• The Journal of Asian Finance, Economics and Business
• /
• 제9권4호
• /
• pp.83-92
• /
• 2022

Due to the uncertainty in the order of the integrated model, the SARIMA-LSTM model, SARIMA-SVR model, LSTM-SARIMA model, and SVR-SARIMA model are constructed respectively to determine the best-combined model for forecasting the China-Russia trade turnover. Meanwhile, the effect of the order of the combined models on the prediction results is analyzed. Using indicators such as MAPE and RMSE, we compare and evaluate the predictive effects of different models. The results show that the SARIMA-LSTM model combines the SARIMA model's short-term forecasting advantage with the LSTM model's long-term forecasting advantage, which has the highest forecast accuracy of all models and can accurately predict the trend of China-Russia trade turnover in the post-epidemic period. Furthermore, the SARIMA - LSTM model has a higher forecast accuracy than the LSTM-ARIMA model. Nevertheless, the SARIMA-SVR model's forecast accuracy is lower than the SVR-SARIMA model's. As a result, the combined models' order has no bearing on the predicting outcomes for the China-Russia trade turnover time series.

• Journal of the Korean Data and Information Science Society
• /
• 제24권2호
• /
• pp.321-332
• /
• 2013

본 연구는 지속적인 저출산의 여파로 2020년에는 초등학생 수가 올해 대비 17%, 중고교생은 30%가 감소할 것이라는 예측을 가지고 초등학교 교원 수를 예측하기 위한 방법을 제시하는데 있다. 교육통계연보의 1970년부터 2010년까지의 초등교육 관련 주요 통계 자료를 이용하여 시계열 회귀모형과 시계열 그룹별 회귀모형, 지수평활법 모형을 제시하고, 제시된 모형을 이용하여 향후 10년간의 연도별 초등학교 교원 수를 예측하였다. 모형 예측 결과 시계열 그룹별 회귀 모형이 교원 수 시계열을 가장 잘 설명하는 것으로 나타났으며, 적합한 모형으로 판명되었다. 3가지 분석방법 모형에 따른 예측값에 대한 장단점과 한계를 제시한다.

• 자원환경지질
• /
• 제50권4호
• /
• pp.267-276
• /
• 2017

전라남도는 연안지역은 농업활동과 상수도의 미보급으로 인하여 지하수에 크게 의존하고 있다. 지하수의 과다사용은 지하수위 저하를 일으키며 그로 인한 해수침투가 발생할 가능성이 매우 높다. 따라서 지하수 사용에 따른 해수침투 관리가 매우 필요한 지역이다. 전라남도 무안군의 연안암반대수층에서 측정된 EC 자료를 이용하여 해안가 대수층에 적합한 시계열 모형을 구축하고, 해수침투의 지표인 EC를 예측하고자 시계열 분석을 수행하였다. 1년 이상 측정한 EC 시계열 자료는 짧은 주기적인 변동과 함께 추세적으로 증가하는 비정상 시계열의 특성을 보였다. 시계열 분석을 통해 시계열 모형 식별 결과 ARIMA 모형과 계절적인 요인을 고려 할 수 있는 SARIMA 모형 이 적합한 것으로 나타났다. 하지만 두 모형 적용한 결과, EC의 주기적인 변동으로 인해 ARIMA보다는 EC 자료의 변동 특성을 잘 반영한 SARIMA 모형이 예측에 있어서 유리한 것으로 나타났다. 위와 같이 시계열 분석은 암반 대수층에서 해수침투로 인한 EC의 변화를 예측하는데 있어 유용한 것으로 나타났다.

• 산업기술연구
• /
• 제28권B호
• /
• pp.101-109
• /
• 2008

In general, non-stationary or chaos time series forecasting is very difficult since there exists a drift and/or nonlinearities in them. To overcome this situation, we suggest a new prediction method based on multiple model TS fuzzy predictors combined with preprocessing of time series data, where, instead of time series data, the differences of them are applied to predictors as input. In preprocessing procedure, the candidates of optimal difference interval are determined by using con-elation analysis and corresponding difference data are generated. And then, for each of them, TS fuzzy predictor is constructed by using k-means clustering algorithm and least squares method. Finally, the best predictor which minimizes the performance index is selected and it works on hereafter for prediction. Computer simulation is performed to show the effectiveness and usefulness of our method.

• 대한전기학회논문지:전력기술부문A
• /
• 제49권10호
• /
• pp.509-515
• /
• 2000

This paper addresses a damping control strategy of Static Synchronous Series Compensator(SSSC) and analysis model for stability study. The effect of injected voltage source generated by SSSC is modelled as equivalent load. This model is thought to be reasonable for the stability study because the dynamics of SSSC is very fast compared with that of power system. Damping controller of SSSC is based on Transient Energy Function method. The proposed control strategy is insensitive to the operating conditions like power flow level because control law depends on the phase angles. The proposed analysis model and control strategy was confirmed by WSCC 9 bus system and two area system. Especially, the robustness of proposed control strategy is demonstrated with respect to multiple operating conditions in two area system.

• 대한산업공학회지
• /
• 제25권1호
• /
• pp.111-124
• /
• 1999

This evapaper is toluate the forecasting performance of three neural network(NN) approaches against ARIMA model using the famous time series analysis competition data. The first NN approach is to analyze the second Makridakis (M2) Competition Data using Multilayer Perceptron (MLP) that has been the most popular NN model in time series analysis. Since it is recently known that MLP suffers from bias/variance dilemma, two approaches are suggested in this study. The second approach adopts Cascade Correlation Network (CCN) that was suggested by Fahlman & Lebiere as an alternative to MLP. In the third approach, a time series is separated into two series using Noise Filtering Network (NFN) that utilizes autoassociative memory function of neural network. The forecasts in the decomposition analysis are the sum of two prediction values obtained from modeling each decomposed series, respectively. Among the three NN approaches, Decomposition Analysis shows the best forecasting performance on the M2 Competition Data, and is expected to be a promising tool in analyzing socio-economic time series data because it reduces the effect of noise or outliers that is an impediment to modeling the time series generating process.

• Communications for Statistical Applications and Methods
• /
• 제17권3호
• /
• pp.377-390
• /
• 2010

In the case of time-series analysis, it is often more convenient to rely on the frequency domain than the time domain. Spectral density is the core of the frequency-domain analysis that describes autocorrelation structures in a time-series process. Possible ways to estimate spectral density are to compute a periodogram or to average the periodogram over some frequencies with (un)equal weights. This can be an attractive tool to measure the similarity between time-series processes. We employ the metrics based on a smoothed periodogram proposed by Park and Kim (2008) for the classification of different classes of time-series processes. We consider several lag windows with unequal weights instead of a modified Daniel's window used in Park and Kim (2008). We evaluate the performance under various simulation scenarios. Simulation results reveal that the metrics used in this study split the time series into the preassigned clusters better than do the raw-periodogram based ones proposed by Caiado et al. 2006. Our metrics are applied to an economic time-series dataset.

• 한국환경과학회지
• /
• 제24권8호
• /
• pp.1023-1036
• /
• 2015

A reliable streamflow forecasting is essential for flood disaster prevention, reservoir operation, water supply and water resources management. This study proposes a hybrid model for river stage forecasting and investigates its accuracy. The proposed model is the wavelet packet-based artificial neural network(WPANN). Wavelet packet transform(WPT) module in WPANN model is employed to decompose an input time series into approximation and detail components. The decomposed time series are then used as inputs of artificial neural network(ANN) module in WPANN model. Based on model performance indexes, WPANN models are found to produce better efficiency than ANN model. WPANN-sym10 model yields the best performance among all other models. It is found that WPT improves the accuracy of ANN model. The results obtained from this study indicate that the conjunction of WPT and ANN can improve the efficiency of ANN model and can be a potential tool for forecasting river stage more accurately.

• 대한토목학회논문집
• /
• 제14권4호
• /
• pp.887-896
• /
• 1994

일반적으로 다목적댐을 대상으로 하는 최적운영모형에 이용되는 각종 추계학적 모의 모형은 주로 저수지 유입량을 모의하기 위한 모형이며, 시스템으로부터의 용수수요량과 같은 변수들은 일정한 값을 가진다고 가정한다. 그러나 특수한 목적의 저수지의 경우 시스템 구성인자들 사이에 어떤 상관성이 있다면, 이를 이용하여 각 변수들의 관계를 도출한 후, 시스템을 구성하는 것이 바람직하다. 본 연구에서는 농업용수 공급을 목적으로 하는 다목적댐을 대상으로 강우 및 기상조건에 영향을 받는 순별 저수지 유입량과 농업용수 수요량을 각각 일정변수 주기성 자기회귀모형과 일정변수 주기성 다변량 자기회귀모형을 이용하여 모의발생 하였다. 유도된 모형은 각 변수의 통계화적 특성을 잘 나타내며, 농업용수 수요량의 경우 전(前) 시간의 수요량보다는 현재 운영기간(순(旬))의 저수지 유입량과의 상관관계에 더 큰 영향을 받는 것으로 나타냈다.

• 한국전산구조공학회논문집
• /
• 제13권4호
• /
• pp.405-415
• /
• 2000

한 구조물에 작용하는 풍압력 시계열이 자기회귀 이동평균(ARMA) 모델을 사용하여 모델화 된다. AR 과정에서 시계열의 현재 값은 유한한 수의 이전 값들의 선형적 결합과 한 백색잡음에 의해 나타난다. MA 과정에서 시계열의 현재값은 유한한 수의 이전 백색잡음들에 선형적이다. ARMA 과정은 AR과 MA 과정의 결합이다. 본 논문에서, AR, MA와 ARMA 모델이 풍압력 시계열에 적용되고, 데이터를 나타내기에 가장 적합한 ARMA 모델을 선정하는 과정이 소개된다. 모델의 변수들은 최대 가능도법을 사용하여 산정되고, 압력 시계열의 시간적 복잡성의 척도인 모델 차수를 최적화하기 위해 AICC 모델 선정 기준이 사용된다. 또한, 모델의 유효성을 조사하기 위해 LBP 검사가 사용된다. 본 연구로부터, AR 과정이 풍압력 시계열을 나타내기에 가장 적합하다는 결론이 얻어진다.