http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Multiplicative ARIMA 모형에 의한 월유량의 추계학적 모의 예측
박무종,윤용남 한국수자원학회 1989 물과 미래(한국수자원학회지) Vol.22 No.3
추계학적 모형 중의 하나인 Multiplicative ARIMA 모형을 사용하여 주기성과 경향성을 가지는 월유량계열을 예측하였으며 그 모형의 적합성은 낙동강 유역의 진동 수위 관측 지점에서의 23년간의 월 유량자료를 사용하여 검정하였다. 최종적으로 산정된 ARIMA (2,0,0)$\times$$(0,1,1)_{12}$ 모형의 변수는 21년간의 자료를 사용하여 산정하였으며 나머지 2년간의 월 유량자료는 예측치와 관측치를 비교하는데 사용하였다. 본 모형에 의한 에측치와 관측치의 비교결과 Multiplicative ARIMA 모형은 진동지점의 월유량 계열의 예측에 적합함이 판명되었다. The monthly flows with periodicity and trend were forecasted by multiplicative ARIMA model and then the applicability of the model was tested based on 23 years of the historical monthly flow data at Jindong river stage gauging station in the Nakdong River Basin. The parameter estimation was made with 21 years of data and the remaining two years of monthly data were used to compare the forecasted flows by ARIMA (2,0,0)$\times$$(0,1,1)_{12}$ with the observed. The results of forecast showed a good agreement with the observed, implying the applicability of multiplicative ARIMA model for forecasting monthly river flows at the Jindong site.
박무종,이희섭,송영석,임채헌 한국방재학회 2014 한국방재학회 학술발표대회논문집 Vol.2014 No.-
최근 인터넷, 스마트기기의 발달과 소셜 미디어의 등장으로 데이터가 기하급수적으로 증가하는 빅데이터 시대가 도래하였다. 빅데이터는 IT 기기 및 사회발전과도 상호 연관적이다. 기존에 예측, 분석이 불가능하였던 데이터들을 여러 분석방법을 통하여 의미있는 데이터를 획득하기 위하여 여러 분야에서 연구되어지고 있다. 가뭄의 경우 발생범위와 심도를 예측하기 힘든 자연재해 중 하나이다. 본 연구에서는 가뭄심도를 파악하기 위하여 빅데이터 분석기법 중 데이터 마이닝(Data Mining)과 구글 트랜드(Google Trend)를 적용하였다. 이때, 구글 트랜드는 가뭄과 관련된 키워드(가뭄, Drought)를 분석하였고, 데이터 마이닝은 국내 3개 언론매체(경향신문, 매일신문, 연합뉴스)의 자료를 토대로 하였다. 빅데이터를 이용한 가뭄해석의 적정성을 평가하기 위하여 전국 6개 광역시, 2개 특별자치지구의 최근 4년간의 강수량을 바탕으로 표준강수지수(SPI)를 산정하고 구글 트랜드 결과와 비교분석 하였다. 본 연구를 통해 향후 가뭄에서의 빅데이터 활용 가능성을 확인하였고 관련 연구 및 방재정책수립의 기초자료로서 사용되길 기대한다.