시계열 모형을 이용한 범죄예측 사례연구

주일엽 한국경호경비학회 2012 시큐리티연구 Vol.- No.30

본 연구는 살인, 강도, 강간, 절도, 폭력 등 주요 범죄를 예측할 수 있는 시계열 모형을 도출하고 이를 이용한 주요 범죄의 발생 전망을 파악하여 범죄 발생에 대한 과학적인 치안 정책 수립에 기여하는데 그 목적이 있다. 이와 같은 목적을 달성하기 위하여 2002년부터 2010년까지의 살인, 강도, 강간, 절도, 폭력 등 주요범죄에 대한 월별 발생건수를 IBM PASW(SPSS) 19.0을 사용하여 주요 범죄의 시계열 예측모형을 규명하기 위한 시계열 모형생성(C), 주요 범죄의 시계열 예측모형에 대한 정확도 규명을 위한 시계열 모형생성(C) 및 시계열 순차도표(N)를 실시하였다. 이와 같은 연구목적과 연구방법을 통하여 도출한 연구결과는 다음과 같다. 첫째, 살인, 강도, 강간, 절도, 폭력 등 주요 범죄에 대한 시계열 예측모형은 각각 단순계 절, Winters 승법, ARIMA(0,1,1)(0,1,1), ARIMA(1,1,0)(0,1,1), 단순계절로 나타났다. 둘째, 살인, 강도, 강간, 절도, 폭력 등 주요 범죄에 대하여 시계열 예측모형을 이용한 주요 범죄에 대한 단기적 발생 전망이 가능한 것으로 나타났다. 이러한 연구결과를 토대로 범죄 발생에 대한 지속적인 시계열 예측모형 제시, 분기별, 연도별 범죄 발생건수를 기초로 하는 중 ․ 장기 시계열 예측모형에 대한 관심이 요구된다. The purpose of this study is to contribute to establishing the scientific policing policies through deriving the time series models that can forecast the occurrence of major crimes such as murder, robbery, burglary, rape, violence and identifying the occurrence of major crimes using the models. In order to achieve this purpose, there were performed the statistical methods such as Generation of Time Series Model(C) for identifying the forecasting models of time series, Generation of Time Series Model(C) and Sequential Chart of Time Series(N) for identifying the accuracy of the forecasting models of time series on the monthly incidence of major crimes from 2002 to 2010 using IBM PASW(SPSS) 19.0. The following is the result of the study. First, murder, robbery, rape, theft and violence crime's forecasting models of time series are Simple Season, Winters Multiplicative, ARIMA(0,1,1)(0,1,1), ARIMA(1,1,0 )(0,1,1) and Simple Season. Second, it is possible to forecast the short-term's occurrence of major crimes such as murder, robbery, burglary, rape, violence using the forecasting models of time series. Based on the result of this study, we have to suggest various forecasting models of time series continuously, and have to concern the long-term forecasting models of time series which is based on the quarterly, yearly incidence of major crimes.

전시컨벤션센터 신ㆍ증축시 전시산업의 수요예측에 대한 비판적 고찰

김영선,김봉석 한국무역전시학회 2016 무역전시연구 Vol.11 No.1

본 연구의 목적은 전시컨벤션센터의 신·증축 예비타당성 조사에 사용된 수요예측 사례를 살펴보고 국내 전시컨벤션센터의 규모에 영향을 미치는 요인은 무엇이며 이를 예측하기 위해 다양한 분석기법을 사용하여 결과를 비교·분석하고자 하였다. 연구의 목적을 위해 국내 전시장 수요예측과 관광산업 수요예측에 관련된 선행연구들을 분석하였으며, 실증분석을 위해 추세변동을 이용한 시계열, 지수평활, ARIMA의 3가지 시계열 분석과 희귀분석을 실시하였다. 분석결과 ARIMA 모형에서는 2016년부터, 추세변동을 이용한 시계열 분석에서는 2017년, 회귀분석과 지수평활법에서는 2021년에 전시장 면적 부족이 일어날 것으로 예측하였다. 본 연구에서는 전시산업의 수요를 예측하기 위한 다양한 방법을 이용하였고 그 기법들이 가지는 적합성과는 별개로 수요예측에 대한 기준이 정해져 있지 않아 가져올 수 있는 문제점이 있다는 것을 확인하였다. 분석결과에서 보다시피 시계열 분석의 경우 동일한 데이터를 사용함에도 수요예측 기법에 따라 다른 결과가 도출되었다. 전시산업의 수요예측을 측정함에 있어 전시컨벤션센터가 가지고 있는 파급효과를 적극적으로 반영하여 경제적 가치를 파악할 수 있도록 전시산업통계와 같이 전시산업에 대한 특성을 반영한 자료를 이용하여 보다 논리적으로 수요를 예측할 수 있는 기준을 마련해야 할 것이다. As the trade fair industry grows in Korea, cities are seeing a boom in the development and expand of convention & exhibition centers. This study aims to examine the improvement of the demand for convention & exhibition centers. For this purpose, this study employes a quantitative case study approach - time-series, exponential smoothing, ARIMA model and regression analysis. This study predicts the demand for convention center space has and will outrun increases in the supply of space from 2016 to 2021. In this study, we used various methods for the demand of trade fair industry that showed different results. For this reason, they have their own characteristic feature. We propose to use that the trade fair industry standardized data for the demand of convention & exhibition centers. This study offer for public investment and serve to bias public decision making and choice.

BIM 기반의 설계단계 원가예측 시계열모델 -자재가격을 중심으로-

황성주,박문서,이현수,김현수,Hwang, Sung-Joo,Park, Moon-Seo,Lee, Hyun-Soo,Kim, Hyun-Soo 한국건설관리학회 2011 한국건설관리학회 논문집 Vol.12 No.2

최근 도심지 고밀화에 따른 공간의 효율적 이용이 요구됨에 따라 대규모의 고층 사무공간이 증가하고 있으며, 이와 함께 주거, 상업, 문화 등 다양한 기능을 밀접하게 연관시킨 고층 복합시설도 점차 늘어가고 있다. 이러한 대형 건설, 프로젝트는 긴 공사기간이 소요되어 공사비 예측이 쉽지 않으며, 막대한 비용이 투입되기 때문에 비용 예측의 중요성이 더욱 증대되고 있다. 이러한 상황에서 최근 극심한 경제변화에 따른 건설자재가격의 변동은 자재비를 포함한 공사비 예측을 어렵게 만드는 주요 원인이다. 따라서 본 연구는 건설자재단가 시계열자료를 활용, 미래의 자재단가 예측을 위한 시계열모델을 구축하고 복잡한 모델 프로세스를 간소화하는 자재별 최적 예측모델 도출시스템을 구축한다. 또한 Building Information Modeling(BIM)의 접근을 통해 자재의 투입시기 및 투입물량을 분석, 시계열모델을 통해 예측한 자재단가 예측 값과 조합함으로써 총 자재비를 포함하는 BIM기반 공사원가 예측 시계열모델을 제시한다. 본 연구는 시계열모델의 하나인 Autoregressive Integrated Moving Average(ARIMA)모델에 대한 예측력 비교를 통해 자재단가 예측을 위한 적합모델을 도출하였다. BIM기반의 원가예측 시계열모델은 자재의 투입시기별 자재단가 변동치를 예측함으로써 급변하는 경제 환경 변화에 대처할 수 있는 도구가 될 것이다. High-rise buildings have recently increased over the residential, commercial and office facilities, thus an understanding of construction cost for high-rise building projects has been a fundamental issue due to enormous construction cost as well as unpredictable market conditions and fluctuations in the rate of inflation by long-term construction periods of high-rise projects. Especially, recent violent fluctuations of construction material prices add to problems in construction cost forecasting. This research, therefore, develops a time-series model with the Box-Jenkins methodologies and material prices time-series data in Korea in order to forecast future trends of unit prices of required materials. BIM (Building Information Modeling) approaches are also used to analyze injection time of construction resources and to conduct quantity takeoff so that total material price can be forecasted. Comparative analysis of Predictability of tentative ARIMA (Autoregressive Integrated Moving Average) models was conducted to determine optimal time-series model for forecasting future price trends. Proposed BIM based time series forecasting model can help to deal with sudden changes in economic conditions by estimating future material prices.

다중 결합 예측 알고리즘을 이용한 교통사고 발생건수 예측

배두람,성병찬 한국통계학회 2019 응용통계연구 Vol.32 No.6

하나의 시계열 자료에서 다양한 특징을 발견하는 일은 간단한 문제가 아니다. 본 논문에서는 하나의 시계열 자료에서 복수의 패턴을 찾아내어 예측 정확도를 높이는 방식인 다중 결합 예측 알고리즘을 소개한다. 이 알고리즘은 시간적 결합과 예측값 조합의 개념을 사용한다. 시간적 결합 방식을 통해, 하나의 시계열 자료에서 여러 개의 시계열 자료를 생성할 수 있으며, 각각의 자료는 별도의 특성을 가지게 된다. 여러 개의 시계열 자료에서 다양한 특성을 추출하기 위하여 지수평활법을 사용하고 시계열 요소들 및 이들의 예측값을 계산한다. 마지막 단계에서 시계열 요소 별로 예측값을 혼합 한 후, 각 시계열 요소들의 조합값을 더하여 최종 예측값을 만든다. 실증 분석으로 국내 교통사고 발생 건수를 예측한다. 분석 결과, 기존의 다른 예측 방식보다 예측 성능이 우수함을 확인할 수 있다. Discovering various features from one time series is complicated. In this paper, we introduce a multi aggregation prediction algorithm (MAPA) that uses the concepts of temporal aggregation and combining forecasts to find multiple patterns from one time series and increase forecasting accuracy. Temporal aggregation produces multiple time series and each series has separate properties. We use exponential smoothing methods in the next step to extract various features of time series components in order to forecast time series components for each series. In the final step, we blend predictions of the same kind of components and forecast the target series by the summation of blended predictions. As an empirical example, we forecast traffic accident counts using MAPA and observe that MAPA performance is superior to conventional methods.

Temporal Fusion Transformer를 이용한 대형마트 판매량의 다단계 시계열 수요예측

안세희,정재윤 한국전자거래학회 2023 한국전자거래학회지 Vol.28 No.3

Demand forecast is used as basic data for business and operation planning in all industries. In this paper, the Temporal Fusion Transformer (TFT) architecture was applied to the data of the M5 Competition, a famous forecasting competition, and the accuracy of the TFT-based forecasting method was compared with that of the DRFAM method, that had won the competition. The performance was evaluated for the sales data of CA_1 store in the Walmart dataset of the M5 Competition. The TFT models were trained with two data pools at the store level and category level, respectively, and the final forecast was calculated by arithmetically averaging the prediction results of the two models. As a result, the TFT-based method obtained better forecasts than the DRFAM method, which trained six LightGBM models with direct forecasting and recursive forecasting for three levels of data pools and predicted with the arithmetic average of the six trained models. It was found that the TFT-based method had sufficiently learned the relationship between variables and sales volumes in the time-series using the self-attention structure of TFT. While the direct and recursive forecasting models of the DRFAM method require 28 repeated calls for 28 days of forecasting, the TFT-based method can obtain 28 time-series forecasts with a single model call because of its multi-output structure. The proposed TFT-based forecasting method is expected to be applicable to various fields by providing faster and more accurate time-series forecasts. 수요예측은 모든 산업에서 사업 기획 및 운영 계획의 중요한 기초 자료로 사용된다. 본 논문에서는 수요예측 경진대회인 M5 Competition 데이터를 대상으로 Temporal Fusion Transformer(TFT) 모형을 적용하였고, 이 대회에서 우승한 DRFAM 기법과 정확도를 비교하였다. M5 Competition의 Walmart 데이터셋 중 CA_1 매장의 판매량 데이터를 대상으로 성능을 평가하였으며, 매장(store) 수준과 카테고리(category) 수준의 데이터풀(data pool)로 각각 TFT 모형을 학습한 후 예측값을 산술평균하는 방식을 사용하였다. 그 결과, 세 가지 수준의 데이터풀에 대해 직접적 예측모형(direct forecasting)과 재귀적 예측모형(recursive forecasting)으로 총 6개의 LightGBM 모형을 학습하여 산술평균으로 예측하는 DRFAM 기법보다 평균적으로 개선된 예측 정확도를 달성하였다. 이를 통해 TFT 모형이 자기-어텐션 구조를 사용하여 시계열에서 변수와 판매량 간의 관계를 충분히 학습하였음을 알 수 있었다. DRFAM 기법의 직접적 예측모형과 재귀적 예측모형이 28일 간의 예측을 위하여 28회 반복호출을 해야 하지만, TFT 모형은 다중 출력 구조이기 때문에 한번 모형 호출로 28개의 시계열 예측이 가능하다. 본 논문에서 제안한 TFT 기반의 예측모형은 보다 빠르고 정확한 시계열 예측을 제공하여 다양한 분야에 확대 적용할 수 있을 것으로 기대한다.

경험적 모드분해법을 이용한 시계열 모형의 예측력 개선에 관한 연구

김태림,신홍준,남우성,허준행,Kim, Taereem,Shin, Hongjoon,Nam, Woosung,Heo, Jun-Haeng 한국수자원학회 2015 한국수자원학회논문집 Vol.48 No.12

수문 시계열의 분석은 수문자료를 활용한 수자원의 효율적인 운영 및 관리에 필수적인 부분이며, 특히 장기적인 수문량 예측에 널리 활용되고 있다. 이러한 수문 시계열 분석은 전통적으로 하나의 자료계열을 하나의 요인으로 파악하여 자료를 분석하고 예측해왔지만 시계열 자료가 여러 가지 요인으로 혼합되 어 하나의 자료계열로 나타내질 수 있다는 가정 하에 각 요인들을 분해하여 분석하는 방법도 널리 연구되고 있다. 본 연구에서는 경험적 모드분해법을 이용하여 주어진 수문 시계열을 다중 성분으로 분해하고 분해된 각 요소를 시계열 모형으로 재구축한 후, 구축된 요소별 시계열 모형으로부터 예측된 값을 합하여 시계열을 예측하는 방법을 이용하였으며 이를 국내 댐 유입량에 적용한 후 그 결과를 나타내었다. 기존 시계열 모형과 경험적 모드분해법을 이용한 방법의 정확도를 비교한 결과, 기존의 시계열 모형을 이용하여 자료를 예측한 결과보다 경험적 모드분해법을 적용하여 자료를 분해한 후 시계열 자료를 예측한 결과가 주어진 시계열 자료를 더 잘 나타내는 것을 알 수 있었다. The analysis of hydrologic time series data is crucial for the effective management of water resources. Therefore, it has been widely used for the long-term forecasting of hydrologic variables. In tradition, time series analysis has been used to predict a time series without considering exogenous variables. However, many studies using decomposition have been widely carried out with the assumption that one data series could be mixed with several frequent factors. In this study, the empirical mode decomposition method was performed for decomposing a hydrologic time series data into several components, and each component was applied to the time series models, autoregressive moving average (ARMA). After constructing the time series models, the forecasting values are added to compare the results with traditional time series model. Finally, the forecasted estimates from ARMA model with empirical mode decomposition method showed better performance than sole traditional ARMA model indicated from comparing the root mean square errors of the two methods.

경험적 모드분해법을 이용한 시계열 모형의 예측력 개선에 관한 연구

김태림,신홍준,남우성,허준행 한국수자원학회 2015 한국수자원학회논문집 Vol.48 No.12

수문 시계열의 분석은 수문자료를 활용한 수자원의 효율적인 운영 및 관리에 필수적인 부분이며, 특히 장기적인 수문량 예측에 널리 활용되고 있다. 이러한 수문 시계열 분석은 전통적으로 하나의 자료계열을 하나의 요인으로 파악하여 자료를 분석하고 예측해왔지만 시계열 자료가 여러 가지 요인으로 혼합되 어 하나의 자료계열로 나타내질 수 있다는 가정 하에 각 요인들을 분해하여 분석하는 방법도 널리 연구되고 있다. 본 연구에서는 경험적 모드분해법을 이용하여 주어진 수문 시계열을 다중 성분으로 분해하고 분해된 각 요소를 시계열 모형으로 재구축한 후, 구축된 요소별 시계열 모형으로부터 예측된 값을 합하여 시계열을 예측하는 방법을 이용하였으며 이를 국내 댐 유입량에 적용한 후 그 결과를 나타내었다. 기존 시계열 모형과 경험적 모드분해법을 이용한 방법의 정확도를 비교한 결과, 기존의 시계열 모형을 이용하여 자료를 예측한 결과보다 경험적 모드분해법을 적용하여 자료를 분해한 후 시계열 자료를 예측한 결과가 주어진 시계열 자료를 더 잘 나타내는 것을 알 수 있었다. The analysis of hydrologic time series data is crucial for the effective management of water resources. Therefore, it has been widely used for the long-term forecasting of hydrologic variables. In tradition, time series analysis has been used to predict a time series without considering exogenous variables. However, many studies using decomposition have been widely carried out with the assumption that one data series could be mixed with several frequent factors. In this study, the empirical mode decomposition method was performed for decomposing a hydrologic time series data into several components, and each component was applied to the time series models, autoregressive moving average (ARMA). After constructing the time series models, the forecasting values are added to compare the results with traditional time series model. Finally, the forecasted estimates from ARMA model with empirical mode decomposition method showed better performance than sole traditional ARMA model indicated from comparing the root mean square errors of the two methods.

계층적 시계열 분석을 이용한 지역별 교통사고 발생건수 예측

이주은,성병찬,Lee, Jooeun,Seong, Byeongchan 한국통계학회 2017 응용통계연구 Vol.30 No.1

The paper introduces bottom-up and optimal combination methods that can analyze and forecast hierarchical time series. These methods allow forecasts at lower levels to be summed consistently to upper levels without any ad-hoc adjustment. They can also potentially improve forecast performance in comparison to independent forecasts. We forecast regional traffic accident counts as time series data in order to identify efficiency gains from hierarchical forecasting. We observe that bottom-up or optimal combination methods are superior to independent methods in terms of forecast accuracy. 본 논문에서는 계층적 시계열 자료 분석을 위한 대표적인 두 가지 방법인 상향식과 최적조합 예측법을 소개한다. 이러한 예측법은 계층적 시계열을 구성하는 모든 계열을 예측해야 하는 독립적 예측과 달리, 임의의 조정 과정이 없이 하위 계층 계열의 예측값의 합은 항상 상위 계층의 예측값과 일치하게 된다. 또한, 독립적 예측과 비교하여 예측력을 향상시킨다. 계층적 예측법의 효율성을 살펴보기 위하여 국내 16개 시도별 남녀 교통사고 발생건수 시계열 자료를 예측하였다. 이를 통하여 교통사고 발생건수에 대한 각 계층의 예측에서 계층적 방법과 독립적 방법의 차이점 및 우수성을 비교하였다.

추계학적 기법을 통한 공주지점 유출예측 연구

안정민(Ahn Jung Min),허영택(Hur Young Teck),황만하(Hwang Man Ha),천근호(Cheon Geun Ho) 대한토목학회 2011 대한토목학회논문집 B Vol.31 No.1B

유출예측량을 모의할 때 과거와 현재의 수문자료를 이용한다는 측면에서 미래 예측결과의 불확실성을 완전히 제거할 수는 없겠지만, 다양한 기법별 분석에 의하여 불확실성을 감소시킬 수 있다. 본 연구에서는 유출예측의 정확성 향상을 위해 다양한 유출예측 기법을 적용 및 평가하였으며 확률론적 예측을 가능하게 하는 예측기법인 ESP와 관측 시계열 자료를 이용한 통계기법으로 공주지점의 유출예측을 수행하였다. 각 기법에 따른 유출예측 결과의 신뢰성 평가는 MAE(Mean Absolute Error), RMSE(Root Mean Squared Error), RRMSE(Relative Root Mean Squared Error), Mean Absolute Percentage Error(MAPE), TIC(Theil Inequality Coefficient)를 이용하였다. ESP 확률을 이용하여 예측한 유출결과와 통계적 시계열 분석에 의해 예측된 유출결과를 MAE, RMSE, RRMSE, MAPE, TIC를 이용하여 비교 · 분석하였으며 유출예측의 개선효과를 확인해본 결과, ESP 확률을 이용한 예측이 MAE(10.6), RMSE(15.14), RRMSE(0.244), MAPE(22.74%), TIC(0.13)으로 평가되었으며 MAE(23.2), RMSE(37.13), RRMSE(0.596), MAPE(26.69%), TIC(0.30)으로 평가된 ARMA와 MAE(26.4), RMSE(34.44), RRMSE(0.563), MAPE(47.38%), TIC(0.25)으로 평가된 Winters에 비해 신뢰성이 높게 나타났다. When execute runoff forecasting, can not remove perfectly uncertainty of forecasting results. But, reduce uncertainty by various techniques analysis. This study applied various forecasting techniques for runoff prediction's accuracy elevation in Gongju basin. statics techniques is ESP, Period Average & Moving average, Exponential Smoothing, Winters, Auto regressive moving average process. Authoritativeness estimation with results of runoff forecasting by each techniques used MAE (Mean Absolute Error), RMSE (Root Mean Squared Error), RRMSE (Relative Root Mean Squared Error), Mean Absolute Percentage Error (MAPE), TIC (Theil Inequality Coefficient). Result that use MAE, RMSE, RRMSE, MAPE, TIC and confirm improvement effect of runoff forecasting, ESP techniques than the others displayed the best result.

금융시계열 변동성 예측을 위한 결합 모형

노태협 한국경영컨설팅학회 2013 경영컨설팅연구 Vol.13 No.1

한국의 주가지수파생상품 시장이 급속히 성장함에 따라 금융상품의 변동성이 가격 결정에 주요한 영향 변수로 인식되고 있다. 이 연구는 금융시계열과 인공지능기법의 결합을 통하여 단일 시계열모형의 예측 정확도를 향상하고, 변동성의 방향성과 예측력을 동시에 향상시킬 수 있는 결합 모형을 제안한다. 이를 위하여 변동성 예측을 위한 결합모형에서는 인공지능(ANN)기법과 금융시계열 예측모형인 ARCH, GARCH, IGARCH, EGARCH, EWMA 모형을 이용하였다. 모형의 적용을 위하여 KOSPI200 (2001.1.2.~2010.12.30. 10년, 2,480거래일) 데이터를 사용하였고, 비교를 위하여 KOSDAQ100에도 제안 모형의 적용 가능성을 검증하였다. 방향성의 예측에서는 ARCH 계열의 시계열 모형이 우수성을 나타내었으며, 이를 이용하여 인공신경망기법의 학습을 위한 변수 및 계수 설정을 위한 방법론으로 사용하였다. 실험 결과, 금융시계열의 변동성 예측을 위해 GARCH 및 EGARCH 기법에서 도출된 입력변수를 이용한 결합 인공신경망결합 모형이 우수함을 나타내었으며, 10년간의 장기 데이터를 활용하여 모형의 적용 가능성을 보였다.