays a crucial role in advancing deep learning-based investment strategies by providing sound evidence for portfolio allocation. This addresses the black box issue, a notable weakness in deep learning, offering increased transparency to the model.

• The Journal of Asian Finance, Economics and Business
• /
• 제8권4호
• /
• pp.339-347
• /
• 2021

This study aims to forecast the exchange rate by a combination of different models as proposed by Poon and Granger (2003). For this purpose, we include three univariate time series models, i.e., ARIMA, Naïve, Exponential smoothing, and one multivariate model, i.e., NARDL. This is the first of its kind endeavor to combine univariate models along with NARDL to the best of our knowledge. Utilizing monthly data from January 2011 to December 2020, we predict the Pakistani Rupee against the US dollar by a combination of different forecasting techniques. The observations from M1 2020 to M12 2020 are held back for in-sample forecasting. The models are then assessed through equal weightage and var-cor methods. Our results suggest that NARDL outperforms all individual time series models in terms of forecasting the exchange rate. Similarly, the combination of NARDL and Naïve model again outperformed all of the individual as well as combined models with the lowest MAPE value of 0.612 suggesting that the Pakistani Rupee exchange rate against the US Dollar is dependent upon the macro-economic fundamentals and recent observations of the time series. Further evidence shows that the combination of models plays a vital role in forecasting, as stated by Poon and Granger (2003).

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권10호
• /
• pp.3851-3866
• /
• 2015

The dynamic nature of opportunistic networks results in long delays, low rates of success for deliveries, etc. As such user experience is limited, and the further development of opportunistic networks is constrained. This paper proposes a prediction-based routing method for opportunistic networks (PB-OppNet). Firstly, using an ARIMA model, PB-OppNet describes the historical contact information between a node pair as a time series to predict the average encounter time interval of the node pair. Secondly, using an optimal stopping rule, PB-OppNet obtains a threshold for encounter time intervals as forwarding utility. Based on this threshold, a node can easily make decisions of stopping observing, or delivering messages when potential forwarding nodes enter its communication range. It can also report different encounter time intervals to the destination node. With the threshold, PB-OppNet can achieve a better compromise of forwarding utility and waiting delay, so that delivery delay is minimized. The simulation experiment result presented here shows that PB-OppNet is better than existing methods in prediction accuracy for links, delivery delays, delivery success rates, etc.

• Asian Journal of Business Environment
• /
• 제12권3호
• /
• pp.1-12
• /
• 2022

Purpose: This study aims to investigate whether AIS data can be used as a supporting indicator or as an initial signal to describe Indonesia's export-import conditions in real-time. Research design, data, and methodology: This study performs several stages of data selection to obtain indicators from AIS that truly reflect export-import activities in Indonesia. Also, investigate the potential of AIS indicators in producing forecasts of the value and volume of Indonesian export-import using conventional statistical methods and machine learning techniques. Results: The six preprocessing stages defined in this study filtered AIS data from 661.8 million messages to 73.5 million messages. Seven predictors were formed from the selected AIS data. The AIS indicator can be used to provide an initial signal about Indonesia's import-export activities. Each export or import activity has its own predictor. Conventional statistical methods and machine learning techniques have the same ability both in forecasting Indonesia's exports and imports. Conclusions: Big data AIS can be used as a supporting indicator as a signal of the condition of export-import values in Indonesia. The right method of building indicators can make the data valuable for the performance of the forecasting model.

• 한국건설관리학회논문집
• /
• 제19권2호
• /
• pp.107-116
• /
• 2018

2010년 이후 한국 해외건설 수주가 극적 변동을 보임에 따라, 이에 대한 원인과 대응방안을 모색하고자 한다. 한국 해외건설은 2010년 716억불을 정점으로 2011년에서 2014년까지 연평균 638억불을 기록하였다. 하지만, 2014년 하반기부터 시작된 국제유가 하락으로 2015년 461억불을, 2016년 282억불, 2017년 290억불의 수주에 그쳤다. 국제 유가 하락과 더불어, 세계 경제 저성장 지속과 우리 기업의 EPC 수주 역량 한계점 봉착 등으로 불확실성이 과거 어느 때보다 증가하고 있다. 이와 같은 불확실한 해외건설시장 상황 속에서 적절한 대응방안을 모색하고, 많은 가능성과 글로벌 경쟁력을 갖추고 있는 해외건설산업을 국가수 출전략산업으로 육성 발전시키기 위하여, 세계건설시장과 해외건설시장의 발주 및 수주 구조와 그 변화추세를 분석하고, 향후 해외건설 수주 규모를 예측함으로써 해외건설산업의 건전한 육성 및 발전을 위한 정책 방향을 제시하고자 한다.

• 대한임상검사과학회지
• /
• 제50권4호
• /
• pp.511-524
• /
• 2018

본 연구는 임상병리사 인력의 인력의 수급전망을 추계하여 인력계획 수립에 필요한 정책자료를 제공하는 것을 목적으로 한다. 공급은 기초추계(baseline projection) 모형에 근거한 인구학적 방법(demographic method)을 이용하여 추계하였으며, 수요추계는 임상병리사가 검사하는 임상병리검사 건수를 이용하는 의료수요에 의한 방법을 적용하였다. 전반적인 임상병리사 인력수급 추계결과는 생산성의 시나리오에 따라 공급이 과잉되기도 하고 부족하기도 할 것으로 전망되었다. 이렇게 임상병리사의 수급 비교 결과는 임상병리사의 생산성 가정에 따라 달라지지만, 어느 시나리오를 선택할 것인가는 궁극적으로 정부의 정책방향에 따라 달라진다. 즉 임상병리사의 생산성을 현재보다 높게 채택하는지 혹은 낮게 책정하는지는 보험재정 여건 등을 고려해야 하는 정부 정책에 달려있는 것이다. 이에 본 연구에서 정부의 정책방향이 고려되지 않은 2012년 현재의 생산성을 기준으로 한 '생산성 시나리오 3'을 살펴보면, ARIMA모델을 적용한 수요시나리오를 중심으로 보면 근무일수에 따라 2030년에는 2821명에서 4,530명의 임상병리사 공급이 과잉될 것으로 전망된다. 이러한 공급과잉은 전체에서 차지하는 비중이 10%미만이기 때문에 크게 문제가 되지 않을 것으로 판단된다. 그러나 임상병리사사 취업률이 60%대인 점을 감안하면 미취업자를 활용하는 정책도 함께 고려해야한다. 이러한 대책으로는 미취업인력에 대한 취업기회를 확대하는 방향으로 나아가야 할 것이고, 이를 위해서는 보건소 검사실의 기능강화 및 임상병리사 정원증원 및 신분보장, 통원치료 환자를 위한 상설 검사체제 확립, 산업재해 분야 및 의원급 검사기능 강화, 무면허 검사요원의 통제, 해외인력수출 확대 등이 필요할 것으로 사료된다.

• 한국산학기술학회논문지
• /
• 제22권4호
• /
• pp.228-234
• /
• 2021

부동산의 시장 참여자들에게 부동산 가격에 대한 방향성을 예측하는 것은 의사결정에 있어서 매우 중요하다. 이를 위해 주로 회귀분석, ARIMA, VAR 등의 방법론을 사용하는데 이는 불특정 변수에 의해서 변동하는 자산의 가치를 예측하는데 한계점을 갖는다. 때문에 본 연구에서는 이를 보완하기 위해서 인공신경망 기법을 이용해 부동산 시장에서 유동성이 풍부한 서울 아파트 가격 추이를 예측하고자 한다. 인공신경망 학습을 위해서 총 12개의 거시 및 미시적 변수를 나눠 학습 모형을 설계하는데 거시적 요인은 CASE1, 미시적 요인은 CASE2 그리고 두 요인을 조합해서 요인을 구성한 CASE3 으로 나눠서 실험한다. 그 결과 CASE1 과 CASE2 는 약 2년 동안 87.5%의 예측을 보이고 CASE3은 95.8%의 예측성과를 보인다. 본 연구는 아파트 가격에 영향을 주는 다양한 요인들을 거시적 및 미시적으로 구분하여 정의하고 미래의 아파트 가격의 방향성을 예측하는데 인공신경망 기법을 제안하고 그 실효성을 분석했다. 따라서 최근 발전하고 있는 학습 기법이 부동산 분야에 다양한 관점으로 적용되어 시장 참여자들의 효율적인 의사결정을 할 수 있기를 기대한다.

• 응용통계연구
• /
• 제32권1호
• /
• pp.149-160
• /
• 2019

본 연구는 2016년 7월부터 2017년 6월까지 인천 소재 A 대학교의 15분 단위의 일일 전기 사용량 시계열 데이터에 대해 functional data analysis 기법을 적용하여 군집화하고 각 군집의 특성을 파악하고 예측에 활용하고자 한다. 하루동안의 A 대학교의 전기 사용량은 패턴은 주중과 주말 에 큰 차이를 보이며 스플라인 기저함수로 FPCA 구한 후 이들에 대한 가우시안 분포의 혼합모형 기반 군집분석으로 3개의 군집화가 적절해 보인다. 각 군집에 대해 평균 함수, 확률밀도함수, 일들의 분포 등을 정리해 각 군집에 대한 정보와 특징을 보여준다.