• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 추계학술발표대회
• /
• pp.1516-1519
• /
• 2011

예측에 필요한 중요한 자료에는 비선형 자료와 시계열과 같은 선형 자료 등이 있다. 이들 자료는 그 함축적인 관계가 매우 복잡하여 전통적인 통계분석 도구로 식별하는데 어려움이 많다. 신경망 분석은 비모수적 문제나 비선형 곡선 적합능력의 우수성 때문에 현실세계에서의 고유한 복잡성을 다루는 많은 경제 응용 분야에서 널리 이용되고 있다. 신경망은 또한 경제 시계열자료의 예측분야에서도 여러 연구에서 훌륭한 도구로서 적용되고 있다. 전통적으로 우리나라에서 시계열자료의 예측은 선형 자료적 분석을 중심으로 하는 분석도구인 자기회귀누적이동평균(ARIMA)모형을 이용한 시계열분석이 일반적이다. 이 연구에서는 신경망과 ARIMA 모형을 이용하여 한국의 주가변동 자료 및 자동차등록 현황 자료등과 같은 시계열자료를 이용한 예측결과를 비교한다. 연구의 결과는 신경망을 이용한 예측 방법들이 ARIMA 예측 결과보다 통계적으로 작은 오차를 주는 보다 효율적인 방법임을 보여주고 있다.

• 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.

• Environmental Engineering Research
• /
• 제20권3호
• /
• pp.268-276
• /
• 2015

Solid waste production increases due to population and consumption increments. Landfill is the ultimate destination for all kinds of municipal solid waste; and is the most convenient waste disposal method in developing countries. To minimize investment and operational costs and society's opposition towards locating landfills nearby, proper landfill sizing and siting are essential. In this study, solid waste forecasting using Autoregressive Integrating Moving Average (ARIMA) was integrated with government future plans and waste composition to estimate the required landfill area for the state of Selangor, Malaysia. Landfill siting criteria were then prioritized based on expert's preferences. To minimize ambiguity and the uncertainty of the criteria prioritizing process, the expert's preferences were treated using integrated Median Ranked Sample Set (MRSS) and Analytic Hierarchy Process (AHP) models. The results show that the required landfill area is 342 hectares and the environmental criteria are the most important; with a priority equal to 48%.

• 한국건설관리학회논문집
• /
• 제12권2호
• /
• pp.111-120
• /
• 2011

최근 도심지 고밀화에 따른 공간의 효율적 이용이 요구됨에 따라 대규모의 고층 사무공간이 증가하고 있으며, 이와 함께 주거, 상업, 문화 등 다양한 기능을 밀접하게 연관시킨 고층 복합시설도 점차 늘어가고 있다. 이러한 대형 건설, 프로젝트는 긴 공사기간이 소요되어 공사비 예측이 쉽지 않으며, 막대한 비용이 투입되기 때문에 비용 예측의 중요성이 더욱 증대되고 있다. 이러한 상황에서 최근 극심한 경제변화에 따른 건설자재가격의 변동은 자재비를 포함한 공사비 예측을 어렵게 만드는 주요 원인이다. 따라서 본 연구는 건설자재단가 시계열자료를 활용, 미래의 자재단가 예측을 위한 시계열모델을 구축하고 복잡한 모델 프로세스를 간소화하는 자재별 최적 예측모델 도출시스템을 구축한다. 또한 Building Information Modeling(BIM)의 접근을 통해 자재의 투입시기 및 투입물량을 분석, 시계열모델을 통해 예측한 자재단가 예측 값과 조합함으로써 총 자재비를 포함하는 BIM기반 공사원가 예측 시계열모델을 제시한다. 본 연구는 시계열모델의 하나인 Autoregressive Integrated Moving Average(ARIMA)모델에 대한 예측력 비교를 통해 자재단가 예측을 위한 적합모델을 도출하였다. BIM기반의 원가예측 시계열모델은 자재의 투입시기별 자재단가 변동치를 예측함으로써 급변하는 경제 환경 변화에 대처할 수 있는 도구가 될 것이다.

• 한국가시화정보학회지
• /
• 제19권1호
• /
• pp.62-67
• /
• 2021

Selective catalytic reduction(SCR) is an exhaust gas reduction device to remove nitro oxides (NOx). SCR operation of ship can be controlled through valves for minimizing economic loss from SCR. Valve in SCR-high pressure (HP) system is directly connected to engine exhaust and operates in high temperature and high pressure. Long-term thermal deformation induced by engine heat weakens the sealing of the valve, which can lead to unexpected failures during ship sailing. In order to prevent the unexpected failures due to long-term valve thermal deformation, a failure prediction system using autoregressive integrated moving average (ARIMA) was proposed. Based on the heating experiment, virtual data mimicking temperature range around the SCR-HP valve were produced. By detecting abnormal temperature rise and fall based on the short-term ARIMA prediction, an algorithm determines whether present temperature data is required for failure prediction. The signal processed by the data collection algorithm was interpolated for the failure prediction. By comparing mean average error (MAE) and root mean square error (RMSE), ARIMA model and suitable prediction instant were determined.

• 전기학회논문지
• /
• 제67권10호
• /
• pp.1257-1264
• /
• 2018

This paper proposes Autoregressive Integrated Moving Average (ARIMA)-based forecasting algorithms using meteorological indices to predict seasonal peak load. First of all, this paper observes a seasonal pattern of the peak load that appears intensively in winter and summer, and generates ARIMA models to predict the peak load of summer and winter. In addition, this paper also proposes hybrid ARIMA-based models (ARIMA-Hybrid) using a discomfort index and a sensible temperature to enhance the conventional ARIMA model. To verify the proposed algorithm, both ARIMA and ARIMA-Hybrid models are developed based on peak load data obtained from 2006 to 2015 and their forecasting results are compared by using the peak load in 2016. The simulation result indicates that the proposed ARIMA-Hybrid models shows the relatively improved performance than the conventional ARIMA model.

• 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.

• 한국군사과학기술학회지
• /
• 제21권4호
• /
• pp.529-540
• /
• 2018

As the equipment of the military has recently become more sophisticated and expensive, the cost of purchasing spare parts is also steadily increasing. Therefore, demand forecast accuracy is also becoming an issue for the effective execution of the spare parts budget. This study predicts the demand by using the data of spare parts consumption of the KF-16C fighter which is being operated in the Republic of Korea Air Force. In this paper, SARIMA(Seasonal Autoregressive Integrated Moving Average) is applied to seasonal data after dividing the spare parts consumptions into seasonal data and non-seasonal data. Proposing new methods, Majority Voting and Hybrid Method, to the non-seasonal data which consists of spare parts of low consumption with unclear pattern, We want to prove that the demand forecast accuracy of spare parts improves.

• 항공우주시스템공학회지
• /
• 제14권2호
• /
• pp.50-56
• /
• 2020

In this study, we investigated whether long short-term memory (LSTM) can be used in the future to predict F10.7 index data; the F10.7 index is a space environment factor affecting atomic oxygen erosion. Based on this, we compared the prediction performances of LSTM, the Autoregressive integrated moving average (ARIMA) model (which is a traditional statistical prediction model), and the similar pattern searching method used for long-term prediction. The LSTM model yielded superior results compared to the other techniques in the prediction period starting from the max/min points, but presented inferior results in the prediction period including the inflection points. It was found that efficient learning was not achieved, owing to the lack of currently available learning data in the prediction period including the maximum points. To overcome this, we proposed a method to increase the size of the learning samples using the sunspot data and to upgrade the LSTM model.

• 농촌계획
• /
• 제17권1호
• /
• pp.1-11
• /
• 2011

본 연구에서는 ARIMA(Autoregressive Integrated Moving Average) 모델을 이용하여 농촌관광마을의 월별 관광객을 추정하였다. 단일 마을에 대한 시계열 자료를 경상북도 안동시에 위치한 하회마을을 대상으로 구축하였다. 월별 시계열 자료는 2000년부터 2010년까지 구성되었는데(2008년도 누락), 2000년에서 2007년까지 자료는 최적 모델의 도출에 나머지는 예측치의 검정에 사용되었다. 연구 결과 최적모델에 필요한 시계열 자료의 길이는 6년으로 나타났으며, 최적모델은 계절성을 고려한 SARIMA(2,1,1)(1,1,2)12로 나타났다. 최적 시계열 년수로 나타난 6년을 사용하여 2000-2005, 2001-2006, 그리고 2002-2007의 자료로부터 각각 SARIMA(2,1,1)(1,1,2)12를 도출하여, 차기년도들에 대한 예측결과를 비교한 결과, 높은 $R^2$값을 보였다.