Earticle

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.

초고속 인터넷 서비스와 이동 통신의 발달, 그리고 Mobile Device 보급의 증가는 유비쿼터스(Ubiquitous) 기술의 발전을 촉진시키는 계기가 되었다. 와이브로 (WiBro, Wireless Broadband Internet) 시스템은 이동 중에도 무선 랜 (Wireless LAN) 보다 넓은 서비스 지원 영역에서 고속의 멀티미디어 서비스를 제공 받을 수 있는 MBWA(Mobile Broadband Wireless Access)기술이며, IP 기반의 백본 망(Backbone Network)로 구성된다. 이와 같은 무선 이동 통신 환경에서는 와이브로 시스템의 Layer 2(MAC Layer, Medium Access Control Layer)에서의 이동성 지원 기술뿐만 아니라 Layer 3(Network Layer)에서의 이동성 지원 프로토콜이 필요하며, 사용자가 이동 중에도 원활한 서비스를 제공받기 위해서는 핸드오버(Handovcr)의 지연 시간을 최소화 시켜야 한다. 따라서 본 논문에서는 IPv4 기반의 와이브로 망에서의 핸드오버 지연 단축 기법을 제안한다. 제안된 방법을 이동 단말(MS, Mobile Station)이 수신하는 신호 강도의 예측 값을 바탕으로 크로스 레이어 (Cross-Layer)기반의 고속 핸드오버 기법 (Fast Handover Scheme)을 적용하며, 지수평활법 (Exponential Smoothing Method)을 사용하여 예측 값을 계산한다. 모의 실험을 통해 기존의 방법과 제안된 방법을 비교, 분석하여 핸드오버 지연 시간의 단축을 증명한다.

Development of high-speed Internet services and the increased supply of mobile devices have become the key factor for the acceleration of ubiquitous technology. WiBro system, formed with lP backbone network, is a MBWA technology which provides high-speed multimedia service in a possibly broader coverage than Wireless LAN can offer. Wireless telecommunication environment needs not only mobility support in Layer 2 but also mobility management protocol in Layer 3 and has to minimize handover latency to provide seamless mobile services. In this paper, we propose a fast cross-layer handover scheme based on signal strength prediction in WiBro environment. The signal strength is measured at regular intervals and future value of the strength is predicted by Exponential Smoothing Method. With the help of the prediction, layer-3 handover activities are able to occur prior to layer-2 handover, and therefore, total handover latency is reduced. Simulation results demonstrate that the proposed scheme predicts that future signal level accurately and reduces the total handover latency.

To cope with the rapidly increasing demand for Recreational Forest, the ability to provide accurate visitor flow forecasts became very important. The government would be able to invest properly and effectively to build various infrastructures and programs based on correct visitor demand forecasting. This study aims to identify the appropriate model and forecast visit demand of Recreational Forest, which is one of the representative infrastructures of forest recreation in Korea. In order to develop a forecasting model, the dataset of monthly visitors to Recreational Forest during 2009-2015 were used and two time series methods - Seasonal ARIMA and Exponential Smoothing - were employed. The results show that Winters Additive model was selected as the most appropriate model to forecast visit demand of Recreational Forest based on index of Mean Absolute Percentage Error. This study will make a great academic contribution to identify visit demand for Recreational forest by systematic and scientific methods. However, this model is not the only method available for forecasting demand. Since there are many other kinds of forest recreation infrastructures in accordance with different purposes, other kinds of forecasting methods should be adopted for better projection later on.

최근 LSTM(Long Short-Term Memory)모델에 대한 연구는 강수-유출 분석에서의 성능은 기존 물리 기반 강우-유출 모델에 비해 더 우수한 성과를 보여주고 있습니다.. 그러나 데이터 품질관리는 LSTM과 같은 Data-Driven모델에서는 모델의 성능 향상을 위해 여전히 중요한 요소입니다. 본 연구에서는 기존 단순 물수지 분석법(Simple Water Balance method)으로 추정된 시간단위 유입량의 변동성을 감소시키기 위해 이벤트 식별(Event Identification) 및 지수 평활화(Exponential Smoothing) 방법(EI&ES)을 적용하여 데이터 전처리를 하였습니다. 이후 (1) 기존방법, (2) 이동평균, (3) EI&ES방법으로 12가지 Cases에 대해서 LSTM모델을 NSE(Nash-Sutcliffe Efficiency), RMSE(Root Mean Square Error), MSE(Mean Squared Error)와 같은 성능 지표로 평가한 결과, EI&ES방법이 높은 성능을 보임을 알 수 있었습니다. 본 연구는 새로운 딥러닝 방법뿐만 아니라, 딥러닝 성능을 향상시키는 데 중요한 데이터 중심 연구를 강수-유출 분석의 사례로 제시하고 있습니다.

The performance of LSTMs in analyzing rainfall-runoff dynamics has demonstrated better performance over the physically-based hydrological models. However, data quality remains crucial to further improve the performance of LSTM. In this study, we applied the Integration of Event Identification & Exponential Smoothing (EI & ES) methods to reduce the fluctuations in inflow estimation, which are typically calculated by the Simple Water Balance method. The preprocessed inflow data was then used to train a LSTM, demonstrating a noticeable improvement with 12 different inflow preprocessing cases in performance metrics such as NSE, RMSE, and MSE for hourly dam inflow prediction. This research presents not only new deep learning methods but also data-centric research that is critical to improving the performance of deep learning as an example of rainfall-runoff analysis.

본고는 2001년 1월부터 2009년 12월까지 제주도 관광객 시계열 자료를 기초로, 2010년 1월부터 2011년 12월까지 윈터스 지수평활법으로 수요예측을 실행한 것이다. 2011년 5월까지는 실제치가 있어 시계열 예측치와 비교하였고, 2011년 6월부터 12월까지는 예측치만 제시하였다. 수요예측 결과, 윈터스 지수평활법에 의한 예측치가 실제치와 비교적 유사한 형태를 나타내고 있음을 알 수 있었다. 최근 한류열풍과 제주도 올레길 개발로, 2010년 1월부터 2011년 5월까지 수요예측기법을 통해 예측한 예측치보다 더 많은 관광객들이 제주도를 방문하고 있음을 확인하였다.

Since tourism is the most important economic activity in Jeju island, predicting the tourism demand of Jeju is the key to understanding the overall regional market situation. This paper will discuss the forecast of tourism demand in Jeju island and the vision of tourism policy. This study starts with a trend analysis by using Winters' exponential smoothing model with time series data from January 2001 to December 2009. This forecasting model's accuracy was tested by MAPE and Theil-U. The result shows that Winter's model accuracy is within-sample forecast on the basis of MAPE and Theil-U.

본고는 2004년 1월부터 2014년 12월까지 수원시 관광객 시계열 자료를 기초로, 2015년 1월부터 2015년 12월까지 윈터스지수평활법으로 수요예측을 실행한 것이다. 총 11년의 실제치로 2015년 관광객 수요예측을 실시하였다. 수요예측 결과, 윈터스지수평활법에 의한 예측치가 실제치와 비교적 유사한 형태를 나타내고 있음을 알 수 있었다. 수원시는 근래에 들어 수원화성문화제(2014년, 제51회)가 안정적으로 정착이 되고, 2013년 10월 이후 매년 10월 100만이 넘는 관광객이 방문하고 있다. 최근 수원 KT 야구단 창단으로 관광객들은 더욱 증가될 것으로 예상된다. 수원화성문화제가 열리는10월에만 100만 명이 초과하고 있어, 기타 비수기에 대한 과제는 여전히 남아 있다. 즉 10월 외에도 야구 경기 관람을 위해 방문하는 야구팬들을, 인근 관광지와 연계하여 체재 시간을 연장해 방문하는 주요 목적 관광지가 될 수 있도록 노력해 나갈 필요가 있다.

Since tourism is the most important economic activity in Suwon-City, predicting the tourism demand of Suwon is the key to understand the overall regional market situations. This paper discusses the forecast of tourism demand of Suwon and the vision of tourism policy. This study starts with the trend analysis by using Winters' exponential smoothing model with time series data from January 2004 to December 2014. The accuracy of this forecasting model was tested by MAPE and Theil-U. The result shows that the accuracy of the Winter's model is within-sample forecast on the basis of MAPE and Theil-U.

본고는 2005년 1월부터 2012년 12월까지 익산시 관광객 시계열 자료를 기초로, 2013년 1월부터 2013년 12월까지 윈터스 지수평활법으로 수요예측을 실행한 것이다. 2013년 3월까지는 실제치가 있어 시계열 예측치와 비교하였고, 2013년 4월부터 12월 까지는 예측치만 제시하였다. 수요예측 결과, 윈터스 지수평활법에 의한 예측치가 실제 치와 비교적 유사한 형태를 나타내고 있음을 알 수 있었다. 익산시는 최근에 주목할 만한 관광관련 사업 및 이벤트가 없었으나 인접한 전주시의 한옥마을 방문객 또는 부안-군산시의 새만금 방조제 방문객 등의 연계관광으로 인한 영 향을 받았을 것으로 판단된다. 이와 같은 현상이 계속된다면 익산시는 이들 연계관광객 들을 좀 더 많이 유도할 수 있도록 노력해야 하며, 나아가 익산시 관광지도 주요 목적 관 광지가 될 수 있도록 관심을 가지고 다방면으로 노력해야 할 것이다.

Since tourism is the most important economic activity in Iksan City, predicting the tourism demand of Iksan is the key to understand the overall regional market situations. This paper discusses the forecast of tourism demand of Iksan and the vision of tourism policy. This study starts with the trend analysis by using Winters' exponential smoothing model with time series data from January 2005 to December 2012. The accuracy of this forecasting model was tested by MAPE and Theil-U. The result shows that the accuracy of the Winter's model is within-sample forecast on the basis of MAPE and Theil-U.

본 논문에서는 자기회귀 신경망 모형과 지수평활법을 결합(NNARX+ETS 모형)하고 그 성능을 평가한다. 제안된 결합 모형은 시계열 자료를 예측하기 위하여 NNARX 모형의 외생변수로서 ETS 모형의 구성 성분을 활용한다. 이 모형의 주요 아이디어는, 신경망 모형이 원시계열 자료의 과거 시차만을 고려하는 것을 한계를 넘어서서 전통적 시계열 예측 방법인 지수평활법에 의해서 추출된 정제된 시계열 구성 성분까지도 추가로 신경망 모형의 입력값으로 사용하는 것이다. 예측 성능 평가는 2가지 실제 시계열 자료를 사용하였으며 제안된 모형을 NNAR 모형 및 전통적 시계열 분석 방법인 ETS와 ARIMA 모형과 비교하였다.

This paper evaluates the performance of the neural network autoregressive model combined with an exponential smoothing model, called the NNARX+ETS model. The combined model utilizes the components of ETS as exogenous variables for NNARX, to forecast time series data using artificial neural networks. The main idea is to enhance the performance of NNAR using only lags of the original time series data, by combining traditional time series analysis methods with the neural networks through NNARX. We employ two real data for performance evaluation and compare the NNARX+ETS with NNAR and traditional time series analysis methods such as ETS and ARIMA (autoregressive integrated moving average) models.

The purpose of this study is to provide meaningful information for various stakeholders' decision-making process through forecasting of domestic beef demand. Three different exponential smoothing models were evaluated, and a double exponential smoothing model was used to forecast domestic beef demand based on time-series data, As a result of the forecast, domestic beef consumption is expected to increase by 37,000 to 40,000 tons per year from 2020 to 2025.

본 논문에서는 지수평활을 이용한 법원경매 정보 시스템의 낙찰가 예측 방법을 제안하였다. 이 시스템은 권리분석을 위하여 낙찰가를 예측하고, 낙찰예측가에 따라 배당 정보를 제공하도록 설계되어 있으며 이를 구현하기 위하여 물건 자료의 입력 인터페이스와 정보 제공을 위한 웹 인터페이스를 구축하였다. 자료 입력 인터페이스는 자료의 입력, 수정, 삭제 기능을 가지며, 웹 인터페이스는 법원경매 물건을 중심으로 관련 정보를 제공한다. 실시간 정보 제공에 초점을 두고 자동 권리분석이 가능하도록 하기 위하여 낙찰가를 시계열 자료로 표현하여 지수평활을 이용한 낙찰예상가를 예측하는 방법을 제안하고, 기존의 방법과 비교 실험을 통하여 제안방법의 유효성을 검증한다.

This paper proposes a forecasting method for court auction information system using exponential smoothing. The system forecast a highest bid price for claim analysis, and it is designed to offer an quota information by the bid price. For this realization, we implemented input interface of object data and web interface of information support. Input interface can be input, update and delete function and web interface is support some information of court auction object. We propose a forecasting method using exponential smoothing of a highest bid price for auto-claim analysis with real time information support and the results are verified the feasibility of the proposed method by experiment.

최근에 인터넷을 통한 전자경매가 보편화되면서 경매 물품의 가격 결정에 대한 관심이 증가하고 있다. 또한, 경매물품의 낙찰가를 판매자가 결정하거나 정보 검색이론의 사례 유사도에 기초하여 생성하는 에이전트가 연구되고 있다. 그러나, 이것은 경매 물품에 대한 최근의 변화 요인을 반영하지 못하고, 상품 추천에서 사용하는 사례 유사도를 가격 결정에 적용하여 잘못된 가격이 생성되는 경우가 많다. 본 논문에서는 이러한 문제점을 해결하고자 시계열 예측에서 사용하는 지수평활법을 이용하여 최근의 경매자료로부터 경매 등륵 물품의 낙찰 예정가를 자동으로 생성하는 시스템을 제안한다. 성능 실험 결과, 본 시스템을 사용할 경우에 경매 물품의 실제 낙찰가와 차이를 줄여 낙찰률을 높이고, 경매 물품의 객관적인 가격형성이 가능함을 보인다. 또한 기존의 사례 유사도를 이용한 낙찰 예정가 생성 방식과의 성능 비교를 통하여 새로운 방법의 효율성을 나타낸다.

A technique computing short-term load foadcasting is essential for monitoring and controlling power system operation. This paper shows the use of general exponential smoothing to develop an adaptive forecasting system based on observed value of hourly demand. Forecasts of hourly load with lead times of one to twenty-four hours are computed at hourly intervals throughout the week. Standard error for lead times of one to twenty-four hour range from three to four percent average load. Studies are planned to investigate the use of weather influence to increase forecast accuracy.

전력 수요 예측은 전력계통 운용 및 계통 개발의 기본이 되는 것으로 예측의 적부가 전력공급의 신뢰성과 경제성에 미치는 영향이 대단이 크다. 본 논문에서는 예측정도가 높고 운용시 간편성을 지닌 R.G.Brown에 의해 제시된 3중 지수평활법을 이용하여 장기 최대전력수요를 예측하였다. 평활함수는 전체 과거 관측의 선형 결합이고 과거 관측에 주는 가중은 오래된 과거일수록 지수적으로 감소시킨다. 지수평활의 근본 이론은 지수평활의 (n+1)차의 선형결합으로 n차 다항식 모델에서 (n+1)개의 계수추정이 가능함을 보여준다. 이 기법을 이용하여 한국전력 실 계통에 최대전력 수요를 예측한 결과 예측의 정확성과 간편성이 입증되었다.

Forecasting of electric power demand has been a basic element for electric power system operation and system development, and it's accuracy has very strong influence on reliability and economical efficience of power supply. So, in this paper, long―term maximum electric power demand has been forecasted by using the triple exponential smoothing method initiated R.G.Brown. It has been regarded this method as high accuracy and operational convenience. The smoothing function is a liner combination of all past observations and the weight given to previous observations decreases geometrically with age.

This study predicts the future world seaborne trade volume with econometrics methods using 23-year time series data provided by Clarksons. For this purpose, this study uses simple regression analysis, exponential smoothing method and seemingly unrelated regression model (SUR Model). This study is meaningful in that it predicts worldwide total seaborne trade volume and seaborne traffic in four major items (container, bulk, crude oil, and LNG) from 2019 to 2023 as there are few prior studies that predict future seaborne traffic using recent data. It is expected that more useful references can be provided to trade related workers if the analysis period was increased and additional variables could be included in future studies.

The primary purpose of this paper is to compare accuracy of various exponential smoothing models in order to suggest the best forecasting model, together with appling exponential smoothing model proposed by Pegels and Gardner. To this end, quarterly tourist time series data for Japanese and Chinese tourists were used from the period 1992:1-2007:4. Accuracy of forecasts was evaluated by the measures of MAPE and Theil's U statistics. The empirical results show that Pegels' and Gardner's models outperformed other competing smoothing models. In particular, multiplicative trend models for Chinese tourists performed best, while no trend and damped trend models outperformed other models in testing period.

본 논문은 단변량 지수평활법의 확장된 형태인 다변량 지수평활법을 소개하고 다변량 시계열 분석에 활용한다. 다변량 지수평활법은 한 개의 오차를 기반으로 하는 상태공간모형을 이용하여 추정의 편리성을 제고하며, 다변량 시계열간의 잠재적인 상호연관성을 활용하여 적합도 및 예측력을 향상시킨다. 다변량 지수평활법의 성능을 평가하기 위하여 월별 원/달러 및 원/파운드 환율자료를 분석하고 예측한다. 대안 모형의 예측 결과와 비교하여 다변량 지수평활법의 우수성을 확인한다.

We introduce multivariate exponential smoothing models based on a vector innovations structural time series framework. The models enable us to exploit potential inter-series dependencies to improve the fit and forecasts of multivariate (vector) time series. Models are applied to forecast the exchange rates of the UK pound (UKP) and US dollar (USD) against the Korean won (KRW) observed on monthly basis; subseqently, we compare their performance with alternative models. We observe that the multivariate exponential smoothing models are superior to alternatives.

This study presents the empirical results of comparing several demand forecasting methods for Supply Chain Management(SCM). Adaptive exponential smoothing using change detection statistics (Jun) is compared with Trigg and Leach's adaptive methods and SAS time series forecasting systems using weekly SCM demand data. The results show that Jun's method is superior to others in terms of one-step-ahead forecast error and eight-step-ahead forecast error. Based on the results, we conclude that the forecasting performance of SCM solution can be improved by the proposed adaptive forecasting method.

This study presents the empirical results of comparing several demand forecasting methods for Supply Chain Management(SCM). Adaptive exponential smoothing using change detection statistics (Jun) is compared with Trigg and Leach's adaptive methods and SAS time series forecasting systems using weekly SCM demand data. The results show that Jun's method is superior to others in terms of one-step-ahead forecast error and eight-step-ahead forecast error. Based on the results, we conclude that the forecasting performance of SCM solution can be improved by the proposed adaptive forecasting method.