We introduce multivariate exponential smoothing models based on a vector innovations structural time series framework. The models enable us to exploit potential inter-series dependencies to improve the fit and forecasts of multivariate (vector) time series. Models are applied to forecast the exchange rates of the UK pound (UKP) and US dollar (USD) against the Korean won (KRW) observed on monthly basis; subseqently, we compare their performance with alternative models. We observe that the multivariate exponential smoothing models are superior to alternatives.
The purpose of this study is to provide meaningful information for various stakeholders' decision-making process through forecasting of domestic beef demand. Three different exponential smoothing models were evaluated, and a double exponential smoothing model was used to forecast domestic beef demand based on time-series data, As a result of the forecast, domestic beef consumption is expected to increase by 37,000 to 40,000 tons per year from 2020 to 2025.
Journal of Korean Society of Disaster and Security
/
v.14
no.2
/
pp.35-42
/
2021
In order to produce electric vehicle demand forecasting information, which is an important element of the plan to expand charging facilities for electric vehicles, a model for predicting electric vehicle demand was proposed using Exponential Smoothing. In order to establish input data for the model, the monthly power demand of cities and counties was applied as independent variables, monthly electric vehicle charging stations, monthly electric vehicle charging stations, and monthly electric vehicle registration data. To verify the accuracy of the electric vehicle power demand prediction model, we compare the results of the statistical methods Exponential Smoothing (ETS) and ARIMA models with error rates of 12% and 21%, confirming that the ETS presented in this paper is 9% more accurate as electric vehicle power demand prediction models. It is expected that it will be used in terms of operation and management from planning to install charging stations for electric vehicles using this model in the future.
This manuscript illustrates the comparative study between ARIMA and Exponential Smoothing modeling to develop forest fire forecasting system using different weather parameters. In this paper, authors have developed the most suitable and closest forecasting models like ARIMA and Exponential Smoothing techniques using different weather parameters. Authors have considered the extremes of the Wind speed, Radiation, Maximum Temperature and Deviation Temperature of the Summer Season form March to June month for the Ranchi Region in Jharkhand. The data is taken by own resource with the help of Automatic Weather Station. This paper consists a deep study of the effect of extreme values of the different parameters on the weather fluctuations which creates forest fires in the region. In this paper, the numerical illustration has been incorporated to support the present study. Comparative study of different suitable models also incorporated and best fitted model has been tested for these parameters.
Kim, Jeong-Il;Park, Dae-Geun;Jeon, Deok-Bin;Cha, Gyeong-Cheon
Proceedings of the Korean Operations and Management Science Society Conference
/
2006.11a
/
pp.165-168
/
2006
Exponential smoothing methods do not adapt well to unexpected changes in underlying process. Over the past few decades a number of adaptive smoothing models have been proposed which allow for the continuous adjustment of the smoothing constant value in order to provide a much earlier detection of unexpected changes. However, most of previous studies presented ad hoc procedure of adaptive forecasting without any theoretical background. In this paper, we propose a detection-adaptation procedure applied to simple and Holt's linear method. We derive level and slope change detection statistics based on Bayesian statistical theory and present distribution of the statistics by simulation method. The proposed procedure is compared with previous adaptive forecasting models using simulated data and economic time series data.
Jung, Sang-Yoon;Hwang, Gye-Yeon;Kim, Yong-Jin;Kim, Jin
Journal of Korean Society of Industrial and Systems Engineering
/
v.17
no.31
/
pp.1-10
/
1994
The purpose of this study is to search for the most effective forecasting model for condenser with independent demand among the quantitative methods such as Brown's exponential smoothing method, Box-Jenkins method, and multiple regression analysis method. The criterion for the comparison of the above models is mean squared error(MSE). The fitting results of these three methods are as follows. 1) Brown's exponential smoothing method is the simplest one, which means the method is easy to understand compared to others. But the precision is inferior to other ones. 2) Box-Jenkins method requires much historic data and takes time to get to the final model, although the precision is superior to that of Brown's exponential smoothing method. 3) Regression method explains the correlation between parts with similiar demand pattern, and the precision is the best out of three methods. Therefore, it is suggested that the multiple regression method is fairly good in precision for forecasting our item and that the method is easily applicable to practice.
Journal of information and communication convergence engineering
/
v.19
no.4
/
pp.221-227
/
2021
An early warning system was developed to help identify stock status as early as possible. For performance to improve, there needs to be a feature to predict the amount of stock that must be provided and a feature to estimate when to buy goods. This research was conducted to improve the inventory early warning system and optimize the Reminder Block's performance in minimum stock settings. The models used in this study are the single exponential smoothing (SES) method for prediction and the economic order quantity (EOQ) model for determining the quantity. The research was conducted by analyzing the Reminder Block in the early warning system, identifying data needs, and implementing the SES and EOQ mathematical models into the Reminder Block. This research proposes a new Reminder Block that has been added to the SES and EOQ models. It is hoped that this study will help in obtaining accurate information about the time and quantity of repurchases for efficient inventory management.
We introduce innovations state space exponential smoothing models (ISS-ESM) that can analyze time series with multiple seasonal patterns. Especially, in order to control complex structure existing in the multiple patterns, the model equations use a matrix consisting of seasonal updating parameters. It enables us to group the seasonal parameters according to their similarity. Because of the grouped parameters, we can accomplish the principle of parsimony. Further, the ISS-ESM can potentially accommodate any number of multiple seasonal patterns. The models are applied to predict electricity demand in Korea that is observed on hourly basis, and we compare their performance with that of the traditional exponential smoothing methods. It is observed that the ISS-ESM are superior to the traditional methods in terms of the prediction and the interpretability of seasonal patterns.
Communications for Statistical Applications and Methods
/
v.18
no.3
/
pp.319-331
/
2011
In this paper, we propose automatic procedures for the model selection of various univariate time series data. Automatic model selection is important, especially in data mining with large number of time series, for example, the number (in thousands) of signals accessing a web server during a specific time period. Several methods have been proposed for automatic model selection of time series. However, most existing methods focus on linear time series models such as exponential smoothing and autoregressive integrated moving average(ARIMA) models. The key feature that distinguishes the proposed procedures from previous approaches is that the former can be used for both linear time series models and nonlinear time series models such as threshold autoregressive(TAR) models and autoregressive moving average-generalized autoregressive conditional heteroscedasticity(ARMA-GARCH) models. The proposed methods select a model from among the various models in the prediction error sense. We also provide an R package autots that implements the proposed automatic model selection procedures. In this paper, we illustrate these algorithms with the artificial and real data, and describe the implementation of the autots package for R.
The Journal of Asian Finance, Economics and Business
/
v.8
no.5
/
pp.221-229
/
2021
This study aims to forecast the exchange rate of the Chinese Yuan against the US Dollar by a combination of different models as proposed by Poon and Granger (2003) during the Covid-19 pandemic. For this purpose, we include three uni-variate time series models, i.e., ARIMA, Naïve, Exponential smoothing, and one multivariate model, i.e., NARDL. This is the first of its kind endeavor to combine univariate models along with NARDL to the best of our knowledge. Utilizing monthly data from January 2011 to December 2020, we predict the Chinese Yuan against the US dollar by two combination criteria i.e. var-cor and equal weightage. After finding out the individual accuracy, the models are then assessed through equal weightage and var-cor methods. Our results suggest that Naïve outperforms all individual & combination of time series models. Similarly, the combination of NARDL and Naïve model again outperformed all of the individual as well as combined models except the Naïve model, with the lowest MAPE value of 0764. The results suggesting that the Chinese Yuan exchange rate against the US Dollar is dependent upon the recent observations of the time series. Further evidence shows that the combination of models plays a vital role in forecasting which commensurate with the literature.
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.