• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권12호
• /
• pp.565-572
• /
• 2017

본 연구는 기존의 수요 예측 등의 시계열 연구에서 주로 사용되는 ARIMA 모형의 어려움을 극복하고자 인공신경망(Artificial neural network) 모형을 이용하여 한국 프로 야구 관중 수를 예측하였다. 훈련 자료로는 2015년 3월부터 9월까지의 일별 KBO 관중 수 자료를 대상으로 하였다. 전방향 신경망(Feedforward neural network)의 모형 훈련 과정에서, 그리드 탐색(Grid search)을 적용하여 최적의 초모수(Hyperparameter)를 찾고자 하였다. 그 결과, 그리드 탐색법의 최적 모형을 이용한 평균 절대 백분율 오차(MAPE)는 평균 20.9% 였다. 앙상블 기법을 이용한 모형의 MAPE는 평균 20.0%였다. 이는 다중회귀와 비교해보았을 때, 평균적으로 각각 26.3%, 30.3% 높은 예측력을 보인다.

• 수산해양기술연구
• /
• 제32권3호
• /
• pp.235-240
• /
• 1996

Forecasts of monthly landings of walleye pollock, Theragra chalcogramma, in Korea were carried out by the seasonal Autoregressive Integrated Moving Average(ARlMA) model. The Box - Cox transformation on the walleye pollock catch data handles nonstationary variance. The equation of Box - Cox transformation was Y'=($Y^0.31$_ 1)/0.31. The model identification was determined by minimum AIC(Akaike Information Criteria). And the seasonal ARlMA model is presented (1- O.583B)(1- $B^1$)(l- $B^12$)$Z_t$ =(l- O.912B)(1- O.732$B^12$)et where: $Z_t$=value at month t ; $B^p$ is a backward shift operator, that is, $B^p$$Z_t$=$Z_t$-P; and et= error term at month t, which is to forecast 24 months ahead the walleye pollock landings in Korea. Monthly forecasts of the walleye pollock landings for 1993~ 1994, which were compared with the actual landings, had an absolute percentage error(APE) range of 20.2-226.1 %. Thtal observed annual landings in 1993 and 1994 were 16, 61OM/T and 1O, 748M/T respectively, while the model predicted 10, 7 48M/T and 8, 203M/T(APE 37.0% and 23.7%, respectively).

• Journal of Biosystems Engineering
• /
• 제38권1호
• /
• pp.9-17
• /
• 2013

Purpose: The goal of this study was to develop a methodology for the demand forecast of tractor, riding type rice transplanter and combine harvester using an ARIMA (autoregressive integrated moving average) model, one of time series analysis methods, and to forecast their demands from 2012 to 2021 in South Korea. Methods: To forecast the demands of three kinds of machines, ARIMA models were constructed by following three stages; identification, estimation and diagnose. Time series used were supply and stock of each machine and the analysis tool was SAS 9.2 for Windows XP. Results: Six final models, supply based ones and stock based ones for each machine, were constructed from 32 tentative models identified by examining the ACF (autocorrelation function) plots and the PACF (partial autocorrelation function) plots. All demand series forecasted by the final models showed increasing trends and fluctuations with two-year period. Conclusions: Some forecast results of this study are not applicable immediately due to periodic fluctuation and large variation. However, it can be advanced by incorporating treatment of outliers or combining with another forecast methods.

• Nuclear Engineering and Technology
• /
• 제49권5호
• /
• pp.1063-1070
• /
• 2017

This paper presents a method for forecasting future uranium prices that is used as input data to calculate the uranium cost, which is a rational key cost driver of the nuclear fuel cycle cost. In other words, the statistical autoregressive integrated moving average (ARIMA) model and existing engineering cost estimation method, the so-called escalation rate model, were subjected to a comparative analysis. When the uranium price was forecasted in 2015, the margin of error of the ARIMA model forecasting was calculated and found to be 5.4%, whereas the escalation rate model was found to have a margin of error of 7.32%. Thus, it was verified that the ARIMA model is more suitable than the escalation rate model at decreasing uncertainty in nuclear fuel cycle cost calculation.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권2호
• /
• pp.383-403
• /
• 2021

With the development of mobile edge computing (MEC), some late-model application technologies, such as self-driving, augmented reality (AR) and traffic perception, emerge as the times require. Nevertheless, the high-latency and low-reliability of the traditional cloud computing solutions are difficult to meet the requirement of growing smart cars (SCs) with computing-intensive applications. Hence, this paper studies an efficient offloading decision and resource allocation scheme in collaborative vehicular edge computing networks with multiple SCs and multiple MEC servers to reduce latency. To solve this problem with effect, we propose a context-aware offloading strategy based on differential evolution algorithm (DE) by considering vehicle mobility, roadside units (RSUs) coverage, vehicle priority. On this basis, an autoregressive integrated moving average (ARIMA) model is employed to predict idle computing resources according to the base station traffic in different periods. Simulation results demonstrate that the practical performance of the context-aware vehicular task offloading (CAVTO) optimization scheme could reduce the system delay significantly.

• 국제학술발표논문집
• /
• The 4th International Conference on Construction Engineering and Project Management Organized by the University of New South Wales
• /
• pp.1-6
• /
• 2011

As large-scale building projects have recently increased for the residential, commercial and office facilities, construction costs for these projects have become a matter of great concern, due to their significant construction cost implications, as well as unpredictable market conditions and fluctuations in the rate of inflation during the projects' long-term construction periods. In particular, recent volatile fluctuations of construction material prices fueled such problems as cost forecasting. This research develops a time series model using the Box-Jenkins approach and material price time series data in Korea in order to forecast trends in the unit prices of required materials. Building information modeling (BIM) approaches are also used to analyze injection times of construction resources and to conduct quantity take-off so that total material prices can be forecast. To determine an optimal time series model for forecasting price trends, comparative analysis of predictability of tentative autoregressive integrated moving average (ARIMA) models is conducted. The proposed BIM-based time series forecasting model can help to deal with sudden changes in economic conditions by estimating material prices that correspond to resource injection times.

• 한국인공지능학회지
• /
• 제12권1호
• /
• pp.17-24
• /
• 2024

This paper introduces a novel approach to time-series estimation for energy load forecasting within Virtual Power Plant (VPP) systems, leveraging advanced artificial intelligence (AI) algorithms, namely Long Short-Term Memory (LSTM) and Seasonal Autoregressive Integrated Moving Average (SARIMA). Virtual power plants, which integrate diverse microgrids managed by Energy Management Systems (EMS), require precise forecasting techniques to balance energy supply and demand efficiently. The paper introduces a hybrid-method forecasting model combining a parametric-based statistical technique and an AI algorithm. The LSTM algorithm is particularly employed to discern pattern correlations over fixed intervals, crucial for predicting accurate future energy loads. SARIMA is applied to generate time-series forecasts, accounting for non-stationary and seasonal variations. The forecasting model incorporates a broad spectrum of distributed energy resources, including renewable energy sources and conventional power plants. Data spanning a decade, sourced from the Korea Power Exchange (KPX) Electrical Power Statistical Information System (EPSIS), were utilized to validate the model. The proposed hybrid LSTM-SARIMA model with parameter sets (1, 1, 1, 12) and (2, 1, 1, 12) demonstrated a high fidelity to the actual observed data. Thus, it is concluded that the optimized system notably surpasses traditional forecasting methods, indicating that this model offers a viable solution for EMS to enhance short-term load forecasting.

• Journal of the Korean Data and Information Science Society
• /
• 제20권2호
• /
• pp.293-299
• /
• 2009

이 논문에서는 대구 두 개 동의 시간별 오존농도를 예측하는 모형으로 회귀, 자기회귀누적이동평균, 자기회귀누적이동평균 오차를 가지는 회귀 같은 선형모형들을 고려하였다. 평균제곱오차제곱근에 근거하여 보았을 때 한 개 동에서는 자기회귀누적이동평균 모형이 최적의 모형으로 선택되었고, 다른 동에서는 자기회귀누적이동평균 오차를 가지는 회귀 모형이 최적 모형으로 선택되었다. 이 최적의 모형으로부터 나온 잔차들의 변동석 분석을 수행하였는데 이를 통해 120 ppb를 넘는 오존 주의보 날짜를 예측하였다. 2000년에서 2003년까지의 훈련용 자료에 근거하여 보았을 때 잔차값의 경계값으로 35 ppb를 잡았을 때 오존주의보 날짜를 예측하는데 좋은 결과를 보였다. 하나의 동에서는 2004년의 오존주의보가 발령된 이틀 중 하루와 나머지 주의보가 발령되지 않은 364일을 모두 정확히 예측하였다. 다른 동에서는 2004년의 오존주의보가 발령된 하루와 주의보가 발령되지 않은 365일을 모두 정확히 예측하였다.

• 정보과학회 논문지
• /
• 제44권9호
• /
• pp.954-965
• /
• 2017

안정적인 전력 공급은 전력 인프라의 유지 보수 및 작동에 매우 중요하며, 이를 위해 정확한 전력 사용량 예측이 요구된다. 대학 캠퍼스는 전력 사용량이 많은 곳이며, 시간과 환경에 따른 전력 사용량 변화폭이 다양하다. 이러한 이유로, 전력계통의 효율적인 운영을 위해서는 전력 사용량을 정확하게 예측할 수 있는 모델이 요구된다. 기존의 시계열 예측 기법은 학습 시점과 예측 시점 간의 차이가 클수록 예측 구간이 넓어짐으로 예측 성능이 크게 떨어진다는 단점이 있다. 본 논문은 이를 보완하려는 방안으로, 먼저 의사결정나무를 이용해 날짜, 요일, 공휴일 여부, 학기 등을 고려하여 시계열 형태가 유사한 전력 데이터를 분류한다. 다음으로 분류된 데이터 셋에 각각의 자기회귀누적이동평균모형을 구성하여, 예측 시점에서 시계열 교차검증을 적용해 대학 캠퍼스의 일간 전력 사용량 예측 기법을 제안한다. 예측의 정확성을 평가하기 위해, 성능 평가 지표를 이용하여 제안한 기법의 타당성을 검증하였다.

• 대한교통학회지
• /
• 제35권2호
• /
• pp.143-159
• /
• 2017

본 연구는 2003년 1사분기부터 2016년 2사분기 까지 인천국제공항에서 미주노선을 통하여 미주 내 공항에 도착하는 항공화물의 시계열 자료를 통하여 SARIMA 모형을 활용하여 항공화물 수요예측을 시행하였다. 또한 SARIMA 모형을 활용하여 만들어진 수요예측 모형과 기존 연구에 주로 활용되어졌던 ARIMA 모형을 활용하여 만들어진 수요예측 모형과 비교분석함으로써, 주기적인 특성 및 계절성을 가진 시계열 자료에 대한 SARIMA 모형의 상대적으로 우수한 예측 정확성을 입증하였다. 기존의 항공 관련 연구는 주로 여객에 관한 연구가 상대적으로 많았다. 또한 화물과 관련된 연구에서도 특정노선이 아닌 공항이나 전체에 대한 연구가 대부분이었다. 이러한 상황에서, SARIMA 모형을 활용하여 미주지역이라는 특정 노선에 대한 항공화물의 수요를 예측한 본 연구는 큰 의의가 있다고 생각된다.