Journal of the Korean Society of Fisheries and Ocean Technology
/
v.32
no.3
/
pp.235-240
/
1996
Forecasts of monthly landings of walleye pollock, Theragra chalcogramma, in Korea were carried out by the seasonal Autoregressive Integrated Moving Average(ARlMA) model. The Box - Cox transformation on the walleye pollock catch data handles nonstationary variance. The equation of Box - Cox transformation was Y'=($Y^0.31$_ 1)/0.31. The model identification was determined by minimum AIC(Akaike Information Criteria). And the seasonal ARlMA model is presented (1- O.583B)(1- $B^1$)(l- $B^12$)$Z_t$ =(l- O.912B)(1- O.732$B^12$)et where: $Z_t$=value at month t ; $B^p$ is a backward shift operator, that is, $B^p$$Z_t$=$Z_t$-P; and et= error term at month t, which is to forecast 24 months ahead the walleye pollock landings in Korea. Monthly forecasts of the walleye pollock landings for 1993~ 1994, which were compared with the actual landings, had an absolute percentage error(APE) range of 20.2-226.1 %. Thtal observed annual landings in 1993 and 1994 were 16, 61OM/T and 1O, 748M/T respectively, while the model predicted 10, 7 48M/T and 8, 203M/T(APE 37.0% and 23.7%, respectively).
The characteristics of water quality variation were predicted by stochastic model in Chungju dam, north Chungcheong province of south Korea, Monthly time series data of water quality from 1989 to 2001;temperature, BOD, COD and SS, were obtained from environmental yearbook and internet homepage of ministry of environment. Development of model was carried out with Box-Jenkins method, which includes model identification, estimation and diagnostic checking. ACF and PACF were used to model identification. AIC and BIC were used to model estimation. Seosonal multiplicative ARIMA(1, 0, 1)(1, 1, 0)$_{12}$ model was appropriate to explain stochastic characteristics of temperature. BOD model was ARMa(2, 2, 1), COD was seasonal multiplicative ARIMA(2. 0. 1)(1. 0, 1)$_{12}$, and SS was ARIMA(1, 0, 2) respectively. The simulated water quality data showed a good fitness to the observed data, as a result of model verification.ion.
In Korea, cooling power load, which occupies about 20% of peak load in 2000 and fluctuates depending on the popular usage of air conditioning systems, has been recently the focus of the load management. The first work of KEPCO (Korea Electric Power Corporation) to regulate cooling load as low as possible was to estimate its approximate scale and to develop the indirect methods to estimate it from the available time series data for the average hourly loads. However, KEPCO would like to have their methods improved both theoretically and practically. In this paper, we analyze their current indirect methods and detect their faults to design better indirect estimation methods. Under one of the assumptions of "no cooling load in April or May", the linear relationship between basic loads and GDP's, and the normalized seasonal factors of the Winters' multiplicative seasonal model, we provide ten indirect estimation methods in total and suggest the estimated cooling load(1988-1999) based on our various indirect methods.
This paper evaluates whether a thermodynamic ocean-carbon model can be used to predict the monthly mean global fields of the surface-water partial pressure of $CO_2$ ($pCO_{2SEA}$) from sea surface salinity (SSS), temperature (SST), and/or nitrate ($NO_3$) concentration using previously published regional total inorganic carbon ($C_T$) and total alkalinity ($A_T$) algorithms. The obtained $pCO_{2SEA}$ values and their amplitudes of seasonal variability are in good agreement with multi-year observations undertaken at the sites of the Bermuda Atlantic Timeseries Study (BATS) ($31^{\circ}50'N$, $60^{\circ}10'W$) and the Hawaiian Ocean Time-series (HOT) ($22^{\circ}45'N$, $158^{\circ}00'W$). By contrast, the empirical models predicted $C_T$ less accurately at the Kyodo western North Pacific Ocean Time-series (KNOT) site ($44^{\circ}N$, $155^{\circ}E$) than at the BATS and HOT sites, resulting in greater uncertainties in $pCO_{2SEA}$ predictions. Our analysis indicates that the previously published empirical $C_T$ and $A_T$ models provide reasonable predictions of seasonal variations in surface-water $pCO_{2SEA}$ within the (sub) tropical oceans based on changes in SSS and SST; however, in high-latitude oceans where ocean biology affects $C_T$ to a significant degree, improved $C_T$ algorithms are required to capture the full biological effect on $C_T$ with greater accuracy and in turn improve the accuracy of predictions of $pCO_{2SEA}$.
Magazine of the Korean Society of Agricultural Engineers
/
v.18
no.4
/
pp.4232-4241
/
1976
This study was carried out to clarify the stochastic characteristics of monthly rainfalls and to select a proper model for generating the sequential monthly rainfall amounts. The results abtained are as follows: 1. Log-Normal distribution function is the best fit theoretical distribution function to the empirical distribution of monthly rainfall amounts. 2. Seasonal and random components are found to exist in the time series of monthly rainfall amounts and non-stationarity is shown from the correlograms. 3. The Monte Carlo model shows a tendency to underestimate the mean values and standard deviations of monthly rainfall amounts. 4. The 1st order Markov model reproduces means, standard deviations, and coefficient of skewness with an error of ten percent or less. 5. A correlogram derived from the data generated by 1st order Markov model shows the charaterstics of historical data exactly. 6. It is concluded that the 1st order Markov model is superior to the Monte Carlo model in their reproducing ability of stochastic properties of monthly rainfall amounts.
Kim, Kwan-Hyung;Kim, Han-Soo;Lee, Sung-Duk;Lee, Hyun-Gi;Yoon, Kyoung-Man
Proceedings of the KSR Conference
/
2011.10a
/
pp.1715-1721
/
2011
For an efficient railroad operations the demand forecasting is required. Time series models can quickly forecast the future demand with fewer data. As well as the accuracy of forecasting is excellent compared to other methods. In this study is proposed the intervention ARIMA model for forecasting methods of KTX passenger demand. The intervention ARIMA model may reflect the intervention such as the Kyongbu high-speed rail project second phase. The simple seasonal ARIMA model is predicted to overestimate the KTX passenger demand. However, intervention ARIMA model is predicted the reasonable results. The KTX passenger demands were predicted to be a week units separated by the weekday and weekend.
Purpose: This study analyzes the impact of weather conditions, holidays, and sporting events on beer sales, providing insights for market strategy and inventory management in the beer industry. Research design, data and methodology: Beer types were classified into Lagers and Ales, with further subcategories. The study utilized weekly retail sales data from January 2018 to August 2020, provided by Nielsen Korea. An ARMAX model was employed for time-series analysis. Results: The analysis revealed that increasing temperatures positively influence sales of Pilsners and Pale Lagers. Conversely, higher precipitation levels negatively affect overall Lager sales. Among Ales, only Stout sales showed a significant decrease with increased rainfall. Sunshine duration did not significantly impact sales for any beer type. Humidity generally had little effect on beer sales, with the exception of Amber Lagers, which showed sensitivity to humidity changes. Holidays and sporting events were found to significantly boost sales across most beer types, although the specific impacts varied by beer category. Conclusions: This study offers a detailed analysis of how weather conditions and specific events influence different beer type sales. The findings provide valuable insights for breweries, beer processors, and retailers to optimize their market strategies and inventory management based on weather forecasts and seasonal events. By understanding the consumption patterns of each beer type in relation to environmental factors, businesses can better anticipate demand fluctuations and tailor their operations accordingly.
Kim, Taereem;Choi, Wonyoung;Shin, Hongjoon;Heo, Jun-Haeng
Proceedings of the Korea Water Resources Association Conference
/
2015.05a
/
pp.29-29
/
2015
수자원의 지속적인 관리 및 효율적인 활용을 위하여 수문량의 예측과 분석은 필수적인 과정이라 할 수 있으며 이에 따라 다양한 수문 모형이 구축되고 강우, 유량 등 대표적인 수문량의 예측이 수행되어져 왔다. 그 중에서도 수문 시계열 모형은 시간의 흐름에 따라 일정하게 기록되어온 수문 자료를 확률적인 과정을 통하여 모형을 구축하고 이를 바탕으로 미래 수문량을 예측하는 데활용되는 모형으로, 과거에 기록된 수문 패턴이 미래에도 지속된다는 가정 하에 구축된다. 일반적으로 시계열 모형은 하나의 자료계열로 모형을 구축하는 단변량 모형과 원 자료계열 외에 다른 자료계열을 고려하여 모형을 구축하는 다변량 모형이 있으며, 다변량 모형은 원 자료계열에 영향을 미치는 외부변수를 고려함으로써 두 자료계열간의 상관성을 모형에 반영할 수 있는 장점을 가지고 있다. 또한 자료계열의 계절성을 고려하여 시계열 모형을 구축할 경우, 수문 시계열이 가지고 있는 계절적 영향을 잘 반영할 수 있다. 따라서 본 연구에서는 계절성을 고려한 다변량 시계열 모형인 SARIMAX(Seasonal AutoRegressive Integrated Moving Average with eXogenous) 모형을 이용하여 대표적인 수공구조물인 댐의 유입량 예측을 수행하였다. 일반적으로 댐 유입량 예측에는 댐의 유입량과 상관성이 높은 강우가 외부변수로 사용되어져 왔으나, 이 외에도 영향을 미칠 수 있는 지점특성치를 고려하여 모형을 구축한 후 비교하였다.
This study deals with capacity expansion planning of airport infrastructure in view of economic validation that reflect construction costs and social benefits according to the reduction of passengers' delay time. We first forecast the airport peak-demand which has a seasonal and cyclical feature with ARIMA model that has been one of the most widely used linear models in time series forecasting. A discrete event simulation model is built for estimating actual delay time of passengers that consider the passenger's dynamic flow within airport infrastructure after arriving at the airport. With the trade-off relationship between cost and benefit, we determine an economic quantity of conveyor that will be expanded. Through the experiment performed with the case study of Incheon international airport, we demonstrate that our approach can be an effective method to solve the airport expansion problem with seasonal passenger arrival and dynamic operational aspects in airport infrastructure.
In this paper, we propose an improved model to provide users with a better long-term prediction of waterworks operation data. The existing prediction models have been studied in various types of models such as multiple linear regression model while considering time, days and seasonal characteristics. But the existing model shows the rate of prediction for demand fluctuation and long-term prediction is insufficient. Particularly in the deep running model, the long-short-term memory (LSTM) model has been applied to predict data of water purification plant because its time series prediction is highly reliable. However, it is necessary to reflect the correlation among various related factors, and a supplementary model is needed to improve the long-term predictability. In this paper, convolutional neural network (CNN) model is introduced to select various input variables that have a necessary correlation and to improve long term prediction rate, thus increasing the prediction rate through the LSTM predictive value and the combined structure. In addition, a multiple linear regression model is applied to compile the predicted data of CNN and LSTM, which then confirms the data as the final predicted outcome.
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.