• 지능정보연구
• /
• 제19권1호
• /
• pp.1-17
• /
• 2013

본 연구에서는 시계열 예측을 위해 선형 모형과 비선형 모형의 하이브리드 모형 및 순수 모형의 성과를 비교 평가하였다. 이를 위해 5가지 서로 다른 패턴을 가지는 데이터를 생성하여 시뮬레이션을 진행하였다. 본 연구에서 고려한 선형 모형은 AR(autoregressive model)과 SARIMA(seasonal autoregressive integrated moving average model)이고 비선형 모형은 인공신경망(artificial neural networks model)과 GAM(generalized additive model)이다. 특히, GAM은 여러 장점에도 불구하고 시계열 예측을 위한 비선형 모형으로 기존 연구들에서는 거의 쓰이지 않았던 모형이다. 시뮬레이션 결과, seasonality를 가지는 시계열에 대해서는 AR 및 AR-AR 모형이, trend를 가지는 시계열에 대해서는 SARIMA 및 SARIMA와 다른 모형의 하이브리드 모형이 다른 모형에 비해 높은 성과를 보였다. 한편, 인공신경망과 GAM을 비교하면, 트렌드와 계절성이 더해진 시계열에 대해 SARIMA와 GAM의 하이브리드 모형이 거의 모든 노이즈(noise) 수준에 대해 높은 성과를 보인 반면, 노이즈 수준이 미미한 경우에 한해 SARIMA와 인공신경망의 하이브리드 모형이 높은 성과를 보였다.

• 한국정보통신학회논문지
• /
• 제26권1호
• /
• pp.58-63
• /
• 2022

코로나19의 일일 확진자 수는 천명 후반대에서 2천명대를 유지하고 있으며, 백신접종률이 증가함에도 불구하고 확진자수가 쉽게 줄어들지 않는 상황이다. 변이바이러스는 계속해서 등장하고, 현재는 뮤 변이 바이러스까지 국내에 유입되었다. 본 논문은 코로나 예방전략을 위해 SARIMA 모델을 통해 코로나19 국내 확진자 수를 예측한다. ADF Test와 KPSS Test를 통해 데이터에 추세와 계절성이 있음을 확인한다. SARIMA(p,d,q)(P,D,Q,S)의 p, d, q, P, D, Q의 값은 모형 차수결정 정리로 파라미터를 추출한다. ACF와 PACF를 통해 p, q 파라미터를 추론한다. 차분, 로그변환, 계절성제거 등을 통해 데이터를 정상성 형태로 변환하고, 도식화 하여 파라미터를 도출하고, 계절성이 있다면 S를 정하고, SARIMA P,D,Q를 정하고, 계절성을 제외한 차수에 대해 ACF와 PACF를 보고 ARIMA p,d,q를 정한다.

• 한국통신학회논문지
• /
• 제25권8A호
• /
• pp.1153-1159
• /
• 2000

이 논문에서는 네트워크의 QoS에 가장큰 영향을 미치는 네트워크 선로 이용률의 과거데이터를 기반으로 단기간 예측과 계절성(seasonality) 예측에 적합한 계절자기회귀이동평균(SARIMA: seasonal ARIMA) 모형을 적용하여 앞으로의 시간대별 선로 이용률을 예측하고 그 신뢰 구간을 추정함으로써 확류에 근거한 선로 이용률의 임계값 위반 시점을 예측할 수 있으며 확률에 근거한 신뢰성을 제공할 수 있다 또한 제시한 모델의 적합성 여부를 평가하였으며 실험을 통하여 적절한 수준의 임계값과 임계값 탐지의 기준이 되는 탐지 확률값을 추론함으로써 본 알고리즘의 성능을 최대화하였다.

• 자원환경지질
• /
• 제50권4호
• /
• pp.267-276
• /
• 2017

전라남도는 연안지역은 농업활동과 상수도의 미보급으로 인하여 지하수에 크게 의존하고 있다. 지하수의 과다사용은 지하수위 저하를 일으키며 그로 인한 해수침투가 발생할 가능성이 매우 높다. 따라서 지하수 사용에 따른 해수침투 관리가 매우 필요한 지역이다. 전라남도 무안군의 연안암반대수층에서 측정된 EC 자료를 이용하여 해안가 대수층에 적합한 시계열 모형을 구축하고, 해수침투의 지표인 EC를 예측하고자 시계열 분석을 수행하였다. 1년 이상 측정한 EC 시계열 자료는 짧은 주기적인 변동과 함께 추세적으로 증가하는 비정상 시계열의 특성을 보였다. 시계열 분석을 통해 시계열 모형 식별 결과 ARIMA 모형과 계절적인 요인을 고려 할 수 있는 SARIMA 모형 이 적합한 것으로 나타났다. 하지만 두 모형 적용한 결과, EC의 주기적인 변동으로 인해 ARIMA보다는 EC 자료의 변동 특성을 잘 반영한 SARIMA 모형이 예측에 있어서 유리한 것으로 나타났다. 위와 같이 시계열 분석은 암반 대수층에서 해수침투로 인한 EC의 변화를 예측하는데 있어 유용한 것으로 나타났다.

• 한국조리학회지
• /
• 제15권2호
• /
• pp.231-242
• /
• 2009

호텔 연회에서 가장 중요한 정보 중 하나는 매출액 자료이다. 매출액 예측은 비용을 절감시키고 인력 배분의 효율성을 증가시키고 급변하는 환경에서 경쟁하는 능력을 향상시키는 데 도움이 되는 정보를 제공한다. 본 연구는 국내외 연구에서 적합한 예측모형으로 평가되고 있는 ARIMA 모형을 이용하여 호텔 연회장의 매출액을 예측하였다. 분석을 위해서 사용한 자료는 서울 소재 GI 호텔 연회장의 월별 매출액 자료를 사용하였으며, 분석 결과 SARIMA(2,1,3)(0,1,1)가 최종적으로 추정되었다. 본 연구의 시사점은 국내외 연구에서 적합한 예측모형으로 평가되고 있는 ARIMA 모델을 호텔 연회장의 월별 매출액 자료에 적용하였다는 점과 호텔 연회 실무자들에게 참고자료로 사용할 수 있는 유용한 정보를 제공하였다는 점을 들 수 있다.

• Communications for Statistical Applications and Methods
• /
• 제19권3호
• /
• pp.507-516
• /
• 2012

시계열의 상관구조가 시점에 의존하며 주기적인 상관성을 보이는 계절성 시계열 자료에 대한 시계열 모형들이 비교 분석된다. 주기적 자기회귀이동평균 모형을 소개하고, 실증분석으로 주기적 상관성을 지닌 스위스 Arosa 지방의 성층권 오존 월별 시계열에 계층형 모형인 주기적 자기회귀이동평균 모형과 계절 누적자기회귀이동 평균 모형의 적합을 통하여 주기적 자기회귀이동평균 모형의 우월성을 비교한다.

• 산업경영시스템학회지
• /
• 제43권4호
• /
• pp.59-66
• /
• 2020

In this study, we consider the problem of forecasting the number of inbound foreigners visiting Korea. Forecasting tourism demand is an essential decision to plan related facilities and staffs, thus many studies have been carried out, mainly focusing on the number of inbound or outbound tourists. In order to forecast tourism demand, we use a seasonal ARIMA (SARIMA) model, as well as a SARIMAX model which additionally comprises an exogenous variable affecting the dependent variable, i.e., tourism demand. For constructing the forecasting model, we use a search procedure that can be used to determine the values of the orders of the SARIMA and SARIMAX. For the exogenous variable, we introduce factors that could cause the tourism demand reduction, such as the 9/11 attack, the SARS and MERS epidemic, and the deployment of THAAD. In this study, we propose a procedure, called Measuring Impact on Demand (MID), where the impact of each factor on tourism demand is measured and the value of the exogenous variable corresponding to the factor is determined based on the measurement. To show the performance of the proposed forecasting method, an empirical analysis was conducted where the monthly number of foreign visitors in 2019 were forecasted. It was shown that the proposed method can find more accurate forecasts than other benchmarks in terms of the mean absolute percentage error (MAPE).

• Environmental Engineering Research
• /
• 제22권2호
• /
• pp.162-168
• /
• 2017

Rainfall is one of the most important phenomena of the natural system. In Bangladesh, agriculture largely depends on the intensity and variability of rainfall. Therefore, an early indication of possible rainfall can help to solve several problems related to agriculture, climate change and natural hazards like flood and drought. Rainfall forecasting could play a significant role in the planning and management of water resource systems also. In this study, univariate Seasonal Autoregressive Integrated Moving Average (SARIMA) model was used to forecast monthly rainfall for twelve months lead-time for thirty rainfall stations of Bangladesh. The best SARIMA model was chosen based on the RMSE and normalized BIC criteria. A validation check for each station was performed on residual series. Residuals were found white noise at almost all stations. Besides, lack of fit test and normalized BIC confirms all the models were fitted satisfactorily. The predicted results from the selected models were compared with the observed data to determine prediction precision. We found that selected models predicted monthly rainfall with a reasonable accuracy. Therefore, year-long rainfall can be forecasted using these models.

• 대한토목학회논문집
• /
• 제44권4호
• /
• pp.443-463
• /
• 2024

본 연구는 지역별로 과거 30년간의 월 강수량 데이터를 활용하여 강수량 예측의 정확성을 높이고자 하였다. 통계적 모형(ARIMA, SARIMA)과 딥러닝 모형(LSTM, GBM)을 사용하여 강릉, 광주, 대구, 대전, 부산, 서울, 제주 그리고 춘천 지역에서 1983년부터 2012년까지의 월 강수량 데이터를 학습하고 이를 바탕으로 2013년부터 2022년까지 10년간 월 강수량을 예측하였다. 예측 결과, 대부분 모형에서 강수량의 추세는 정확하게 예측했으나, 실제 강수량보다 과소 예측하는 경향을 보였다. 이러한 문제점을 해결하고자 지역별, 계절별 적합한 모델을 선정하였다. 강릉, 광주, 대구, 대전, 부산, 서울, 제주 그리고 춘천에는 LSTM 모형이 적합한 결과를 보였다. 계절별로 나누어 예측력을 비교하면, SARIMA 모형은 강릉, 광주, 대구, 대전, 서울 그리고 춘천 지역에서 겨울철에 특히 적합한 예측 성능을 나타냈다. 또한, LSTM 모형은 강수가 집중된 여름철에 다른 모형에 비해 높은 성능을 보였다. 결론적으로, 지역별 및 계절별 강수 패턴을 면밀하게 분석하고 이에 기반한 적합한 예측 모형을 선택하는 것은 강수량 예측의 정확도를 높이는 데 결정적인 역할을 한다.

• 한국해안·해양공학회논문집
• /
• 제32권5호
• /
• pp.322-330
• /
• 2020

부산, 목포 지점의 평균해수면(MSL)과 고극조위, 저극조위 자료의 이상자료 시계열 모델링을 수행하였다. 시계열 모델은 계절성분을 포함하는 SARIMA 모형이며, 일시적인 변화에 해당하는 이상자료(Additive Outlier, AO)와 영구적인 변화를 의미하는 기준고도 변화(Level Shift, LS)를 모델에 포함하였으며, AIC 기준에 의거하여 최적 모델을 선정하였다. 이상자료 모형의 매개변수 추정은 R 프로그램 'tsoutliers' 패키지('tso' 함수)를 이용하였다. 선정 모형을 이용하여 이상자료와 기준고도 변화 진단에 적용한 결과, 부산의 월 단위 고극조위 자료에서 2003, 2012년 발생한 태풍 매미(MAEMI), 산바(SANBA)에 의한 일시적인 수위상승을 65.5, 29.5 cm 정도로 추정하였으며, 목포의 월 단위 평균해수면 자료에서는 1983년의 영산강 하굿둑 건설 사업에 의한 기준고도 변화를 21.2 cm 정도로 추정하였다. 한편 본 연구에서 구성한 모형은 모형의 편향을 유발하는 이상자료의 영향을 포함하며, 모형에 의한 RMS 오차는 연간 자료를 사용한 경우, 부산은 MSL 1.95 cm, 고극조위, 저극조위 각각 5.11 cm, 6.50 cm이며, 목포의 경우에는 큰 조차의 영향으로 MSL 2.01 cm, 고극조위, 저극조위 각각 11.80 cm, 9.14 cm로 부산보다 다소 높게 나타났다.