• 한국산학기술학회논문지
• /
• 제17권6호
• /
• pp.157-165
• /
• 2016

하이테크 제품 중에서 이동통신 단말기는 빠른 속도로 혁신이 이루어지고 있으며 이에 따라 제품수명주기도 짧아지고 있다. 이렇게 짧아진 제품수명주기를 정확히 예측하기 위해서는 정확한 수요예측방법론의 선택이 중요하며 이는 전략적 경영계획 수립에 가장 기본적인 요소라고 할 수 있다. 본 연구의 목적은 이동통신 단말기의 전체 확산 수명에 적용될 수 있는 최적의 모형을 제시하는 것이다. 우리는 2013년 3월부터 2014년 8월까지 국내 특정 이동통신 서비스 사업자의 이동통신 단말기 판매 데이터를 활용하여 이동통신 단말기의 판매추이 및 수요예측을 위한 최적의 모형을 제시하고자 한다. 본 연구에서는 네 가지 모형의 성능을 비교분석하였는데 두 가지 S자형 확산모형인 Gompertz와 logistic 모형, 두 가지 비선형 회귀모형인 Michaelis-Menten과 logarithmic 모형을 비교한다. 모형 적합도에 따르면 logistic 모형이 모형일치성에 있어서 다른 세 개의 모형보다 성능이 우수한 것으로 발견되었으며 수요예측모델로는 확산이 정체하기 전까지는 logistic 모형이 우수하며 포화단계에 근접할수록 Gompertz 모형이 적합한 것으로 나타났다. 이러한 분석결과는 이동통신 단말기 시장 규모를 추정하거나 이동통신 단말기의 재고 및 주문관리를 하는데 있어서 유용한 자료로 활용될 수 있을 것이다.

• 한국도로학회논문집
• /
• 제10권4호
• /
• pp.139-150
• /
• 2008

본 연구는 도로연장측면에서 본선에 비해 상대적으로 연결로에서 발생하는 사고빈도가 높고, 교통사고가 증가하는 추세인 고속도로 연결로의 교통사고 예측모형의 개발에 초점을 두었다. 연결로 유형별(직결, 준직결, 루프)로 통계적으로 유의한 사고인자를 선정하고, 사고율과의 관계가 비선형 임을 분석하여 변수를 변형(Variables Transformation)하여 All possible 방식으로 예측모형을 개발하고, 통계적 진단 및 검증을 거쳐 유의성을 확인하였으며 이에 기존 개발 모형에 비해 예측력이 더욱 우수한 결과를 보였다. 개발된 사고예측모형은 보다 비용면에서 효율적이고, 안전한 트럼펫형 IC 연결로의 설계와 연결로 교통사고 원인분석에 활용될 수 있을 것으로 기대된다.

• 한국대기환경학회지
• /
• 제22권5호
• /
• pp.614-626
• /
• 2006

Using the data of three environmental monitoring sites in Pohang area(KME112, KME113, and KME114), statistical forecasting models of the daily maximum and mean values of PM10 have been developed. Since the distributions of the daily maximum and mean PM10 values are skewed, which are similar to the Weibull distribution, these values were log-transformed to increase prediction accuracy by approximating the normal distribution. Three statistical forecasting models, which are regression, neural networks(NN) and support vector regression(SVR), were built using the log-transformed response variables, i.e., log(max(PM10)) or log(mean (PM10)). Also, the forecasting models were validated by the measure of RMSE, CORR, and IOA for the model comparison and accuracy. The improvement rate of IOA before and after the log-transformation in the daily maximum PM10 prediction was 12.7% for the regression and 22.5% for NN. In particular, 42.7% was improved for SVR method. In the case of the daily mean PM10 prediction, IOA value was improved by 5.1% for regression, 6.5% for NN, and 6.3% for SVR method. As a conclusion, SVR method was found to be performed better than the other methods in the point of the model accuracy and fitness views.

• 한국산학기술학회논문지
• /
• 제22권3호
• /
• pp.234-241
• /
• 2021

군에서는 수요예측에 대한 중요성을 인식하여 수리부속에 대해 예측 정확도 향상을 위한 많은 연구가 이루어지고 있다. 수리부속 수요예측은 예산 운영과 장비 가동률 측면에서 매우 중요한 요소가 되고 있다. 그러나 현재 군에서 적용중인 시계열 모형으로는 수요량의 변동과 발생주기가 일정하지 않은 간헐적 수요에 대해서는 예측에 한계가 있는 실정이다. 따라서, 본 연구는 공군 패트리어트 수리부속의 간헐적 수요에 대한 예측 정확도를 제고하는 방법을 제시하고자 하였다. 이를 위해서 2013년부터 2019년까지의 701개의 수리부속 소모개수를 토대로 수요 유형을 구분하여 수리부속의 간헐적 수요 자료를 수집하였다. 또한, 장비 고장에 영향을 줄 수 있는 외부 요인으로는 기온, 장비운영시간을 식별하여 입력변수로 선정하였다. 그 후, 소모개수와 외부 요인을 통해 군에서 적용하는 시계열 모형과 제안하는 데이터 마이닝 모형으로 예측을 실시하여 모형별 예측 정확도를 판단했다. 예측 결과로 기존의 시계열 모형과 비교하여 데이터 마이닝 모형의 예측 정확도가 높았으며, 그 중 다층 퍼셉트론 모형이 가장 우수한 성능을 보였다.

• 한국데이터정보과학회:학술대회논문집
• /
• 한국데이터정보과학회 2003년도 추계학술대회
• /
• pp.57-72
• /
• 2003

This article provides integrated neural network models for the interest rate forecasting using change-point detection. The model is composed of three phases. The first phase is to detect successive structural changes in interest rate dataset. The second phase is to forecast change-point group with data mining classifiers. The final phase is to forecast the interest rate with BPN. Based on this structure, we propose three integrated neural network models in terms of data mining classifier: (1) multivariate discriminant analysis (MDA)-supported neural network model, (2) case based reasoning (CBR)-supported neural network model and (3) backpropagation neural networks (BPN)-supported neural network model. Subsequently, we compare these models with a neural network model alone and, in addition, determine which of three classifiers (MDA, CBR and BPN) can perform better. For interest rate forecasting, this study then examines the predictability of integrated neural network models to represent the structural change.

• Journal of the Korean Data and Information Science Society
• /
• 제19권4호
• /
• pp.1305-1325
• /
• 2008

As index option markets grow recently, many analysts and investors become interested in forecasting the volatility of KOSPI 200 Index to achieve portfolio's goal from the point of financial risk management and asset evaluation. To serve this purpose, we introduce NN and SVM integrated with other financial series models such as GARCH, EGARCH, and EWMA. Moreover, according to the empirical test, Integrating NN with GARCH or EWMA models improves prediction power in terms of the precision and the direction of the volatility of KOSPI 200 index. However, integrating SVM with financial series models doesn't improve greatly the prediction power. In summary, SVM-EGARCH was the best in terms of predicting the direction of the volatility and NN-GARCH was the best in terms of the prediction precision. We conclude with advantages of the integration process and the need for integrating models to enhance the prediction power.

• 상하수도학회지
• /
• 제10권2호
• /
• pp.88-103
• /
• 1996

The objective of this study is to develop stochastic and deterministic models which could be used to synthesize water application time series. Adaptive models using mulitivariate ARIMA(Transfer Function Model) are developed for daily urban water use forecasting. The model considers several variables on which water demands is dependent. The dynamic response of water demands to several factors(e.g. weekday, average temperature, minimum temperature, maximum temperature, humidity, cloudiness, rainfall) are characterized in the model by transfer functions. Daily water use data of Kumi city in 1992 are employed for model parameter estimation. Meteorological data of Seonsan station are utilized to input variables because Kumi has no records about the meteorological factor data.To determine the main factors influencing water use, autocorrelogram and cross correlogram analysis are performed. Through the identification, parameter estimation, and diagnostic checking of tentative model, final transfer function models by each month are established. The simulation output by transfer function models are compared to a historical data and shows the good agreement.

• 응용통계연구
• /
• 제22권1호
• /
• pp.221-235
• /
• 2009

This manuscript illustrates the comparative study between ARIMA and Exponential Smoothing modeling to develop forest fire forecasting system using different weather parameters. In this paper, authors have developed the most suitable and closest forecasting models like ARIMA and Exponential Smoothing techniques using different weather parameters. Authors have considered the extremes of the Wind speed, Radiation, Maximum Temperature and Deviation Temperature of the Summer Season form March to June month for the Ranchi Region in Jharkhand. The data is taken by own resource with the help of Automatic Weather Station. This paper consists a deep study of the effect of extreme values of the different parameters on the weather fluctuations which creates forest fires in the region. In this paper, the numerical illustration has been incorporated to support the present study. Comparative study of different suitable models also incorporated and best fitted model has been tested for these parameters.

• 응용통계연구
• /
• 제24권1호
• /
• pp.93-102
• /
• 2011

본 연구는 관광수요 예측 분야에서 사용되는 계절형 ARIMA 모형과 다변량 계절형 시계열 모형과 오차수정모형의 성능을 비교한 것이다. 본 연구에서는 일본, 중국, 미국, 필리핀에 대한 실제 자료를 이용한 결과 관광 수요에는 계절성이 중요한 역할을 하는 것을 보이고 각 국가별로 예측 정확도를 RMSE를 기준으로 하여 비교하였다.

• Ocean and Polar Research
• /
• 제36권4호
• /
• pp.505-514
• /
• 2014

The development of deep seabed manganese nodules has been carried out with the aim of commercial development in 2023. It is important to forecast the price of the four metals (copper, nickel, cobalt, and manganese) extracted from manganese nodules because price change is a criterion for investment decision. The main purpose of the study is to forecast the price of four metals using the ARIMA model and VAR model, and calculate the MAPE to compare a goodness-of-fit between the two models. The estimated results of the two models reveal statistical significance and are in keeping with economic theory. The results of MAPE for goodness-of-fit show that the VAR model is between 0.1 and 0.2, and the ARIMA model is between 0.4 and 0.6. That is, the VAR model is better than the ARIMA model in forecasting changes in the price of metals.