• 응용통계연구
• /
• 제31권6호
• /
• pp.785-799
• /
• 2018

신재생에너지 산업이 발전함에 따라 태양광 발전에 대한 중요성이 확대되고 있다. 태양광 발전량을 정확히 예측하기 위해서는 일사량 예측이 필수적이다. 본 논문에서는 태양광 패널이 존재하는 청주와 광주 지역을 선정하여 기상포털에서 제공하는 시간별 기상 데이터를 수집하여 연구하였다. 일사량 예측을 위하여 시계열 모형인 ARIMA, ARIMAX, seasonal ARIMA, seasonal ARIMAX, ARIMA-GARCH, ARIMAX-GARCH, seasonal ARIMA-GARCH, seasonal ARIMAX-GARCH 모형을 비교하였다. 본 연구에서는 모형의 예측 성능을 비교하고자 mean absolute error와 root mean square error를 사용하였다. 모형들의 예측 성능 비교 결과 일사량만 고려하였을 때는 이분산 문제를 고려한 seasonal ARIMA-GARCH 모형이 우수한 성능을 나타냈고, 외생변수를 활용한 ARIMAX 모형으로 일사량 예측을 한 경우가 가장 좋은 예측력을 나타냈다.

• 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.

• Journal of the Korean Statistical Society
• /
• 제27권1호
• /
• pp.57-66
• /
• 1998

In the analysis of time series it is an important issue to determine whether a time series under study is stationary. For the test of the stationary of the time series the Dickey-Fuller (DF) type tests have been mainly used. In this paper, we consider the regular unit root tests and seasonal unit root tests based on the generalized Durbin-Watson (DW) statistics when the errors are independent. The limiting distributions of the proposed DW-type test statistics are the functionals of standard Brownian motions. We also obtain the finite distributions and powers of the DW-type test statistics and compare the performances with the DF-type tests. It is observed that the DW-type test statistics have good behaviors against the DF-type test statistics especially in the nonzero (seasonal) mean model.

• 한국융합학회논문지
• /
• 제6권4호
• /
• pp.161-167
• /
• 2015

시계열 데이터를 예측하는 것은 매우 어려운 작업이다. 비선형적인 특성을 갖는 신호에서 얻어지는 데이터들이 불확실성을 가지고 있기 때문이다. 본 논문은 특정 시계열 데이터의 정확한 예측을 위하여 시계열 자료가 어떤 패턴에 따라 변화한다는 전제하에서 과거 자료들을 평균하여 미분으로써, 시계열 변화 패턴의 찾았다. 또한 미분 데이터의 반영 비율에 따라 특이성을 갖는 시계열데이터를 일반화하기 위하여 확률변수를 적용하였다. 순환변동과 계절변동을 소거하고, 불규칙 변동만을 추출하여 경향의 추세를 더한 예측값을 계산하게 된다. 이렇게 예측된 값은 이동평균과 단순이동평균에 의하여 가장 좋은 결과값을 갖는 알고리즘과 비교를 통하여 제안 알고리즘의 우수성을 입증하였다.

• 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.

• 응용통계연구
• /
• 제27권3호
• /
• pp.419-430
• /
• 2014

전력수급의 정확한 예측은 국민들의 일상적 생활 유지, 산업활동, 그리고 국가경영을 위하여 매우 중요하다. 본 연구에서는 시계열모형화에 의해 전력판매량을 예측한다. 실제 자료분석을 통하여 입력시계열로서 냉난방도일과 개입변수로 펄스함수를 사용한 전이함수모형이 다른 시계열모형에 비해서 제곱근평균제곱오차 및 평균절대오차의 의미에서 더 우수하였다.

• 한국농공학회논문집
• /
• 제65권2호
• /
• pp.1-11
• /
• 2023

This study analyzed the impact of greenhouse cultivation area and groundwater level changes due to the water curtain cultivation in the greenhouse complexes. The groundwater observation data in the Miryang study area were used and classified into greenhouse and field cultivation areas to compare the groundwater impact of water curtain cultivation in the greenhouse complex. We identified the characteristics of the groundwater time series data by the terrain of the study area and selected the optimal model through time series analysis. We analyzed the time series data for each terrain's two representative groundwater observation wells. The Seasonal ARIMA model was chosen as the optimal model for riverside well, and for plain and mountain well, the ARIMA model and Seasonal ARIMA model were selected as the optimal model. A suitable prediction model is not limited to one model due to a change in a groundwater level fluctuation pattern caused by a surrounding environment change but may change over time. Therefore, it is necessary to periodically check and revise the optimal model rather than continuously applying one selected ARIMA model. Groundwater forecasting results through time series analysis can be used for sustainable groundwater resource management.

• 대한치과교정학회지
• /
• 제47권5호
• /
• pp.298-305
• /
• 2017

Objective: This paper describes changes in the characteristics of patients seeking orthodontic treatment over the past decade and the treatment they received, to identify any seasonal variations or trends. Methods: This single-center retrospective cohort study included all patients who presented to Seoul National University Dental Hospital for orthodontic diagnosis and treatment between January 1, 2005 and December 31, 2015. The study analyzed a set of heterogeneous variables grouped into the following categories: demographic (age, gender, and address), clinical (Angle Classification, anomaly, mode of orthodontic treatment, removable appliances for Phase 1 treatment, fixed appliances for Phase 2 treatment, orthognathic surgery, extraction, mini-plate, mini-implant, and patient transfer) and time-related variables (date of first visit and orthodontic treatment time). Time series analysis was applied to each variable. Results: The sample included 14,510 patients with a median age of 19.5 years. The number of patients and their ages demonstrated a clear seasonal variation, which peaked in the summer and winter. Increasing trends were observed for the proportion of male patients, use of non-extraction treatment modality, use of ceramic brackets, patients from provinces outside the Seoul region at large, patients transferred from private practitioners, and patients who underwent orthognathic surgery performed by university surgeons. Decreasing trends included the use of metal brackets and orthodontic treatment time. Conclusions: Time series analysis revealed a seasonal variation in some characteristics, and several variables showed changing trends over the past decade.

• Communications for Statistical Applications and Methods
• /
• 제12권1호
• /
• pp.101-115
• /
• 2005

We propose in this article a procedure for testing unit and fractional orders of integration, with the roots simultaneously occurring in the trend, the seasonal and the cyclical component of the time series. The tests have standard null and local limit distributions. However, finite sample critical values are computed, and several Monte Carlo experiments conducted across the paper show that the rejection frequencies against unit (and fractional) orders of integration are relatively high in all cases. The tests are applied to the UK consumption and income series, the results showing the importance of the roots corresponding to the trend and the seasonal components and, though the unit roots are found to be fairly suitable models, we show that fractional processes (including one for the cyclical component) may also be plausible alternatives in some cases.

• Journal of Information Processing Systems
• /
• 제10권3호
• /
• pp.429-442
• /
• 2014

In this paper, we investigated the use of seasonal autoregressive integrated moving average (SARIMA) time series models for fault detection in semiconductor etch equipment data. The derivative dynamic time warping algorithm was employed for the synchronization of data. The models were generated using a set of data from healthy runs, and the established models were compared with the experimental runs to find the faulty runs. It has been shown that the SARIMA modeling for this data can detect faults in the etch tool data from the semiconductor industry with an accuracy of 80% and 90% using the parameter-wise error computation and the step-wise error computation, respectively. We found that SARIMA is useful to detect incipient faults in semiconductor fabrication.