http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
장기기억 특성과 이분산성을 고려한 인터넷 트래픽 예측을 위한 시계열 모형 연구
손흥구,김삼용,Sohn, H.G.,Kim, S. 한국통계학회 2013 응용통계연구 Vol.26 No.6
본 논문은, 장기기억 특성과 이분산성을 고려한 인터넷 트래픽 예측 모형을 제안하고자 한다. 트래픽 과부하를 대비하기 위해서, 트래픽 용량은 트래픽의 예측치와 트래픽의 변동 크기에 따라 트래픽의 최대용량을 설정하여야 한다. 이를 위하여 교내 트래픽 자료 중 교내로 들어오는 트래픽과 교외로 나가는 트래픽에 이분산성과 장기기억 모형의 유용성을 확인하였다. 이에 대하여 AR-GARCH 모형, ARMA-GARCH 모형과 장기기억모형인 Fractional ARIMA와 장기기억과 이분산성을 고려한 Fractional ARMA-GARCH 모형을 적용하여 모형의 예측성능을 비교하였다. In this paper, we propose the time series forecasting models for internet traffic with long memory and heteroscedasticity. To control and forecast traffic volume, we first introduce the traffic forecasting models which are determined by the volatility and heteroscedasticity of the traffic. We then analyze and predict the heteroscedasticity and the long memory properties for forecasting traffic volume. Depending on the characteristics of the traffic, Fractional ARIMA model, Fractional ARIMA-GARCH model are applied and compared with the MAPE(Mean Absolute Percentage Error) Criterion.
손흥구,하명호,김삼용,Son, H.G.,Ha, M.H.,Kim, S. 한국통계학회 2012 응용통계연구 Vol.25 No.2
본 논문은 일별 관광수요 자료를 분석하기 위하여 시계열의 대표적인 3개 모형인 ARIMA, Holt-Winters, AR-GARCH 모형을 적용하였다. 모형의 성능을 비교하기 위해 Armstrong (2001)이 제안한 방법을 이용하여 서로 다른 방법의 예측값을 단순결합과 MSE, SE를 이용한 결합법을 이용하여 정확도 높일 수 있음을 확인하였다. This paper applies forecasting models such as ARIMA, Holt-Winters and AR-GARCH models to analyze daily tourism data in Korea. To evaluate the performance of the models, we need single and double seasonal models that compare the RMSE and SE for a better accuracy of the forecasting models based on Armstrong (2001).
항공여객 수요예측 방법에 관한 연구 : 양적 예측방법을 중심으로
손흥구,김제철,박진서 한국항공경영학회 2017 한국항공경영학회 추계학술대회 Vol.2017 No.-
항공운송시장에서 항공여객 수요에 대한 예측은 시장을 계획하고 운영하는데 있어 필수적인 요소이다. 항공여객 수요를 기반으로 계획들이 수립됨에 따라, 수요예측에 대한 다양한 연구들이 진행되고 있으며, 어떠한 방법을 사용하는 것이 타당할지에 대한 논의도 계속적으로 이루어지고 있다. 본 연구에서는 항공여객 수요에 있어서 양적 예측방법을 중심으로 최근 제시된 모형들을 추가하여 수요예측 방법론 체계를 정리하며, 적합한 수요예측 방법에 대한 선택 방법을 제안하였다. 이를 위하여, 인과모형, 단변량 시계열(ARIMA, 지수평활법 등) 모형, 다변량 시계열(VAR, VEC, State-Space) 모형 등에 대한 소개 및 국제선 항공여객 수요에 대한 실증분석 결과를 제시하며, 모형별 한계점을 제시하였다. 또한 수요예측 결합 방법을 통한 강건한(Robust) 예측 방안을 제시하였다. 본 연구가 항공관련 수요예측 방법의 발전을 촉진하는 계기가 되기를 기대해 본다.
스마트 그리드에서의 시계열 군집분석을 통한 전력수요 예측 연구
손흥구,정상욱,김삼용,Sohn, Hueng-Goo,Jung, Sang-Wook,Kim, Sahm 한국통계학회 2016 응용통계연구 Vol.29 No.1
본 논문은 ICT기반 시장에서의 수요관리시스템에서의 핵심 요소인 전력 수요 예측을 위하여, 전체 사용량을 기반으로 예측 하는 방식이 아닌, 시계열 기반 군집분석을 통한 군집별 예측량의 결합을 실시하였다. 시계열 군집 분석 방법으로서 Periodogram 기반의 정규화 군집분석, 예측 기반의 군집분석, DTW(Dynamic Time Warping)를 이용하여 군집화를 시도하였으며, 군집 별 수요예측 모형으로서 DSHW(Double Seasonal Holt-Winters) 모형, TBATS(Trigonometric, Box-Cox transform, ARMA errors, Trend and Seasonal components) 모형, FARIMA(Fractional ARIMA) 모형을 사용하여 예측을 실시하였다. 전체 사용량을 기반으로 예측 하는 방식이 아닌, 군집분석을 통한 군집별 예측량의 결합이 더 낮은 MAPE로 나타남에 따라 우수한 예측 방법으로 판단되었다. This paper forecasts electricity demand as a critical element of a demand management system in Smart Grid environment. We present a prediction method of using a combination of predictive values by time series clustering. Periodogram-based normalized clustering, predictive analysis clustering and dynamic time warping (DTW) clustering are proposed for time series clustering methods. Double Seasonal Holt-Winters (DSHW), Trigonometric, Box-Cox transform, ARMA errors, Trend and Seasonal components (TBATS), Fractional ARIMA (FARIMA) are used for demand forecasting based on clustering. Results show that the time series clustering method provides a better performances than the method using total amount of electricity demand in terms of the Mean Absolute Percentage Error (MAPE).