• 한국항해항만학회지
• /
• 제33권4호
• /
• pp.277-282
• /
• 2009

This paper estimated the container volumes for the Incheon port with univariate time series. As best suited models Winters' additive model, ARIMA model,and Winters' additive model were selected by import-export, coastal, and transshipment volume respectively, based on the data of monthly volume by October 2008 since January 2001. This study supposed the import-export container volumes would be decreased by 14% against that in 2008 and would have been recovered to the increasing trend of the volumes beyond the fourth quarter of 2010. The future import-export and transshipment volumes showed the increasing trend beyond 2011, while the coastal volumes would be on the stagnation. The yearly container volumes were finally forecasted as 1,705, 2,432, and 3,341 thousand TEU in 2011, 2015, and 2020 respectively.

• Nuclear Engineering and Technology
• /
• 제52권6호
• /
• pp.1334-1339
• /
• 2020

This paper presents an empirical and comprehensive forecasting analysis of the uranium price. Prices are generally difficult to forecast, and the uranium price is not an exception because it is affected by many external factors, apart from imbalances between demand and supply. Therefore, a systematic analysis of multiple forecasting methods and combinations of them along repeated forecast origins is a way of discerning which method is most suitable. Results suggest that i) some sophisticated methods do not improve upon the Naïve's (horizontal) forecast and ii) Unobserved Components methods are the most powerful, although the gain in accuracy is not big. These two facts together imply that uranium prices are undoubtedly subject to many uncertainties.

• 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.

• 응용통계연구
• /
• 제16권2호
• /
• pp.293-303
• /
• 2003

개입효과가 포함된 시계열 자료에 대한 여러 시계열 모형에 의한 예측 방법들이 비교 분석된다. 개입이 있는 선형 ARIMA 모형, 비선형 ARCH 모형 및 개입이 있는 비선형 ARCH 모형 그리고 TONG 이 제안한 결합예측방법들이 소개되고, 실증분석으로 개입이 있다고 생각되는 한국건축허가면적 자료로부터 그 예측 수월성이 비교된다.

• 경영과학
• /
• 제33권1호
• /
• pp.35-47
• /
• 2016

Generation of electricity using wind power has received considerable attention worldwide in recent years mainly due to its minimal environmental impact. However, volatility of wind power production causes additional problems to provide reliable electricity to an electrical grid regarding power system operations, power system planning, and wind farm operations. Those problems require appropriate stochastic models for the electricity generation output of wind power. In this study, we review previous literatures for developing the stochastic model for the wind power generation, and propose a systematic procedure for developing a stochastic model. This procedure shows a way to build an ARIMA model of volatile wind power generation using historical data, and we suggest some important considerations. In addition, we apply this procedure into a case study for a wind farm in the Republic of Korea, Shinan wind farm, and shows that our proposed model is helpful for capturing the volatility of wind power generation.

• 한국정보기술학회 영문논문지
• /
• 제10권2호
• /
• pp.33-48
• /
• 2020

By Digital Transformation, new technologies like ML (Machine Learning), Big Data, Cloud, VR/AR are being used to video streaming technology. We choose ML to provide optimal QoE (Quality of Experience) in various network conditions. In other words, ML helps DASH in providing non-stopping video streaming. In DASH, the source video is segmented into short duration chunks of 2-10 seconds, each of which is encoded at several different bitrate levels and resolutions. We built and compared the performances of five prototypes after applying five different machine learning algorithms to DASH. The prototype consists of a dash.js, a video processing server, web servers, data sets, and five machine learning models.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 춘계학술발표대회
• /
• pp.474-476
• /
• 2021

전용회선은 두 지역을 독점적으로 사용하는 구조이기 때문에 안정된 품질수준과 보안성이 확보되어 교환 회선의 급격한 증가에도 불구하고 지속적으로 많이 사용하는 회선 방식이다. 하지만 비용이 상대적으로 고가이기 때문에 네트워크 전용회선의 자원을 적절히 배치하고 활용하여 최적의 상태를 유지하는 것이 중요한 요소이다. 이에 본 연구에서는 기업 네트워크에서 사용하는 전용회선의 실제 사용률 데이터를 기반으로 다양한 시계열 데이터 예측 모델을 적용하고 성능을 평가하였다. 일반적으로 통계적인 방법으로 많이 사용하는 평활화 모형 및 ARIMA 모형과 요즘 많은 연구가 되고 있는 인공신경망에 기반한 딥러닝의 대표적인 모델들을 적용하여 각각의 예측에 대한 성능을 측정하고 비교하였다.

• 지능정보연구
• /
• 제4권1호
• /
• pp.133-147
• /
• 1998

Recently, many researchers have been involved in finding deterministic equations which can accurately predict future event, based on chaotic theory, or fractal theory. The theory says that some events which seem very random but internally deterministic can be accurately predicted by fractal equations. In contrast to the conventional methods, such as AR model, MA, model, or ARIMA model, the fractal equation attempts to discover a deterministic order inherent in time series data set. In discovering deterministic order, researchers have found that neural networks are much more effective than the conventional statistical models. Even though prediction accuracy of the network can be different depending on the topological structure and modification of the algorithms, many researchers asserted that the neural network systems outperforms other systems, because of non-linear behaviour of the network models, mechanisms of massive parallel processing, generalization capability based on adaptive learning. However, recent survey shows that prediction accuracy of the forecasting models can be determined by the model structure and data structures. In the experiments based on actual economic data sets, it was found that the prediction accuracy of the neural network model is similar to the performance level of the conventional forecasting model. Especially, for the data set which is deterministically chaotic, the AR model, a conventional statistical model, was not significantly different from the MLP model, a neural network model. This result shows that the forecasting model. This result shows that the forecasting model a, pp.opriate to a prediction task should be selected based on characteristics of the time series data set. Analysis of the characteristics of the data set was performed by fractal analysis, measurement of Hurst index, and measurement of Lyapunov exponents. As a conclusion, a significant difference was not found in forecasting future events for the time series data which is deterministically chaotic, between a conventional forecasting model and a typical neural network model.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권10호
• /
• pp.391-398
• /
• 2021

전용회선은 데이터 전송에 있어서 연결된 두 지역을 독점적으로 사용하는 구조이기 때문에 안정된 품질수준과 보안성이 확보되어 교환회선의 급격한 증가에도 불구하고 기업 내부에서는 지속적으로 많이 사용하는 회선 방식이다. 하지만 비용이 상대적으로 고가이기 때문에 기업 내 네트워크 운영자의 중요한 역할 중의 하나는 네트워크 전용회선의 자원을 적절히 배치하고 활용하여 최적의 상태를 유지하는 것이 중요한 요소이다. 즉, 비즈니스 서비스 요구 사항을 적절히 지원하기 위해서는 데이터 전송 관점에서 전용회선의 대역폭 자원에 대한 적절한 관리가 필수적이며 전용회선 사용량을 적절히 예측하고 관리하는 것이 핵심 요소가 된다. 이에 본 연구에서는 기업 네트워크에서 사용하는 전용회선의 실제 사용률 데이터를 기반으로 다양한 예측 모형을 적용하고 성능을 평가하였다. 일반적으로 통계적인 방법으로 많이 사용하는 평활화 기법 및 ARIMA 모형과 요즘 많은 연구가 되고 있는 인공신경망에 기반한 딥러닝의 대표적인 모형들을 적용하여 각각의 예측에 대한 성능을 측정하고 비교하였다. 또한, 실험결과에 기초하여 전용회선 자원의 효과적인 운영 관점에서 각 모형이 예측에 대하여 좋은 성능을 내기 위하여 고려해야 할 사항을 제안하였다.

• 한국수자원학회논문집
• /
• 제54권spc1호
• /
• pp.1183-1193
• /
• 2021

Low flow는 하천수의 공급관리 및 계획, 관개용수 등 다양한 분야에 영향을 미친다. 이러한 유황곡선을 산정하기 위해서는 30년 이상의 충분한 기간의 유량자료의 확보가 필수적이다. 하지만 국가하천 단위 이하의 하천의 경우 장기간의 유량자료가 없거나 중간에 일정기간 동안 결측된 관측소가 있어 하천별 유황 곡선을 산정하기에 한계가 있다. 이에 과거에는 미계측 유역의 유황을 예측하기 위해 다중회귀분석(Multiple Regression Analysis), ARIMA 모형 등 통계학적 기반의 기법들을 사용하였지만, 최근에는 머신러닝, 딥러닝 모형의 수요가 증가하고 있다. 이에 본 연구에서는 최신 패러다임에 맞는 머신러닝 기법인 DNN기법을 제시한다. DNN기법은 ANN기법의 단점인 학습과정에서 최적 매개변수 값을 찾기 어렵고, 학습시간이 느린 단점을 보완한 방법이다. 따라서 본연구에서는 DNN 모형을 이용하여 미계측 유역에 적용 가능한 유황곡선을 산정하고자 한다. 먼저, 유황곡선에 영향을 미치는 인자들을 수집하고 인자들 간의 다중공선성 분석을 통해 통계적으로 유의한 변수를 선정하여, 머신러닝 모형에 입력자료를 구축하였다. 통계적 검증을 통해 머신러닝 기법의 효용성을 검토하였다.