• 무역학회지
• /
• 제45권5호
• /
• pp.75-89
• /
• 2020

The purpose of this paper was to analyze the trend of container volume using the Seasonal Autoregressive Intergrated Moving Average (SARIMA) model. To this end, this paper used monthly time-series data of the East Sea Rim from 2001 to 2019. As a result, the SARIMA(2,1,1)12 model was identified as the most suitable model, and the superiority of the SARIMA model was demonstrated by comparative analysis with the ARIMA model. In addition, to confirmed forecasting accuracy of SARIMA model, this paper compares the volume of predict container to the actual volume. According to the forecast for 24 months from 2020 to 2021, the volume of containaer increased from 60,100,000Ton in 2020 to 64,900,000Ton in 2021

• The Journal of Asian Finance, Economics and Business
• /
• 제9권10호
• /
• pp.1-13
• /
• 2022

This paper empirically explores the predicting ability of the newly proposed smooth transition (ST) time-varying combining forecast methods. The proposed method allows the "weight" of combining forecasts to change gradually over time through its unique feature of transition variables. Stock market returns from 7 countries were applied to Ad Hoc models, the well-known Generalized Autoregressive Conditional Heteroskedasticity (GARCH) family models, and the Smooth Transition Exponential Smoothing (STES) models. Of the individual models, GJRGARCH and STES-E&AE emerged as the best models and thereby were chosen for constructing the combined forecast models where a total of nine ST combining methods were developed. The robustness of the ST combining forecasts is also validated by the Diebold-Mariano (DM) test. The post-sample forecasting performance shows that ST combining forecast methods outperformed all the individual models and fixed weight combining models. This study contributes in two ways: 1) the ST combining methods statistically outperformed all the individual forecast methods and the existing traditional combining methods using simple averaging and Bates & Granger method. 2) trading volume as a transition variable in ST methods was superior to other individual models as well as the ST models with single sign or size of past shocks as transition variables.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2001년도 학술대회 논문집 전문대학교육위원
• /
• pp.62-64
• /
• 2001

This paper presents a forecasting method for production volume of each model manufacture d goods by using Back-Propagation technique of Neural Networks. As the learning constant and the momentum constant are respectively 0.65 and 0.94, the teaming number is the least, and the forecating accuracy is the highest. When the learning process is more than 1,000 times, the accurate forecating was possible regardless of kind of product.

• 한국항만경제학회지
• /
• 제26권1호
• /
• pp.83-104
• /
• 2010

본 연구의 목적은 환동해권 교역 거점으로서 동해항 및 속초항의 컨테이너화물 물동량을 예측함으로써 컨테이너화물의 수급정책의 제시 및 지역경제의 활성화에 기여하는 데 있다. 본 연구의 방법론으로는 관련 문헌의 서베이 및 국제컨테이너물동량의 O/D조사에 기초한 물동량 추정방법론이 적용되었다. 컨테이너화물의 O/D자료로는 한국해양수산개발원의 "해상물동량 O/D자료를 활용한 컨테이너물동량 추정"자료가 활용되었다. 또한 내륙컨테이너기지의 컨테이너화물 예측을 위해서는 일본 서안물동량, 중국 동북3성 물동량 및 극동 러시아물동량에 대해서 심층적으로 분석하였다. 결론으로는 첫째, 강원도의 컨테이너항만정책으로서 FEU당 10만원의 인센티브 수준이 5만원 수준보다 더 바람직한 것으로 나타났다. 둘재, 동해항 및 속초항만의 컨테이너 물동량은 2008년 6,653TEU에서 2010년 22,388TEU, 2015년 152,367TEU, 2020년 354,217TEU로 추정되었다. 세째, 동해항 및 속초항은 자동차로 1시간 이내 거리이므로 공동 항만마케팅이 요구된다.

• 한국항만경제학회지
• /
• 제31권1호
• /
• pp.69-84
• /
• 2015

본고는 개입 승법계절 ARIMA모형과 인공신경망모형을 이용하여 해상운송 물동량을 추정하고 사전적 예측치를 도출하였다. 개입 ARIMA의 추정결과 오차항에서 자기상관이 존재하지 않고 정규성이 존재함으로써 오차항의 기본가정이 잘 충족되고 있음을 확인하였다. 그리고 개입 승법계절 ARIMA모형과 인공신경망모형에 대해 예측실적 오류를 ME, MAE, RMSE, MSE로 측정한 결과 ARIMA $(2,1,0)(1,0,1)_{12}$이 가장 우수한 예측모형임을 확인할 수 있었다. 2015년부터 2019년까지의 기간에 대해 개입 ARIMA모형을 이용한 해상운송 물동량의 사전적 예측치 결과 4.54%에서 4.99%의 연평균 증가율을 보였고, 인공신경망모형을 이용한 예측결과 2.00%에서 2.44%까지의 연평균 증가율을 나타냈다.

• 한국수자원학회논문집
• /
• 제45권6호
• /
• pp.607-616
• /
• 2012

본 연구는 AWS 관측강우정보를 이용하여 실시간 유량예측을 수행할 경우 적용가능한 예측선행시간 및 정확도를 평가하고자 하는데 그 목적이 있다. 이를 위해 남한강 상류유역을 대상유역으로 선정하였으며 2006~2009 홍수기간에 대해 SURF 모형을 구축하였다. 관측유량 자료동화 수행 유무에 따른 모의유량은 관측유량을 잘 모의하며 유효성지수를 이용하여 자료동화 효과를 분석한 결과에서 충주댐 32.08%, 달천 51.53%, 횡성 39.70%, 여주 18.23%가 개선된 것으로 나타났다. 첨두유량 발생시간 이전 가상의 현재시점까지의 AWS 관측강우정보를 이용하여 유량예측 적용성을 평가한 결과 허용오차 20% 범위 내에서 첨두유량은 충주 11시간, 달천 2시간, 횡성 3시간, 여주 5시간, 유출용적은 충주 13시간, 달천 2시간, 횡성 4시간, 여주 9시간 이내에서 예측이 가능한 것으로 나타났다. 따라서 유역의 지체효과로 인해 관측강우만을 이용하여 적정 예측시간에 대해서 실시간 첨두유량 예측이 가능할 것으로 판단된다.

• 한국태양에너지학회 논문집
• /
• 제29권2호
• /
• pp.31-38
• /
• 2009

This study was conducted to forecast inner water temperature strata change by extracting deep water from a dam. For the methodology, the scope wherein the balance between the volume of low-temperature water intake through the virtual water intake opening as installed within the stored water area and the volume of water intake from the surrounding area is not destroyed was calculated through the CFD simulation technique using the computational fluid dynamics(CFD) interpretation method. This study suggested a supplementary method(diffuser) to avoid destroying the water temperature strata, and the effect was reviewed. In case of intake of the same volume, when the velocity of flow of water intake is reduced by increasing the pipe diameter, the destruction of water temperature strata can be minimized. When the area(height) where the intake of water is possible is low, a diffuser for interrupting the vertical direction inflow should be installed to secure favorable water intake conditions in case of water intake on the upper part. This study showed that there was no problem if the intake-enabled, low-temperature area was secured approximately 10m from the bottom when the scope that does not destroy the water temperature strata in case of water intake was forecast using the regression formula.

• 한국농공학회논문집
• /
• 제59권2호
• /
• pp.69-79
• /
• 2017

In this study, we developed real-time urban stream discharge forecasting model using short-term rainfall forecasts data simulated by a regional climate model (RCM). The National Centers for Environmental Prediction (NCEP) Climate Forecasting System (CFS) data was used as a boundary condition for the RCM, namely the Global/Regional Integrated Model System(GRIMs)-Regional Model Program (RMP). In addition, we make ensemble (ESB) forecast with different lead time from 1-day to 3-day and its accuracy was validated through temporal correlation coefficient (TCC). The simulated rainfall is compared to observed data, which are automatic weather stations (AWS) data and Tropical Rainfall Measuring Mission (TRMM) Multisatellite Precipitation Analysis (TMPA 3B43; 3 hourly rainfall with $0.25^{\circ}{\times}0.25^{\circ}$ resolution) data over midland of Korea in July 26-29, 2011. Moreover, we evaluated urban rainfall-runoff relationship using Storm Water Management Model (SWMM). Several statistical measures (e.g., percent error of peak, precent error of volume, and time of peak) are used to validate the rainfall-runoff model's performance. The correlation coefficient (CC) and the Nash-Sutcliffe efficiency (NSE) are evaluated. The result shows that the high correlation was lead time (LT) 33-hour, LT 27-hour, and ESB forecasts, and the NSE shows positive values in LT 33-hour, and ESB forecasts. Through this study, it can be expected to utilizing the real-time urban flood alert using short-term weather forecast.

• 한국항만경제학회지
• /
• 제34권1호
• /
• pp.81-98
• /
• 2018

우리나라의 경제발전은 무역을 주축으로 하고 있어 항만을 통한 물류가 필수적이다. 항만의 운영과 개발을 위해 막대한 자본과 시간이 투자되고 있으며 항만은 국가 경제 전반에 영향을 미치고 있다. 따라서 사회 경제적 손실을 방지하기 위해선 적정수준의 개발계획이 중요하다. 항만시설 계획은 항만 물동량 예측을 기반으로 수립되므로, 정확한 물동량 예측이 선행되어야 한다. 더불어 항만에서는 품목별로 취급 방식이 다르므로 품목별 예측이 이루어져야 구체적인 시설계획이 가능하다. 따라서 컨테이너 화물이나 항만 전체 물동량에 대해 주로 예측했던 선행 연구들과는 달리 본 논문에서는 전체 물동량에서 큰 비중을 차지하고 있는 유류화물을 분석 대상으로 설정하였다. 단기, 중장기의 주기적 특성과 추세를 갖고 있는 유류화물 물동량을 효율적으로 예측하고자 새로운 예측모형인 TSMR을 개발하였다. TSMR모형의 검증을 위해 기존의 시계열 모형들과 비교분석을 진행하였으며 ARIMA모형의 경우 물동량 데이터가 안정화되지 않아 유효한 결과를 산출할 수 없었다. 윈터스 가법, 단순계절모형과 비교하였을 때 단기적인 예측에는 다소 취약하였으나, TSMR모형의 전반적인 적합도와 예측력은 우수한 것으로 나타났다. 또한 철강, 유연탄, 기계류의 물동량 분석결과 TSMR모형의 일반화 가능성도 충분한 것으로 나타났다.

• 응용통계연구
• /
• 제35권1호
• /
• pp.93-104
• /
• 2022

S&P 500과 RUSSELL 2000, DJIA, Nasdaq 100 4가지 미국 주가지수의 실현변동성(realized volatility, RV)을 예측하는데 있어서 사람들의 관심 지표로 삼을 수 있는 인터넷 검색량(search volume, SV) 지수와 내재변동성(implied volatility, IV)를 이용하여 LSTM 딥러닝(deep learning) 방법으로 RV의 예측력을 높이고자하였다. SV을 이용한 LSTM 방법의 실현변동성 예측력이 기존의 기본적인 vector autoregressive (VAR) 모형, vector error correction (VEC)보다 우수하였다. 또한, 최근 제안된 RV와 IV의 공적분 관계를 이용한 vector error correction heterogeneous autoregressive (VECHAR) 모형보다도 전반적으로 예측력이 더 높음을 확인하였다.