In the present study, we assess the GloSea5 (Global Seasonal Forecasting System version 5) near-surface ocean current forecasts using globally observed surface drifter dataset. Annual mean surface current fields at 0-day forecast lead time are quite consistent with drifter-derived velocity fields, and low values of root mean square (RMS) errors distributes in global oceans, except for regions of high variability, such as the Antarctic Circumpolar Current, Kuroshio, and Gulf Stream. Moreover a comparison with the global high-resolution forecasting system, HYCOM (Hybrid Coordinate Ocean Model), signifies that GloSea5 performs well in terms of short-range surface-current forecasts. Predictions from 0-day to 4-week lead time are also validated for the global ocean and regions covering the main ocean basins. In general, the Indian Ocean and tropical regions yield relatively high RMS errors against all forecast lead times, whilst the Pacific and Atlantic Oceans show low values. RMS errors against forecast lead time ranging from 0-day to 4-week reveal the largest increase rate between 0-day and 1-week lead time in all regions. Correlation against forecast lead time also reveals similar results. In addition, a strong westward bias of about $0.2m\;s^{-1}$ is found along the Equator in the western Pacific on the initial forecast day, and it extends toward the Equator of the eastern Pacific as the lead time increases.
The bullwhip effect refers to the phenomenon where demand variability is amplified when one moves upward a supply chain. In this paper, we exactly quantify the bullwhip effect for cases of seasonal demand processes in a two-echelon supply chain with a single retailer and a single supplier. In most of the previous research, some measures of performance for the bullwhip effect are developed for cases of non-seasonal demand processes. The retailer performs demand forecast with a multiplicative seasonal mixed model by using the minimum mean square error forecasting technique and employs a base stock policy. With the developed bullwhip effect measure, we investigate the impact of seasonal factor on the bullwhip effect. Then, we prove that seasonal factor plays an important role on the occurrence of the bullwhip effect.
Communications for Statistical Applications and Methods
/
제18권1호
/
pp.13-21
/
2011
본 논문에서는 계절성을 가지는 다변량 비정상 시계열자료의 분석 방법을 연구한다. 이를 위하여, 3가지의 다변량 시계열분석 모형(계절형 공적분 모형, 계절형 가변수를 가지는 비계절형 공적분 모형, 차분을 이용한 벡터자기회귀모형)을 고려하고, 한국의 실제 거시경제 자료를 이용하여 3가지 모형의 예측력을 비교한다. 공적분 모형은 단기적 예측에서 우수하였고, 장기적 예측에서는 차분을 이용한 벡터자기회귀모형이 우수하였다.
Sand and dust storm in East Asia, so called Asian dust, is a seasonal meteorological phenomenon. Mostly in spring, dust particles blown into atmosphere in the arid area over northern China desert and Manchuria are transported to East Asia by prevailing flows. An Asian dust event occurred on 6-8 May 2007 is chosen to investigate how sensitive the Asian dust transport forecast to the initial condition uncertainties and to interpret the characteristics of sensitivity structures from the viewpoint of dynamics and predictability. To investigate the forecast sensitivities to the initial condition, adjoint sensitivities that calculate gradient of the forecast aspect (i.e., response function) with respect to the initial condition are used. The forecast aspects relevant to Asian dust transports are dry energy forecast error and lower tropospheric pressure forecast error. The results show that the sensitive regions for the dry energy forecast error and the lower tropospheric pressure forecast error are initially located in the vicinity of the trough and then propagate eastward as the surface low system moves eastward. The vertical structures of the adjoint sensitivities for the dry energy forecast error are upshear tilted structures, which are typical adjoint sensitivity structures for extratropical cyclones. Energy distribution of singular vectors also show very similar structures with the adjoint sensitivities for the dry energy forecast error. The adjoint sensitivities of the lower tropospheric pressure forecast error with respect to the relative vorticity show that the accurate forecast of the trough (or relative vorticity) location and intensity is essential to have better forecasts of the Asian dust event. Forecast error for the atmospheric circulation during the dust event is reduced 62.8% by extracting properly weighted adjoint sensitivity perturbations from the initial state. Linearity assumption holds generally well for this case. Dynamics of the Asian dust transport is closely associated with predictability of it, and the improvement in the overall forecast by the adjoint sensitivity perturbations implies that adjoint sensitivities would be beneficial in improving the forecast of Asian dust events.
Retail sales forecast is a special area of forecasting. Its unique characteristics call for unique data models and treatment, and unique forecasting processes. In this paper, we will address lessons learned and challenges encountered in retail sales forecast from a practical and technical perspective. In particular, starting with the data models of retail sales data, we proceed to address issues existing in estimating and processing each component in the data model. We will discuss how to estimate the multi-seasonal cycles in retail sales data, and the limitations of the existing methodologies. In addition, we will talk about the distinction between business events and forecast events, the methodologies used in event detection and event effect estimation, and the difficulties in compound event detection and effect estimation. For each of the issues and challenges, we will present our solution strategy. Some of the solution strategies can be generalized and could be helpful in solving similar forecast problems in different areas.
An Expert Seasonal Prediction System for operational Seasonal Outlook (ESPreSSO) is developed based on the APEC Climate Center (APCC) Multi-Model Ensemble (MME) dynamical prediction and expert-guided statistical downscaling techniques. Dynamical models have improved to provide meaningful seasonal prediction, and their prediction skills are further improved by various ensemble and downscaling techniques. However, experienced scientists and forecasters make subjective correction for the operational seasonal outlook due to limited prediction skills and biases of dynamical models. Here, a hybrid seasonal prediction system that grafts experts' knowledge and understanding onto dynamical MME prediction is developed to guide operational seasonal outlook in Korea. The basis dynamical prediction is based on the APCC MME, which are statistically mapped onto the station-based observations by experienced experts. Their subjective selection undergoes objective screening and quality control to generate final seasonal outlook products after physical ensemble averaging. The prediction system is constructed based on 23-year training period of 1983-2005, and its performance and stability are assessed for the independent 11-year prediction period of 2006-2016. The results show that the ESPreSSO has reliable and stable prediction skill suitable for operational use.
본 연구에서는 계절성(seasonality)을 감안한 적분된 자기회귀 이동평균 모형(ARIMA model)을 이용하여 우리나라 지역 간 철도의 동태적 변화과정을 추정하고 장래 통행수요를 예측하고자 하였다. 기존 국내연구에서 고려하지 않은 계절성 요인을 감안한 ARIMA 모형(Seasonal ARIMA model)과 월별 지역 간 철도 통행실적자료를 이용하여 교통수요 동태적 변화모형을 구축하였다. 구체적으로 2000년 1월부터 2008년 12월까지의 월별 수송인원 및 수송인-km 기준 지역 간 통행실적 자료를 이용하여 Box et al. (1994)에서 제시한 Seasonal ARIMA 모형을 적용하였으며 이에 따라 장래 지역 간 철도 통행수요를 예측하였다. 장래 통행수요 예측 결과에 따르면 수송인원 기준으로 2015년 및 2020년에는 2008년의 각각 약 1.36배와 1.71배 수준으로 산정되었다. 또한 수송인-km 기준으로 2015년과 2020년에는 2008년의 각각 약 1.25배와 1.78배 정도로 예측되었다.
본 연구는 1992년부터 2011년까지 월별자료를 사용하여 여러 가지 시계열 추정모델과 승법 계절 ARIMA 모형을 설정하여 부산항의 컨테이너 물동량을 추정하고 예측하였다. 여러 가지 모델로 추정한 결과 부산항의 컨테이너 물동량과 물동량 변동 모두 계절을 승법한 ARIMA 모델 $(1,0,1){\times}(1,0,1)_{12}$로 추정하였을 때, 추정결과와 Akaike information, Schwarz, Hannan-Quin 기준 등으로 보아, 가장 좋은 ARIMA 추정과 예측 모형으로 나타났다. 그리하여 부산항 물동량 추정의 최적모형인 ARIMA $(1,0,1){\times}(1,0,1)_{12}$ 모형에 의해 향후 8년간 96개월에 대한 부산항 물동량 미래 예측치(2013-2020년)를 월별로 추정하여 예측한 결과 2013년부터 부산의 물동량은 연도별로 조금씩 지속적으로 증가하는 추세를 보일 것으로 나타났다. ARIMA $(1,0,1){\times}(1,0,1)_{12}$ 모형에 의한 부산항의 컨테이너 물동량의 연도별 예측량은 2013년 1천 891만 TEU, 2014년 2천 34만 TEU, 2015년 2천 188만 TEU, 2016년 2천 353만 TEU, 2017년 2천 531만 TEU, 2018년 2천 722만 TEU 그리고 2020년 3천 148만 TEU 등으로 나타났다.
This paper focused on forecasting a short-term production of oysters, which have been farmed in Korea, with distinct periodicity of production by year, and different production level by month. To forecast a short-term oyster production, this paper uses monthly data (260 observations) from January 1990 to August 2011, and also adopts several econometrics methods, such as Multiple Regression Analysis Model (MRAM), Seasonal Autoregressive Integrated Moving Average (SARIMA) Model, and Vector Error Correction Model (VECM). As a result, first, the amount of short-term oyster production forecasted by the multiple regression analysis model was 1,337 ton with prediction error of 246 ton. Secondly, the amount of oyster production of the SARIMA I and II models was forecasted as 12,423 ton and 12,442 ton with prediction error of 11,404 ton and 11,423 ton, respectively. Thirdly, the amount of oyster production based on the VECM was estimated as 10,425 ton with prediction errors of 9,406 ton. In conclusion, based on Theil inequality coefficient criterion, short-term prediction of oyster by the VECM exhibited a better fit than ones by the SARIMA I and II models and Multiple Regression Analysis Model.
New and renewable energy forecasts are key technology to reduce the annual operating cost of new and renewable facilities, and accuracy of forecasts is paramount. In this study, we intend to build a model for the prediction of short-term solar power generation for 1 hour to 3 hours. To this end, this study applied two time series technique, ARIMA model without considering seasonality and SARIMA model with considering seasonality, comparing which technique has better predictive accuracy. Comparing predicted errors by MAE measures of solar power generation for 1 hour to 3 hours at four locations, the solar power forecast model using ARIMA was better in terms of predictive accuracy than the solar power forecast model using SARIMA. On the other hand, a comparison of predicted error by RMSE measures resulted in a solar power forecast model using SARIMA being better in terms of predictive accuracy than a solar power forecast model using ARIMA.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.