• 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.

• 한국조리학회지
• /
• 제15권2호
• /
• pp.231-242
• /
• 2009

호텔 연회에서 가장 중요한 정보 중 하나는 매출액 자료이다. 매출액 예측은 비용을 절감시키고 인력 배분의 효율성을 증가시키고 급변하는 환경에서 경쟁하는 능력을 향상시키는 데 도움이 되는 정보를 제공한다. 본 연구는 국내외 연구에서 적합한 예측모형으로 평가되고 있는 ARIMA 모형을 이용하여 호텔 연회장의 매출액을 예측하였다. 분석을 위해서 사용한 자료는 서울 소재 GI 호텔 연회장의 월별 매출액 자료를 사용하였으며, 분석 결과 SARIMA(2,1,3)(0,1,1)가 최종적으로 추정되었다. 본 연구의 시사점은 국내외 연구에서 적합한 예측모형으로 평가되고 있는 ARIMA 모델을 호텔 연회장의 월별 매출액 자료에 적용하였다는 점과 호텔 연회 실무자들에게 참고자료로 사용할 수 있는 유용한 정보를 제공하였다는 점을 들 수 있다.

• 한국정보전자통신기술학회논문지
• /
• 제12권3호
• /
• pp.265-272
• /
• 2019

본 연구에서는 예금은행 주택담보대출에 대해 매년 문제가 야기되는 지속적인 증가율을 정성적으로 파악하고, 다시 안정세를 보일 수 있는 특성요인을 파악하고자 향후 주택담보대출에 대해 정량적으로 분석하고 증가율 추세에 대한 대책을 마련하고자 예측 연구를 실행하였다. 빅-데이터 분석에 많이 쓰이는 R 프로그램을 활용하여 데이터를 분석한 결과 ARIMA 모형의 모수를 (0,1,1)(0,1,1)[12]로 추정하였을 때, MAPE와 RMSE의 검정 결과 기준으로 가장 최적의 ARIMA 모형인 것으로 나타났다. 해당 모수를 통해 향후 5년 (60개월간)의 추정치를 예측한 결과, 평균 4.5%대의 증가율을 나타냈다. 그러나 이는 사회 환경요인의 요인을 반영하지 않은 예측 값이기 때문에 다양한 사회 환경요인을 활용하여 외부 충격요인에 대한 구조적 모형 연구가 이루어져야 할 것이며, 추후 관련연구들은 이와 같은 한계들을 극복하여 진행될 필요가 있으며 정책적인 활용도를 높이기 위해 많은 실증연구가 이루어져야 하겠다.

• 응용통계연구
• /
• 제29권1호
• /
• pp.193-203
• /
• 2016

본 논문은 ICT기반 시장에서의 수요관리시스템에서의 핵심 요소인 전력 수요 예측을 위하여, 전체 사용량을 기반으로 예측 하는 방식이 아닌, 시계열 기반 군집분석을 통한 군집별 예측량의 결합을 실시하였다. 시계열 군집 분석 방법으로서 Periodogram 기반의 정규화 군집분석, 예측 기반의 군집분석, DTW(Dynamic Time Warping)를 이용하여 군집화를 시도하였으며, 군집 별 수요예측 모형으로서 DSHW(Double Seasonal Holt-Winters) 모형, TBATS(Trigonometric, Box-Cox transform, ARMA errors, Trend and Seasonal components) 모형, FARIMA(Fractional ARIMA) 모형을 사용하여 예측을 실시하였다. 전체 사용량을 기반으로 예측 하는 방식이 아닌, 군집분석을 통한 군집별 예측량의 결합이 더 낮은 MAPE로 나타남에 따라 우수한 예측 방법으로 판단되었다.

• 한국철도학회:학술대회논문집
• /
• 한국철도학회 2001년도 추계학술대회 논문집
• /
• pp.111-116
• /
• 2001

This paper introduces how to adopt the X-12-ARIMA to decompose the railway passenger demand of the Korea National Railroad Especially, selecting on proper filters is focused. The trend filter is identical to the low pass filter in the signal Processing field, and so the seasonal filter is to band pass filter too. Some considerations, selecting a filter, are provided from the view-point of the spectrum analysis. The technique introduced in this paper will be adopted to the project that is to develope the forecasting system of Korea railway passenger demand which is a part of the high speed rail information system.

• 조명전기설비학회논문지
• /
• 제28권1호
• /
• pp.50-56
• /
• 2014

Accurate midterm load forecasting is essential to preventive maintenance programs and reliable demand supply programs. This paper describes a midterm load forecasting method using autoregressive integrated moving average (ARIMA) model which has been widely used in time series forecasting due to its accuracy and predictability. The various ARIMA models are examined in order to find the optimal model having minimum error of the midterm load forecasting. The proposed method is applied to forecast 104-week load pattern using the historical data in Korea. The effectiveness of the proposed method is evaluated by forecasting 104-week load from 2011 to 2012 by using historical data from 2002 to 2010.

• 산업경영시스템학회지
• /
• 제40권1호
• /
• pp.65-78
• /
• 2017

Even though cars have a good effect on modern society, traffic accidents do not. There are traffic laws that define the regulations and aim to reduce accidents from happening; nevertheless, it is hard to determine all accident causes such as road and traffic conditions, and human related factors. If a traffic accident occurs, the traffic law classifies it as 'Negligence of Safe Driving' for cases that are not defined by specific regulations. Meanwhile, as Korea is already growing rapidly elderly population with more than 65 years, so are the number of traffic accidents caused by this group. Therefore, we studied predictive and comparative analysis of the number of traffic accidents caused by 'Negligence of Safe Driving' by dividing it into two groups : All-ages and Elderly. In this paper, we used empirical monthly data from 2007 to 2015 collected by TAAS (Traffic Accident Analysis System), identified the most suitable ARIMA forecasting model by using the four steps of the Box-Jenkins method : Identification, Estimation, Diagnostics, Forecasting. The results of this study indicate that ARIMA $(1, 1, 0)(0, 1, 1)_{12}$ is the most suitable forecasting model in the group of All-ages; and ARIMA $(0, 1, 1)(0, 1, 1)_{12}$ is the most suitable in the group of Elderly. Then, with this fitted model, we forecasted the number of traffic accidents for 2 years of both groups. There is no large fluctuation in the group of All-ages, but the group of Elderly shows a gradual increase trend. Finally, we compared two groups in terms of the forecast, suggested a countermeasure plan to reduce traffic accidents for both groups.

• 한국ITS학회 논문지
• /
• 제20권6호
• /
• pp.1-13
• /
• 2021

본 연구에서는 도로교통분야의 계획, 설계, 유지관리, 연구 등 다양한 목적으로 활용되고 있는 교통량 데이터의 정확도 확보를 위해 시계열 분석 기법을 적용하여 교통량 데이터의 보정 및 예측을 수행하였다. 기존 알고리즘의 경우 주기성 및 계절성이 강하거나 불규칙한 데이터에 한계를 보이고 있어 교통량 데이터와 같은 자료에 적용하기에는 한계가 있다. 이러한 한계점을 극복하고 보완하기 위해 ARIMA 모형에 자기상관 모형인 SAR(Seasonal Auto Regressive)과 계절 이동평균 모형인 SMA(Seasonal Moving Average)가 결합된 분석 기법인 SARIMA 모형을 적용하였다. 분석결과 최적 파라미터 조합인 SARIMA(4,1,3)(4,0,3) 12 모형을 활용한 교통량 예측 결과 평균 85% 정도의 우수한 성능을 보였다. 본 연구를 통해서 교통량 데이터의 결측 발생 시 교통량 보정 및 예측의 정확도를 높일 수 있으며, 교통량 데이터 외에도 계절성에 영향을 받는 시계열 데이터에 적용이 가능하다.

• Journal of applied mathematics & informatics
• /
• 제4권1호
• /
• pp.135-135
• /
• 1997

Times series modeling plays an important role in the field of engineering, Statistics, Biomedicine etc. Model identification is one of crucial steps in the modeling of an AutoRegreesive Moving Average(ARMA(p, q)) process for real world problems. Many techniques have been developed in the literature (Salas et al., McLeod et al. etc.) for the identification of an ARMA(p, q) Model. In this paper, a new technique called The Generalised Parameters Technique is formulated for seasonal and non-seasonal ARMA model identification. This technique is very simple and can e applied to any given time series. Initial estimates of the AR parameters of the ARMA model are also obtained by this method. This model identification technique is validated through many theoretical and simulated examples.

• 물과 미래
• /
• 제28권1호
• /
• pp.81-90
• /
• 1995

본 연구에서는 장기간의 수문기상자료를 보유하고 있으나 유출량자료의 관측년한이 짧은 유역에서 장기간의 월유출량자료를 확장하고 예측할 수 있는 추계학적 시스템 모형을 개발하고자 한다. 그 방법으로 주기성과 경향성을 갖는 월유출량, 월강수량 및 윌증발량자료를 시계열 분석하여 seasonal ARIMA 형태의 단변량 모형을 유도하는 한편, 각 계열간의 교차상관분석으로부터 월강수량 및 윌증발량을 입력변수로 하고 월유출량을 출력변수로 하는 다중 입력-단일 출력관계의 설명모형을 유도하여 단변량 시계열모형과 비교 검토하였다. 본 연구의 결과 월유출량자료의 확장과 예측에 있어서 다중 입출력모형의 정확성과 적용가능성이 매우 높은 것으로 판단되었다.