• 응용통계연구
• /
• 제27권7호
• /
• pp.1257-1268
• /
• 2014

KTX에 등장에 따라 국내 여객시장은 KTX 시장을 중심으로 변화가 이루어졌다. 이에 따라 KTX 이용 여객의 수요예측은 열차 운영에 있어서 매우 중대한 사안이다. 본 논문에서는 여러 시계열 모형의 비교를 통해 KTX 이용 여객의 수요와 연관이 있는 요일과 공휴일, 명절을 어떠한 형태로 고려할 것인지 연구하였다. 모형 간 예측력을 비교하기 위하여 Mean Absolute Percentage Errors (MAPE)를 사용하였으며, 1달간의 단기간 예측에 있어서 변동성을 고려해줄 수 있는 Reg-AR-GARCH 모형이 우수한 예측력을 나타냈으며, 1달을 초과한 기간의 예측에서는 Reg-ARMA 모형이 우수한 예측력을 나타냈다.

• 응용통계연구
• /
• 제17권3호
• /
• pp.403-418
• /
• 2004

시간에 따라 얻어진 공간 자료를 공간시계열 자료라 하며 이러한 자료를 분석하기 위해 사용되는 모형이 공간시계열 모형이다. 최근 곤충학과 생태학에서 공간시계열 모형을 이용한 연구가 활발히 진행되고 있다. 본 논문에서는 온실에 있는 곤충의 마리수를 ARMA 모형과 자기회귀 오차모형을 이용한 공간시계열 모형으로 분석하였다. 자료에 포함된 이상점은 분산도(Variogram) 추정에 많은 영향을 주기 때문에 Mugglestone (2000)의 이상점 수정법을 이용하여 수정하였다. 공간시계열 모형들과 시계열 요인을 배제한 공간모형을 MSE와 MAPE를 이용하여 비교하였다.

• 응용통계연구
• /
• 제26권2호
• /
• pp.349-360
• /
• 2013

최근 일별 최대 전력수요 예측은 전력설비 계획 및 운용에 매우 중요한 사안으로 주목받고 있다. 본 연구는 일별 최대 전력수요 예측을 위하여 대표적 시계열 모형을 소개하고, 예측의 성능 비교를 위하여 RMSE(Root mean squared error)와 MAPE(Mean absolute percentage error)를 사용한다. 연구결과로 보완된 Holt-Winters 모형과 Reg-ARIMA 모형이 다른 모형에 비하여 우수한 예측 성능을 보였다.

• 지능정보연구
• /
• 제18권4호
• /
• pp.43-57
• /
• 2012

제조업에 있어서 판매 후 서비스 건수와 내용 등은 향후 서비스 제공을 위한 자원배분의 효율성 증진과 서비스 품질 향상을 위해서도 매우 중요한 정보이다. 따라서 기업들은 향후 발생하는 판매 후 서비스에 대해 정확히 예측하고 그에 따라 적절히 대처하는 능력을 확보할 필요성이 제조업을 중심으로 증가하고 있다. 그러나 실제로 이들 기업들이 활용하고 있는 서비스 수요예측 방법들은 전통적인 통계적인 예측기법이거나, 시뮬레이션을 기반한 기법들이다. 예를 들면, 전통적인 통계적인 예측기법으로는 회귀분석(regression analysis)의 경우, 다양한 제품모델에 대한 판매 후 서비스 발생 패턴이 선형적인 관계가 매우 적음에도 불구하고 선형으로 가정하여 추정한다는 점과 적정한 회귀식을 가정하여야 되며, 이러한 가정이 실제 경영환경에서는 매우 어렵다는 점 등이 기존의 예측기법들의 한계점으로 지적되고 있다. 본 연구에서는 디지털 TV 모델을 생산 판매 하는 A사의 사례연구를 통하여 최근 인공지능연구에서 각광을 받고 있는 사례기반추론(case-based reasoning; CBR) 기법을 활용한 서비스 수요예측 프레임워크를 제안하고자 한다. 또한, 사례기반추론에서 핵심적인 역할 중 하나인 유사 사례추출 방법에 있어서 가장 일반적인 nearest-neighbor 방법 이외의 유사 사례추출 방법을 제안하고자 한다. 특히, 본 연구에서 제안하는 유사 사례추출 방법은 인공신경망(artificial neural network)을 활용한 자기조직화지도(Self-Organizing Maps : SOM) 군집화 기법을 활용한 유사 사례추출 방식으로 이를 활용한 서비스 수요예측 프레임워크에 구현하고, 실제 기업의 판매 후 서비스 데이터를 활용하여 본 연구에서 제안하는 서비스 수요 예측 프레임워크의 유효성을 실증적으로 검증하고자 한다.

• Computers and Concrete
• /
• 제19권4호
• /
• pp.419-427
• /
• 2017

With the rising global environmental awareness on energy saving and carbon reduction, as well as the environmental transition and natural disasters resulted from the greenhouse effect, waste resources should be efficiently used to save environmental space and achieve environmental protection principle of "sustainable development and recycling". This study used recycled cement mortar and adopted the volumetric method for experimental design, which replaced cement (0%, 10%, 20%, 30%) with recycled materials (fly ash, slag, glass powder) to test compressive strength and ultrasonic pulse velocity (UPV). The hyperbolic function for nonlinear multivariate regression analysis was used to build prediction models, in order to study the effect of different recycled material addition levels (the function of $R_m$(F, S, G) was used and be a representative of the content of recycled materials, such as fly ash, slag and glass) on the compressive strength and UPV of cement mortar. The calculated results are in accordance with laboratory-measured data, which are the mortar compressive strength and UPV of various mix proportions. From the comparison between the prediction analysis values and test results, the coefficient of determination $R^2$ and MAPE (mean absolute percentage error) value of compressive strength are 0.970-0.988 and 5.57-8.84%, respectively. Furthermore, the $R^2$ and MAPE values for UPV are 0.960-0.987 and 1.52-1.74%, respectively. All of the $R^2$ and MAPE values are closely to 1.0 and less than 10%, respectively. Thus, the prediction models established in this study have excellent predictive ability of compressive strength and UPV for recycled materials applied in cement mortar.

• 한국ITS학회 논문지
• /
• 제3권1호
• /
• pp.45-52
• /
• 2004

현재 여러 지자체에서 혼잡한 도시교통의 이동성 및 안전성을 향상시키기 위해 첨단교통관리체계(ITS)를 구축 $\cdot$ 운영중인데 이러한 시스템에서 수집하는 교통상황에 대한 실시간 자료가 노면상황, 악천후, 통신 및 장비자체의 결함 등으로 인해 수많은 자료가 결측된다. 이러한 결측 자료로 인해 통행시간 예측 및 각종 연구가 불가능한 경우가 발생하며 또한 도로의 계획과 기하구조 설계시 기본 자료가 되는 AADT 및 DHV 등의 교통 파라메터들이 과소 또는 과대 추정될 수 있어서 심각한 손해를 끼칠수 있다. 따라서 본 연구에서는 부득이하게 누락되는 교통량 자료에 대해 전 $\cdot$ 후기간 평균, 회귀 모형, EM, 시계열 모형들을 활용한 대체기법들을 살펴보았고, 그 결과 시계열 모형을 이용한 대체의 경우 MAPE, 불균등계수, RMSE 가 각각 5.0$\%$, 0.030, 110으로 가장 좋은 결과를 보였고 나머지 대체기법들은 평가지표에 따라 조금씩 다른 결과를 보였으나 대체로 만족할 만한 수준의 결과를 낳았다

• 한국정보시스템학회지:정보시스템연구
• /
• 제31권3호
• /
• pp.197-220
• /
• 2022

Purpose The purpose of this study is to identifies the demand pattern categorization of repair parts of Automotive After-sales Service(A/S) and proposes a demand prediction model for Auto repair parts using Long Short-Term Memory (LSTM) of artificial neural networks (ANN). The optimal parts inventory quantity prediction model is implemented by applying daily, weekly, and monthly the parts demand data to the LSTM model for the Lumpy demand which is irregularly in a specific period among repair parts of the Automotive A/S service. Design/methodology/approach This study classified the four demand pattern categorization with 2 years demand time-series data of repair parts according to the Average demand interval(ADI) and coefficient of variation (CV²) of demand size. Of the 16,295 parts in the A/S service shop studied, 96.5% had a Lumpy demand pattern that large quantities occurred at a specific period. lumpy demand pattern's repair parts in the last three years is predicted by applying them to the LSTM for daily, weekly, and monthly time-series data. as the model prediction performance evaluation index, MAPE, RMSE, and RMSLE that can measure the error between the predicted value and the actual value were used. Findings As a result of this study, Daily time-series data were excellently predicted as indicators with the lowest MAPE, RMSE, and RMSLE values, followed by Weekly and Monthly time-series data. This is due to the decrease in training data for Weekly and Monthly. even if the demand period is extended to get the training data, the prediction performance is still low due to the discontinuation of current vehicle models and the use of alternative parts that they are contributed to no more demand. Therefore, sufficient training data is important, but the selection of the prediction demand period is also a critical factor.

• Communications for Statistical Applications and Methods
• /
• 제19권6호
• /
• pp.869-876
• /
• 2012

In this paper, we applied seasonal time series models such as ARIMA, FARIMA, AR-GARCH and Holt-Winters in consideration of seasonality to forecast short-term electricity demand data. The results for performance evaluation on the time series models show that seasonal FARIMA and seasonal Holt-Winters models perform adequately under the criterion of Mean Absolute Percentage Error(MAPE).

• 응용통계연구
• /
• 제25권6호
• /
• pp.917-923
• /
• 2012

We perform a comparison of time series models that include seasonal ARIMA, Fractional ARIMA, and Holt-Winters models; in addition, we also consider hourly and daily air passenger data. The results of the performance evaluation of the models show that the Holt-Winters methods outperforms other models in terms of MAPE.

• 한국항해항만학회지
• /
• 제36권6호
• /
• pp.521-526
• /
• 2012

최근 FTA 체결로 인해 우리나라는 보다 효율적이고 효과적인 수출입 화물의 물동량 관리가 필요한 시점이다. 그 중 양곡화물은 우리나라 국민들의 식생활에 필요한 주요 화물이며 FTA 협정시 주요 수출입 화물로 지정된 바 있다. 일반적으로 양곡화물은 대부분 인천항을 통해 수출입되고 있어 본 연구에서는 인천항에 취급되는 양곡화물 물동량의 향후 수요에 대한 예측 연구를 진행하였다. 연구방법론은 시스템다이내믹스를 사용하였고 양곡화물 물동량에 영향을 주는 요인으로는 인구, 1인당 연간 양곡소비량, GDP, GRDP, 환율, BDI를 이용하였다. 본 연구모델의 시뮬레이션 기간은 2000년부터 2020년이며 2007년까지의 실제 데이터를 사용하였다. 시뮬레이션 결과 2020년에 인천항에서 취급되는 양곡화물의 물동량은 약 2백만 톤으로 예측 되었으며 결과적으로 인천항에서 취급되는 양곡화물 물동량이 지속적으로 감소하는 추세를 보이고 있다. 그리고 예측된 결과값의 정확도를 측정하기 위해 MAPE 검증을 실시하였으며 6.3%의 결과값을 얻어 매우 정확한 예측으로 판정되었다. 또한 양곡화물 물동량에 영향을 주는 각 요인들의 변동에 따라 양곡물동량에 미치는 요인을 살펴보았으며 인구가 양곡물동량에 가장 큰 영향을 미치고 환율은 거의 영향이 없는 것으로 나타났다.