• 지역연구
• /
• 제34권4호
• /
• pp.19-34
• /
• 2018

본 연구의 목적은 2004년부터 2017년까지의 해변과 해수욕장을 키워드로 하는 지역신문기사를 이용하여 계절별 현안을 분석하는 것이다. 분석을 위해 오픈소스 프로그램을 기반으로 한 토픽모델링과 시계열회귀분석을 수행하였다. 토픽모델링 분석 결과 계절별 토픽은 봄 35개, 여름 47개, 가을 36개, 겨울 35개가 도출되었다. 모든 계절에서 공통적으로 도출된 주제는 해수욕장, 축제 행사, 사건사고 및 환경문제, 관광지, 개발 분양, 행정 정책, 날씨로 나타났다. 시계열회귀분석 결과 봄에는 35개의 토픽 중 5개의 상승 토픽과 2개의 하락 토픽이 도출되었다. 여름에는 47개의 토픽 중 6개의 상승 토픽과 3개의 하락 토픽이 도출되었다. 가을에는 36개의 토픽 중 4개의 상승 토픽과 3개의 하락 토픽이 도출되었다. 겨울에는 35개의 토픽 중 3개의 상승 토픽과 3개의 하락 토픽이 도출되었다. 그리고 각 계절별로 상승 토픽과 하락 토픽에 해당하지 않는 토픽은 중립 토픽으로 구분하였다. 본 연구를 통해 해변과 같이 계절별로 용도가 다른 경우에 지역현안에 대한 분석을 위해 계절별 토픽모델링을 진행한다면 더욱 유용한 결과를 도출하고 이에 따른 세부적인 진단이 가능하다고 판단된다.

• 한국수자원학회논문집
• /
• 제42권10호
• /
• pp.809-824
• /
• 2009

한정된 기간의 짧은 유출량 기록을 갖는 댐 유역에서의 수자원 시스템 거동예측은 수문학적 지속성여부에 대한 판단이 선행 되어야 하며 가용한 시계열자료에 대한 추계학적 분석을 통하여 실시하여야 한다. 본 연구에서는 계절형 ARIMA모형을 통하여 안동댐 유역의 강우량, 증발량 및 유출량 시계열자료로 월별 수문시스템 거동을 예측하였으며, 예측된 결과를 토대로 TANK모형과 ARIMA+TANK결합모형에 의한 장기유출모의를 실시하였다. 분석결과 관측자료의 특성을 비교적 잘 반영 하였으며, 댐 유입량 예측을 위한 추계학적 결합모형의 적용가능성을 검토하였다. 이는 상대적으로 유출량자료의 보유년한이 짧은 대상유역의 시계열 수문인자 예측을 통한 유출모의의 적용으로 수자원의 중 장기 전략수립에 도움이 되리라 사료된다.

• 응용통계연구
• /
• 제26권3호
• /
• pp.413-420
• /
• 2013

확률적 날씨 발생기(Stochastic weather generator)는 일일 날씨를 생성하는데 일반적으로 사용되는 방법으로 최근에는 일반화선형모형에 기초한 확률적 날씨 발생 방법이 제안되었다. 본 논문에서는 서울지역의 일일 기온을 모형화하하기 위해서 일반화선형모형에 기초한 확률적 날씨 발생기를 고려하였다. 이 모형에서는 계절성을 나타내는 변수와 강우발생 유무가 공변수로 사용되었다. 일반적으로 확률적 날씨 발생기에서는 생성된 일일 날씨가 월별 또는 계절별 총강우량이나 평균온도에 충분한 변동을 만들어 내지 못하는 과대산포 현상이 발생하는데, 이러한 한계를 극복하기 위해 본 연구에서는 평활된 계절별 평균 온도를 일반화선형모형의 공변수로 추가하였다. 그리고 제안된 모형을 1961년부터 2011년까지 51년 동안의 서울지역 일일 평균 기온자료에 적용하였다.

• 대한교통학회지
• /
• 제35권2호
• /
• pp.143-159
• /
• 2017

본 연구는 2003년 1사분기부터 2016년 2사분기 까지 인천국제공항에서 미주노선을 통하여 미주 내 공항에 도착하는 항공화물의 시계열 자료를 통하여 SARIMA 모형을 활용하여 항공화물 수요예측을 시행하였다. 또한 SARIMA 모형을 활용하여 만들어진 수요예측 모형과 기존 연구에 주로 활용되어졌던 ARIMA 모형을 활용하여 만들어진 수요예측 모형과 비교분석함으로써, 주기적인 특성 및 계절성을 가진 시계열 자료에 대한 SARIMA 모형의 상대적으로 우수한 예측 정확성을 입증하였다. 기존의 항공 관련 연구는 주로 여객에 관한 연구가 상대적으로 많았다. 또한 화물과 관련된 연구에서도 특정노선이 아닌 공항이나 전체에 대한 연구가 대부분이었다. 이러한 상황에서, SARIMA 모형을 활용하여 미주지역이라는 특정 노선에 대한 항공화물의 수요를 예측한 본 연구는 큰 의의가 있다고 생각된다.

• 농촌지도와개발
• /
• 제20권2호
• /
• pp.511-533
• /
• 2013

이 연구는 단변량 시계열 중에서 계절 아리마 모형을 이용하여 경주지역 외국인 관광객을 예측하고자 한다. 이 연구를 위한 시계열 월별 자료는 1995년부터 2010년까지 수집하였다. 총 192개의 관측치를 분석에 사용하였는데, 성수기와 비수기의 관광객 차이가 아주 큰 것을 보여주고 있다. 예측분석결과, 경주지역의 외국인 관광객에 대한 최종 예측모형은 승법계절 ARIMA(1,1,0) $(4,0,0)_{12}$ 모형으로 선정되었다. 이 모형에 적용하여 미래의 경주지역의 외국인 관광객은 2011년 694천명, 2012년 715천명, 2013년 725천명, 2014년 738천명, 2015년 751천명이 방문하는 것으로 나타났다. 이는 향후 경주지역 외국인 관광객에게 효율적으로 관광시설을 공급함과 동시에 서비스를 제공하기 위한 관광정책을 수립하는 측면에서 관광관련 이해당사자들에게 매우 중요하다는 것을 시사하고 있다.

• 응용통계연구
• /
• 제32권1호
• /
• pp.139-148
• /
• 2019

본 연구는 KTX 수송수요를 예측하기 위한 방법으로 다중개입 시계열 모형을 제안하였다. 구체적으로 2011년 이전의 자료로서 경부 2단계 개통 개입만 고려한 Kim과 Kim (Korean Society for Railway, 14, 470-476, 2011)의 연구를 수정 보완하기 위해 다양한 개입이 추가적으로 발생하고 있는 2011년 이후의 시계열 자료를 효과적으로 모델링하는 한편 KTX 수송수요를 정확히 예측하기 위한 방법으로 다중개입 계절형 ARIMA 모형을 도입하였다. 자료 분석을 통해 KTX 수송수요에 영향을 주었던 경부 및 호남 2단계 개통, 메르스 발병과 설추석 명절 등 다양한 개입의 효과를 효과적으로 해석하는 한편, 이를 통해 예측의 정확성을 높일 수 있음을 확인하였다.

• 한국지하수토양환경학회:학술대회논문집
• /
• 한국지하수토양환경학회 2004년도 총회 및 춘계학술발표회
• /
• pp.447-450
• /
• 2004

This study was conducted to characterize groundwater and river-water fluctuations at a riverbank filtration site in Daesan-myeon adjacent to the Nakdong River, using time series analysis. Water levels from six observation wells from January 2003 to October 2003 were measured. The autocorrelation analysis indicates that the wells are divided into three groups: group 1 represents strong linearity and memory, group 2 intermediate linearity and memory, and group 3 weak linearity and memory. The analysis indicates that groundwater levels in different monitoring wells vary in response to river-water levels, groundwater withdrawal and seasonal rainfall. Cross-correlation was also divided into three groups. Group 1 shows the highest cross-correlation function (0.49 - 0.54) for a lag time of 0 hours, group 2 intermediate cross-correlation function (0.34 - 0.45), and group 3 the lowest cross-correlation function (0.23 - 0.25). Different cross-correlation functions among the 3 groups are interpreted as an effect of tile distance from the river to the pumping wells.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.374-377
• /
• 2005

The distribution and changes of tropospheric nitrogen dioxide ($NO_2$) are analyzed using the satellite measurements data from GOME (Global Ozone Monitoring Experiment) and SCIMACHY (SCanning Imaging Absorption spectroMeter for Atmospheric CHartographY). We produced global maps of tropospheric $NO_2$ for 4 seasons using GOME measurements from January 1997 to June 2003. The global distribution shows high values in regions with dense population and high industrialization. Tropospheric $NO_2$ shows obvious seasonal changes depending on its emission and lifetime. Based on the good agreement between two instruments in the time period of overlapping measurements (January 2003-June2003), we linked SClAMACHY data to the GOME time series. The combined time series over the past decade indicate that $NO_2$ 1evels over China are rapidly increasing while those over Europe are decreasing. We also discussed potential application of spaceborne instruments in detecting and characterizing long-distance transport of $NO_2$.

• 한국지하수토양환경학회:학술대회논문집
• /
• 한국지하수토양환경학회 2003년도 추계학술발표회
• /
• pp.213-216
• /
• 2003

Efforts for better understanding of the interaction between groundwater recharge and thermal regime of the subsurface medium is gaining momentum for its diverse applications in water resources. A numerical model is developed to simulate temperature variations of the subsurface under time varying groundwater recharge. The model utilizes MacCormack scheme for finite difference approximation of the partial differential equation describing the conductive and advective heat transport. For the estimation of recharge rate, optimization of the model is realized by searching for the unknown parameters which minimize the root-mean-square error between simulated and measured temperatures. Simulation results for 22-year time series data of temperature measurements reveal that the proposed model can accurately simulate subsurface temperature variations resulting from the redistribution of the heat due to the movement of water and it can also estimate temporal variations of recharge. Seasonal variations of recharge and a linear relationship between precipitation and recharge are clearly reflected in the simulated results.

• 산업경영시스템학회지
• /
• 제39권1호
• /
• pp.25-30
• /
• 2016

It is critical to forecast the maximum daily and monthly demand for power with as little error as possible for our industry and national economy. In general, long-term forecasting of power demand has been studied from both the consumer's perspective and an econometrics model in the form of a generalized linear model with predictors. Time series techniques are used for short-term forecasting with no predictors as predictors must be predicted prior to forecasting response variables and containing estimation errors during this process is inevitable. In previous researches, seasonal exponential smoothing method, SARMA (Seasonal Auto Regressive Moving Average) with consideration to weekly pattern Neuron-Fuzzy model, SVR (Support Vector Regression) model with predictors explored through machine learning, and K-means clustering technique in the various approaches have been applied to short-term power supply forecasting. In this paper, SARMA and intervention model are fitted to forecast the maximum power load daily, weekly, and monthly by using the empirical data from 2011 through 2013. $ARMA(2,\;1,\;2)(1,\;1,\;1)_7$ and $ARMA(0,\;1,\;1)(1,\;1,\;0)_{12}$ are fitted respectively to the daily and monthly power demand, but the weekly power demand is not fitted by AREA because of unit root series. In our fitted intervention model, the factors of long holidays, summer and winter are significant in the form of indicator function. The SARMA with MAPE (Mean Absolute Percentage Error) of 2.45% and intervention model with MAPE of 2.44% are more efficient than the present seasonal exponential smoothing with MAPE of about 4%. Although the dynamic repression model with the predictors of humidity, temperature, and seasonal dummies was applied to foretaste the daily power demand, it lead to a high MAPE of 3.5% even though it has estimation error of predictors.