• Journal of the Korean Statistical Society
• /
• 제22권2호
• /
• pp.271-282
• /
• 1993

Unit root test for temporally aggregated first order autoregressive process is considered. The temporal aggregate of fist order autoregression is an autoregressive moving average of order (1,1) with moving average parameter being function of the autoregressive parameter. One-step Gauss-Newton estimators are proposed and are shown to have the same limiting distribution as the ordinary least squares estimator for unit root when complete observations are available. A Monte-Carlo simulation shows that the temporal aggregation have no effect on the size. The power of the suggested test are nearly the same as the powers of the test based on complete observations.

• Journal of the Korean Statistical Society
• /
• 제31권3호
• /
• pp.301-314
• /
• 2002

For autoregressive moving average (ARMA) models, robust unit root tests are developed using M-estimators. The tests are parametric in the sense ARMA parameters are estimated jointly with unit roots. A Monte-Carlo experiment reveals superiority of the parametric tests over the semipararmetric tests of Lucas (1995a) in terms of both empirical sizes and powers.

• Communications for Statistical Applications and Methods
• /
• 제17권2호
• /
• pp.223-229
• /
• 2010

We consider the asymptotic results of the variance ratio statistic when the underlying processes have moving average(MA) unit roots. This degenerate situation of zero spectral density near the origin cause the limit of the variance ratio to become zero. Its asymptotic behaviors are different from non-degenerating case, where the convergence rate of the variance ratio statistic is formally derived.

• Journal of the Korean Statistical Society
• /
• 제28권3호
• /
• pp.371-387
• /
• 1999

For possibly nonstationary autoregressive moving average, modeling based on the original observations rather than the differenced observations is considered. Under this scheme, sample autocorrelation functions, parameter estimates, model diagnostic statistics, and prediction are all computed from the original data instead of the differenced data. The methods and results established under stationarity of data are shown to naturally extend to the nonstationarity of one autoregressive unit root. The sample ACF and PACF can be used for ARMA order determination. The BIC order is strongly consistent. The parameter estimates are asymptotically normal. The portmanteau statistic has chi-square distribution. The predictor is asymptotically equivalent to that based on the differenced data.

• 상하수도학회지
• /
• 제30권2호
• /
• pp.179-185
• /
• 2016

In this study, the RDII predictions were compared using two methodologies, i.e., the RTK-based and regression methods. Long-term (1/1/2011~12/31/2011) monitoring data, which consists of 10-min interval streamflow and the amount of precipitation, were collected at the domestic study area (1.36 km2 located in H county), and used for the construction of the RDII prediction models. The RTK method employs super position of tri-triangles, and each triangle (called, unit hydrograph) is defined by three parameters (i.e., R, T and K) determined/optimized using Genetic Algorithm (GA). In regression method, the MovingAverage (MA) filtering was used for data processing. Accuracies of RDII predictions from these two approaches were evaluated by comparing the root mean square error (RMSE) values from each model, in which the values were calculated to 320.613 (RTK method) and 420.653 (regression method), respectively. As a results, the RTK method was found to be more suitable for RDII prediction during extreme rainfall event, than the regression method.

• 대한교통학회지
• /
• 제32권6호
• /
• pp.600-614
• /
• 2014

본 연구는 SARIMA 모형을 활용하여 기존에 다루어지지 않았던 분기별 항만 컨테이너 물동량을 예측하였다. 구체적으로 모델 추정에 활용된 자료는 1994년 1사분기부터 2010년 4사분기까지 총 84분기동안의 국내 전체 항만 컨테이너 물동량 자료이다. 본 연구에서 추정된 예측 모형의 예측 정확도를 검증하기 위하여 2011년 1사분기부터 2013년 4사분기까지 물동량을 예측하여 실제 물동량과 비교하였다. 또한 기존에 널리 활용되고 있는 ARIMA 모형을 활용하여 추정한 예측 모형과의 비교를 통해 분기별 항만 물동량 예측에 있어서 SARIMA 모형의 상대적 우수성을 검증하였다. 기존에 항만 물동량을 예측하는 대부분의 연구는 주로 장기 예측에 초점이 맞추어져 있다. 또한 월별, 연도별 물동량 자료가 활용된 경우가 대부분이다. 분기별 항만 컨테이너 물동량 자료를 활용하여 단기 수요를 예측함과 동시에 SARIMA 모형의 우수성을 입증한 본 연구는 충분한 가치가 있다고 판단된다.

• 대한교통학회지
• /
• 제31권3호
• /
• pp.3-18
• /
• 2013

본 연구는 2000년 1사분기부터 2010년 4사분기 까지 인천국제공항에서 출발하여 유럽내 모든공항에 도착한 항공화물의 시계열 자료를 바탕으로 SARIMA 모형을 활용, 수요예측 모형을 구축하였다. 또한 SARIMA 모형을 활용하여 구축한 예측모형을 기존에 주로 활용되어진 ARIMA 모형과 그 예측정확성을 비교 분석함으로써 SARIMA 모형의 정확성을 확인하였다. 현재 국내교통수요를 예측하는 부문에 있어서 SARIMA 모형을 활용한 경우는 극히 드물다. 또한 공항의 총 여객수요나 화물량이 아닌 항공노선의 수요예측에 관한 연구 역시 찾아보기 힘들다. 이러한 상황 하에서, SARIMA 모형을 활용하여 인천국제공항 발 유럽노선의 항공화물 수요를 예측한 본 연구는 상당히 큰 의미가 있다고 생각된다.

• 산업경영시스템학회지
• /
• 제39권1호
• /
• pp.25-30
• /
• 2016

It is critical to forecast the maximum daily and monthly demand for power with as little error as possible for our industry and national economy. In general, long-term forecasting of power demand has been studied from both the consumer's perspective and an econometrics model in the form of a generalized linear model with predictors. Time series techniques are used for short-term forecasting with no predictors as predictors must be predicted prior to forecasting response variables and containing estimation errors during this process is inevitable. In previous researches, seasonal exponential smoothing method, SARMA (Seasonal Auto Regressive Moving Average) with consideration to weekly pattern Neuron-Fuzzy model, SVR (Support Vector Regression) model with predictors explored through machine learning, and K-means clustering technique in the various approaches have been applied to short-term power supply forecasting. In this paper, SARMA and intervention model are fitted to forecast the maximum power load daily, weekly, and monthly by using the empirical data from 2011 through 2013. $ARMA(2,\;1,\;2)(1,\;1,\;1)_7$ and $ARMA(0,\;1,\;1)(1,\;1,\;0)_{12}$ are fitted respectively to the daily and monthly power demand, but the weekly power demand is not fitted by AREA because of unit root series. In our fitted intervention model, the factors of long holidays, summer and winter are significant in the form of indicator function. The SARMA with MAPE (Mean Absolute Percentage Error) of 2.45% and intervention model with MAPE of 2.44% are more efficient than the present seasonal exponential smoothing with MAPE of about 4%. Although the dynamic repression model with the predictors of humidity, temperature, and seasonal dummies was applied to foretaste the daily power demand, it lead to a high MAPE of 3.5% even though it has estimation error of predictors.

• 대한교통학회지
• /
• 제28권1호
• /
• pp.135-142
• /
• 2010

본 연구는 현재 국내 BIS에서 버스도착시간 및 정류소간 통행시간 산정을 위해 개별노선단위로 적용하고 있는 버스 도착시간 추정 모형의 한계점을 제시하고, 이를 극복하기 위한 방안으로 버스의 진행 방향과 정류소 구간을 고려한 노선그룹단위 버스도착시간 및 구간통행시간 추정 알고리즘을 제시하였다. 서울시 BMS에서 수집되는 버스 운행자료를 활용하여 본 연구에서 제시된 모형의 신뢰성과 적정성을 평가하였다. 모형의 검증은 서울시에서 운행 중인 간선버스 노선 중 서대문역${\rightarrow}$독립문역 구간을 운행하는 노선을 대상으로 하였으며, 서울역방향(직진), 충정로방향(좌회전), 광화문방향(우회전) 등 버스노선을 진행방향과 구간별로 그룹화하여 모형에 적용하였다. 모형의 비교평가를 위해 RMSE를 효과척도로 하여 기존 개별노선단위 모형과 본 연구에서 제시한 노선그룹단위 모형을 비교한 결과, 관측 값의 개수가 4인 경우 구간별 평균 14.8, 관측 값의 개수가 5인 경우 구간별 평균 16.8의 차이로 본 연구에서 제시한 노선그룹단위 버스도착시간 및 정류소간 통행시간 추정모형이 기존 모형보다 우수한 것으로 분석되었다.