• 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

• Asia pacific journal of information systems
• /
• 제7권1호
• /
• pp.67-83
• /
• 1997

The utility of learning techniques in investment analysis has been demonstrated in many areas, ranging from forecasting individual stocks to entire market indexes. To date, however, the application of artificial intelligence to financial forecasting has focused largely on short predictive horizons. Usually the forecast window is a single period ahead; if the input data involve daily observations, the forecast is for one day ahead; if monthly observations, then a month ahead; and so on. Thus far little work has been conducted on the efficacy of long-term prediction involving multiperiod forecasting. This paper examines the impact of alternative procedures for extended prediction using knowledge discovery techniques. One dimension in the study involves temporal granularity: a single jump from the present period to the end of the forecast window versus a web of short-term forecasts involving a sequence of single-period predictions. Another parameter relates to the numerosity of input variables: a technical approach involving only lagged observations of the target variable versus a fundamental approach involving multiple variables. The dual possibilities along each of the granularity and numerosity dimensions entail a total of 4 models. These models are first evaluated using neural networks, then compared against a multi-input jump model using case based reasoning. The computational models are examined in the context of forecasting the S&P 500 index.

• 한국철도학회논문집
• /
• 제17권4호
• /
• pp.307-312
• /
• 2014

본 연구는 중앙선의 여객수송수요를 효율적으로 예측하기 위한 방법으로 계절성 요인을 고려한 ARIMA 모형을 제안하였다. 특히, 최근의 관광수요를 반영하기 위하여 2013년 4월 개통되어 운행되고 있는 중부내륙권 관광전용열차(O-train, V-train)의 수요를 포함하여 예측모형을 구축하였다. 이를 위하여 2005년 1월부터 2013년 7월까지의 월별 시계열 데이터(103개)를 사용하여 최적의 모형을 선정하였으며 예측결과 중앙선의 여객 수송수요는 지속적으로 증가할 것으로 나타났다. 구축된 모형은 중앙선의 단기수요를 예측하는데 활용이 가능하다.

• 한국농공학회논문집
• /
• 제52권1호
• /
• pp.13-18
• /
• 2010

In this study the validities of runoff prediction methods are reviewed around ESP (Ensemble Streamflow Prediction) techniques. The improvements of runoff predictions on Yongdam river basin are evaluated by the comparison of different prediction methods including ESP incorporated with qualitative meteorological outlooks provided by meteorological agency as well as the runoff forecasting based on the analysis of the historical rainfall scenarios. As a result it is assessed that runoff predictions with ESP may give rise to more accurate results than the ordinary historical average runoffs. In deed the latter gave the mean of yearly absolute error as to be 60.86 MCM while the errors of the former ones amounted to 44.12 MCM (ESP) and 42.83 MCM (ESP incorporated with qualitative meteorological outlooks) respectively. In addition it is confirmed that ESP incorporated with qualitative meteorological outlooks could improve the accuracy of the results more and more. Especially the degree of improvement of ESP with meteorological outlooks shows rising by 10.8% in flood season and 8% in drought season. Therefore the methods of runoff predictions with ESP can be further used as the basic forecasting information tool for the purpose of the effective watershed management.

• 응용통계연구
• /
• 제28권5호
• /
• pp.885-893
• /
• 2015

통계청과 한국은행 등 통계작성기관에서 이용되고 있는 계절조정은 연간 경제통계 작성시 시계열을 예측한 후 계절조정방법을 적용하여 1년 후 계절변동을 예측하고 원통계 작성시 원통계에서 이를 제거하여 계절조정계열을 작성하고 있다. 이 경우 계절변동을 효과적으로 예측하는 것이 계절조정계열의 품질 향상을 위해 무엇보다 중요하다. 계절변동은 1년 단위로 비슷한 함수적 형태를 지니면서 변하므로 계절변동은 일종의 함수적 시계열이다. 함수적 시계열은 함수적 주성분분석을 바탕으로 한 함수적 시계열모형으로 예측할 수 있다. 본 연구에서는 함수적 시계열 모형을 이용하여 향후 1년간 계절변동을 예측하는 방안을 마련하고 X-11 방식 등 기존의 예측방법과 비교하여 유용성을 파악하였다.

• 환경영향평가
• /
• 제14권2호
• /
• pp.55-62
• /
• 2005

This study applied the Neural Network and Fuzzy theory to show water-purity control and preventive measure in water quality forecasting of the future river. This study picked out NAJU and HAMPYUNG as the subject of investigation and used monthly the water quality and the outflow data of KWANGJU2, NAJU, YOUNGSANNPO and HAMPYUNG from 1995 to 1999 to forecast BOD, COD, T-N, T-P water density. The datum from 1995 to 1999 are used for study and that of 2000 are used for verification. To develop model of water quality forecasting, firstly, this research formed Neural Network model and divided Neural Network model into two case - the case of considering lag and not considering. And this study selected optimal Neural Network model through changing the number of hidden layer based on input layer(n) from n to 3n. Through forecasting result, the case without considering lag showed more precise simulated result. Accordingly, this study intended to compare, analyse that Fuzzy model using the method without considering lag with Neural Network model. As a result, this study found that the model without considering lag in Neural Network Network shows the most excellent outcome. Thus this study examined a forecasting accuracy, analyzed result and verified propriety through appling the method of water quality forecasting using Neural Network and Fuzzy Algorithms to the actual case.

• 한국데이터정보과학회:학술대회논문집
• /
• 한국데이터정보과학회 2006년도 PROCEEDINGS OF JOINT CONFERENCEOF KDISS AND KDAS
• /
• pp.335-343
• /
• 2006

• 한국방재안전학회논문집
• /
• 제14권2호
• /
• pp.35-42
• /
• 2021

본 논문은 전기자동차 충전시설 확충계획에 중요한 요소인 전기자동차 전력 수요량 예측정보를 생산하기 위하여 Exponential Smoothing를 이용하여 전력 수요량 예측 모형을 제안하였다. 모형의 입력자료 구축을 위하여 종속변수로 월별 시군구 전력수요량을 독립변수로 월별 시군구 충전소 보급대수, 월별 시군구 전기자동차 충전소 충전 횟수, 월별 전기자동차 등록대수 자료를 월 단위로 수집하고 수집된 7년간 자료 중 4년간 자료를 학습기간으로 3년간 자료를 검증 기간으로 적용하였다. 전기자동차 전력 수요량 예측 모형의 정확성을 검증하기위하여 통계적 방법인 Exponential Smoothing(ETS), ARIMA모형의 결과와 비교한 결과 ETS, ARIMA 각각의 오차율은 12%, 21%로 본 논문에서 제시한 ETS가 9% 더 정확하게 분석되었으며, 전기자동차 전력 수요량 예측 모형으로써 적합함을 확인하였다. 향후 이 모형을 이용한 전기자동차 충전소 설치 계획부터 운영관리 측면에서 활용될 것으로 기대한다.

• 한국산업정보학회논문지
• /
• 제28권1호
• /
• pp.35-48
• /
• 2023

본 연구에서는 급변하고 있는 세계 경제 환경 하에서 중국 자동차 산업의 발전 현황과 자동차 산업과 관련한 중국 정부의 정책을 살펴보고, 중국 내 소비자들의 자동차 구입에 대해 소비자 동향 조사를 실시하였다. 중국 정부의 강력한 국가 배출가스 규제정책과 내연기관 자동차 제조·판매 기준의 강화에도 불구하고 소비자들은 다양한 이유로 앞으로 자동차를 구매 시 내연기관차를 선택하겠다는 응답비율이 59.6%에 달하는 등 정부 정책과 소비자 인식 사이에는 적지 않은 차이가 존재하고 있음을 확인하였다. 또한, 최근의 중국 내 자동차 판매량의 감소 추세를 발견하여 2010년 1월부터 2020년 12월까지 월별 판매량을 학습용 데이터로, 2021년 1월부터 2022년 11월 동안의 판매량을 평가용으로 구분하여 향후 중국의 자동차 수요를 예측하는 시계열 모형들을 제안, 평가하였다. 그리고 각 시계열모형을 적용하였을 때의 2023년도의 월별 예측 판매량을 보였다.

• 수산경영론집
• /
• 제52권4호
• /
• pp.13-28
• /
• 2021

The purpose of this study is to compare short-term price predictive power among ARMA ARMAX and VAR forecasting models based on the MDM test using monthly consumer price data of frozen mackerel. This study also aims to help policymakers and economic actors make reasonable choices in the market on monthly consumer price of frozen mackerel. To analyze this study, the frozen wholesale prices and new consumer prices were used as variables while the price time series data were used from December 2013 to July 2021. Through the unit root test, it was confirmed that the time series variables employed in the models were stable while the level variables were used for analysis. As a result of conducting information standards and Granger causality tests, it was found that the wholesale prices and fresh consumer prices from the previous month have affected the frozen consumer prices. Then, the model with the highest predictive power was selected by RMSE, RMSPE, MAE, MAPE, and Theil's inequality coefficient criteria where the predictive power was compared by the MDM test in order to examine which model is superior. As a result of the analysis, ARMAX(1,1) with the frozen wholesale, ARMAX(1,1) with the fresh consumer model and VAR model were selected. Through the five criteria and MDM tests, the VAR model was selected as the superior model in predicting the monthly consumer price of frozen mackerel.