Earticle

반도체 제조 공정에서 사용되는 원자재의 안정적인 공급은 생산 라인의 연속성을 유지하는 데 핵심 요소이다. 특히 저장탱크에 보관되는 특정 원자재는 잔량이 임계 수준에 도달하기 전에 적시에 탱크로 리로 납품되어야 하며 이를 위한 정확한 일정 예측이 요구된다. 그러나 납품 일정 계획수립을 영업담 당자의 수작업으로 진행하는 경우가 많아 효율성과 정확성에 한계가 존재한다. 본 연구는 고객사의 실 시간 저장탱크 데이터를 기반으로 통계 기반의 ARIMA와 딥러닝 기반의 LSTM을 결합한 하이브리드 시계열 예측 모델을 통해 탱크로리 납품 일정을 예측하는 시스템을 제안한다. 데이터는 RPA 기술로 수집하고 전처리 과정을 거쳐 예측 모델을 통해 수기 예측 대비 효과적인 납품 일정을 예측하는 시스 템을 구현한다. 본 연구는 탱크로리 납품 일정의 예측 정밀도를 향상시키고 제조 물류 운영의 자동화 기반 구축에 기여할 수 있는 실용적인 시스템을 제안한다.

ITS기반의 도로 유지관리에 불특정한 교통패턴과 우발적 행태(교통사고, 도로공사 등)의 예측은 효율적 교통 제어 및 유도 를 위해 필연적인 요소가 되었다. 따라서 본 연구는 규칙성과 불규칙성을 내재한 시계열 자료인 서울외곽순환도로의 남부에 위치한 성남TG를 대상으로 ARIMA 모형을 활용한 교통량 예측을 수행한다. 연구의 결과로 오전 첨두시간(07-09시) 및 오후 첨두시간(18-20시)에 대한 예측력이 실측값과 MAPE 7.86~7.98%만큼, MAE는 27.86~30.52veh차이로 비교적 우수하게 나 타났으며, 이는 도로 내 차량이 급격하게 쌓이는 시각에 대해 보다 자세한 접근으로 향후 더 넓은 범위의 항목을 포함할 수 있는 교통사고 예측분석을 수행할 수 있을 것으로 판단된다.

The research discusses the implementation of control charts tools of MINITAB which are classified according to the type of data and the existence of subgrouping, weight and multivariate covariance. The paper presents the three integrated models by the use of zone, multivariate T2-GV(Generalized Variance) and ARIMA(Autoregressive Integrated Moving Average).

본 논문에서는 IEEE 802.16e 네트워크 환경에서 기지국이 받은 트래픽을 예측하여 백본 네트워크에서의 대역폭 프로비저닝 방법을 제안한다. 트래픽은 4개의 클래스로 정의하고 각 클래스 별 트래픽을 박스-젠킨스의 시계열 분석법을 사용하여 예측하였다. 이를 바탕으로 프로비저닝을 진행하고 링크의 최대 대역폭을 초과하는 트래픽에 대해서 각 클래스의 우선순위를 최적으로 만족시키는 프로비저닝 방법을 제시하고 우선순위를 고려하지 않은 경우와 비교하였다. 또한 클래스 별 대역폭을 고정적으로 프로비저닝한 경우와 비교하여 패킷의 손실 및 QoS 보장률의 성능이 향상됨을 증명하였다.

In this paper, we propose a dynamic bandwidth provisioning method based on traffic forecasting in IEEE 802.16e packet core network. The traffic is categorized as 4-different classes and the traffic amount of each class is forecasted by the Box-Jenkins method. To increase the service provider’s revenue we provision the bandwidth of 4-different classes dynamically using greedy algorithm. The simulation results show that the number of packet drops is reduced and the level of QoS is improved compared with two different the methods - no priority considering and static provisioning.

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.

As the requirement on the quality of the system has increased, the reliability is very important part in terms of enhance stability and to provide high quality services to customers. Many statistical models have been developed in the past years for the estimation of software reliability. We consider the functions for NHPP software reliability model and time series model in software failure data. We estimate parameters for the proposed models from three data sets. The values of SSE and MSE is presented from three data sets. We compare the predicted number of faults with the actual three data sets using the NHPP software reliability model and time series model.

본 연구는 국내 전력시장의 계통한계가격(SMP)에 대해 약 5개월 이후의 상승․하락 방향을 예측하는 중기 구간추정 프레임워크를 제안하고, 딥러닝과 전통 통계 모형을 정교하게 비교․평가한다. SMP, 두바이유, USD/KRW, 장단기 금리차, 기온으로 구성된 다변량 입력에 대해 특성별 맞춤 전처리(차분, 이동평균, 정규화)를 적용하고, 5-fold 교차검증과 그리드서치를 통해 공정한 모형 선택과 하이퍼파라미터 최적화를 수행하였다. 차분을 적용하지 않은 MLP가 가장 뛰어난 분류 성능을 보였으며(Validation Loss 0.2553, Accuracy 91.97%, F1 0.9234, AUC 0.9601), LSTM은 차분 적용 시 안정성은 개선되었으나 AUC(0.8782)에서 MLP에 미치지 못했다. 반면 ARIMA 및 지수평활은 BCE(3.454-4.901)와 MAPE(22-33%)가 높아 방향성 판별에 한계를 드러냈고, ElasticNet 점추정 역시 RMSE ≈ 43 KRW/kWh, R² ≈ 0.30으로 실무적 활용성이 제한적이었다. LIME 분석을 통해 MLP는 유가와 금리차 등 거시 변수에, LSTM은 지연된 SMP 패턴에 상대적으로 의존함을 확인하였다. 본 연구는 단기․점추정에 치우친 기존 문헌과 달리, 중기 시계의 방향성 신호를 다변량․전처리 ․모형 선택이 상호 공적응하는 구조로 실증했다는 점에서 의의가 크다. 제시된 5개월 선행 신호는 연료비 연동제와 SMP 상․하한제 같은 정책 시뮬레이션, 발전사와 전력구매자의 헤지 전략, 산업체의 에너지 조달 의사결정 등에서 실질적 근거를 제공하며, 전력시장 이해관계자의 위험관리와 비용 효율성 제고에 기여할 것으로 기대된다.

We propose a medium-horizon interval-estimation framework that predicts the five-month-ahead direction (up/down) of Korea’s System Marginal Price (SMP) using a multivariate feature set (SMP, Dubai crude, USD/KRW, term spread, temperature) and systematically benchmark deep learning against statistical baselines. Tailored preprocessing (lag differencing, moving averages, min–max scaling) and 5-fold CV with grid search ensure fair comparison. The best model, an MLP without differencing, achieved validation loss 0.2553, accuracy 91.97%, F1-score 0.9234, and AUC 0.9601; LSTM improved with differencing but underperformed (AUC 0.8782). ARIMA/triple smoothing showed higher BCE (3.454–4.901) and MAPE (22-33%), while ElasticNet point forecasts were weak (RMSE ≈ 43 KRW/kWh; R2 ≈ 0.30). LIME reveals MLP’s reliance on macro variables (crude, term spread) versus LSTM’s focus on lagged SMP patterns. Unlike short-term point-forecast studies, we evidence co-adaptation across variables, preprocessing, and model class for medium-horizon directional signals, enabling policy simulation (fuel pass-through, SMP caps/floors) and hedging/procurement decisions that enhance risk management and cost efficiency.

망간은 국내 수요가 많은 광물임에도 불구하고 그동안 가격 예측에 대한 연구는 오랜 기간 이루어지지 않은 상황이다. 그러나 최근 공급망 에 대한 문제가 수면 위로 부상하면서 주요 광물에 대한 공급망 관리를 위한 제도화가 이루어지면서 주요 광물에 대한 국내외 수급동향 및 가격 등에 대한 정보를 요구하고 있다. 본 연구는 이러한 배경하에 핵심광물로 지정된 망간에 대한 가격을 예측하고자 하였다. 2004년 10월부터 2025년 6월까지 망간의 톤당 주별 가격자료를 LSTM 모형에 적용하고 이를 전통적인 가격 예측모형인 ARIMA와 비교하고자 하였다. 분석결과 LSTM 모형의 예측력은 MAPE 2%, MAE 17.80, RMSE 54.72로 비교 방법인 ARIMA에 비해 양호한 예측력을 보였다.

Although manganese is a mineral in high domestic demand, research on price prediction has not been conducted for a long time. However, as supply chain problems have recently emerged to the surface, institutionalization has been made to manage supply chains for major minerals, requiring information on domestic and foreign supply trends and prices for major minerals. Against this background, this study attempted to predict the price of manganese designated as a core mineral. From October 2004 to June 2025, weekly price data per ton of manganese were applied to the LSTM model and compared with ARIMA, a traditional price prediction model. As a result of the analysis, the predictive power of the LSTM model was 2% MAPE, 17.80 MAE, and 54.72 RMSE, showing better predictive power than the comparison method ARIMA.

본 연구는 비용과 효율 두 가지 측면에서의 최적화 전략을 제안하여 정수장의 운영 효율성을 향상시키는 것을 목표로 하였다. 먼저 시간대별 차등 요금제를 활용하여 경부하 시간대에 펌프를 집중 가동시키는 방법을 제안하였다. 또한 시계열 예측 모델 SARIMA(Seasonal Autoregressive Integrated Moving Average)로 예측한 패턴을 기반으로 흡수정의 평균 수 위를 동적으로 조정하였다. 예측 모델은 피어슨 상관계수(rxy)는 0.75, MAE와 MAPE는 각각 423.8 m3, 3.48%로 높은 신뢰성을 보였다. 최적화 전략을 검증하기 위해 EPANET 시뮬레이터로 전력사용량과 전력요금 절감 효과를 분석하였고, 안정적인 용수 공급을 유지하면서 전력요금을 평균 10.9% 절감한 반면, 전력사용량은 평균 18.2% 증가함을 보였다. 향후 연구에서는 최적화 툴을 적용하여 운영 로직을 개선하고, 실제 정수처리 시설 대상 실증 연구를 수행하여 현장 적용성을 평가하고자 한다.

This study aimed to improve the operational efficiency of the water purification plant by proposing a power optimization that balances cost and efficiency. First, the pump was operated intensively during the light-load period using the differential pricing plan. In addition, the average water level of the absorption zone was dynamically adjusted based on the pattern predicted by the time-series model SARIMA (Seasonal Autoregressive Integrated Moving Average). The prediction model showed high reliability, with a Pearson correlation coefficient (rxy) of about 0.75 and MAE and MAPE of 423.8 m3 and 3.48%, respectively. To verify the optimization strategy, the effect of reducing power consumption and power charges was analyzed using the EPANET simulator. To verify the optimization strategy, the EPANET simulator was used to analyze power consumption and energy cost savings. The results showed an average 10.9% reduction in electricity costs while maintaining a stable water supply; an average 18.2% increase in electricity consumption was observed. In future studies, the operational logic is improved by applying an optimization tool, and the applicability of the field is evaluated through empirical research at an actual water treatment facility.

우리나라 전세버스 시장은 이용수요 대비 공급량의 지속적인 증가로 가격 덤핑, 안전관리 미흡 등의 문제점을 야기하고 있다. 이러한 문제를 해결하기 위해 국토교통부는 전세버스 과 잉 공급으로 인해 발생되는 문제를 해결하기 위해 시장의 수요와 공급 상태를 진단하여 차량 증차 여부를 결정하는 수급조절(수요, 공급 조절) 정책을 시행하고 있다. 수급조절 정책의 시행 여부를 결정하기 위해서는 전세버스 수요(이용자)와 공급(전세버스 운행대수)량을 정확히 예 측해야 한다. 본 연구에서는 과거 1983년부터 2024년까지 전세버스를 이용한 이용객수를 수요 량으로 보고, 전세버스 등록대수를 공급량으로 하여 향후 2030년까지의 수요, 공급 상황을 예 측하였다. 적용한 예측 방법론은 시계열 분석에 사용하는 지수평활법과 ARIMA 모형을 활용 하였다. 예측 결과, 수요량과 공급량 모두 ARIMA 모형의 예측정확성이 높았다. 예측모형은 2024년부터 2030년까지 수요량과 공급량 모두 지속적으로 증가할 것으로 전망하였다.

Accurately predicting and regulating the supply and demand of charter buses is essential for establishing transportation policies and stabilizing the market. However, in recent years, the charter bus market has been faced with a continued rise in supply compared to demand, resulting in issues in the market, such as price dumping by bus operators, inadequate safety management, and the proliferation of contract drivers. In this study, the number of charter bus passengers from 1983 to 2024 was set as the demand volume and the number of charter bus registrations was set as the supply volume to predict the demand and supply situation until 2030. The forecasting methodologies applied in this study are exponential smoothing and ARIMA models, which are commonly used in time series analysis. The results showed that the ARIMA models outperformed exponential smoothing in terms of predictive accuracy. Based on the results, it is projected that both demand and supply for chartered buses will continue to rise from 2024 to 2030

전 세계적으로 물가가 크게 치솟고 있다. 특히 이중에서 최근 농산물 가격이 급등하고 있다. 농산물은 인간 생존에 필수적이며 일상에 직접적인 영향을 미치기 때문에 매우 민감한 이슈이다. 더욱이 코로나19 팬데믹 현상과 우크라이나-러시아 전쟁이 이러한 문제를 악화시키며 농산물 가격 인상을 더욱 가중시키고 있다. 이로 인해 소비자는 물론, 농산물을 가공하고 생산하는 기업들 역시 큰 부담을 겪고 있는 것이 현실이다. 특히 수입 의존도가 높은 우리나라의 경우 많은 농산물을 해외 시장에 의존하고 있는 관계로 더욱 중요하게 살펴보아야 한다. 그럼에도 불구하고 수입 농산물 가격 예측에 대한 연구는 많이 부족한 실정이다. 본 연구에서는 이러한 배경 속에서 주요 연구 질문(RQs)을 중심으로 수입 농산물 가격 변동에 따라 최종 제품의 소매 가격을 예측하는 인공지능(AI) 모델을 구현한다. 이와 동시에, 코로나19로 인한 공급망 문제, 우크라이나-러시아 전쟁과 같은 글로벌 이슈가 가격 인플레이션에 미치는 영향을 살펴본다. 연구 대상은 주요 수입 농산물로 옥수수, 밀, 대두의 상위 3개 품목을 선정하고, 이들로 제조되는 일상 생활에서 가장 많이 소비되는 가공식품을 중심으로 예측 모델을 구현한다. 이때 농산물이 가공되는 유통 및 제조 과정을 고려하여 주요 변수를 추가한다. 특히, 이들 변수 간의 관계를 상관관계 분석을 통해 분석하고, 빅데이터 분석을 활용하여 예측 모델을 구현하여 가장 높은 예측 정확도를 보이는 모델을 선정한다. 본 연구에서는 VAR 모델이 머신러닝 모델 중 가장 높은 예측 정확도를 보였으며, LSTM 모델이 딥러닝 모델 중 가장 높은 정확도를 보였다. 결론적으로, 본 연구의 학문적 차원에서의 시사점은 국제 원자재 시장과 글로벌 무역이 국내 기업의 생산과 유통에 미치는 영향을 인공지능 모델을 통해 과학적으로 분석하고 제안한다. 또한, 본 연구는 코로나19 팬데믹으로 인한 원자재 공급 차질을 체계적으로 규명하고 설명한다. 더 나아가, 본 연구의 실무적 시사점은 본 연구를 활용함으로써 기업은 수입 농산물의 가격 변동이 최종 제품의 가격 결정에 미치는 영향을 파악할 수 있으며 이를 통해 기업은 예측 모델을 적용하여 최종 제품 가격 변화에 선제적으로 대응할 수 있다. 또한, 기업은 수입 농산물 가격과 최종 제품 소매 가격 간의 관계를 확인함으로써 국내외 유통 과정에서 발생하는 비용을 보다 명확하게 이해할 수 있습니다. 이는 유통 구조 혁신에 기여할 수 있다.

Globally, prices are soaring, and among these, agricultural product prices are experiencing significant increases. Agricultural products are essential for human survival and have a direct impact, making this a highly sensitive issue. This problem has been further exacerbated by the COVID-19 pandemic and the Ukraine-Russia war, leading to even greater price hikes. Consequently, this situation places a considerable burden not only on consumers but also on the companies that process and produce these agricultural products. In particular, South Korea, a country with a high dependency on imports, relies on foreign markets for many agricultural products. However, despite this reliance, there is a lack of research on predicting the prices of imported agricultural products. For this reason, this study implements an AI model that predicts the retail prices of final products based on fluctuations in the prices of imported agricultural products, focusing on key research questions (RQs) and the distribution process. In addition, it examines the impact of global issues such as supply chain disruptions caused by COVID-19 and the Ukraine-Russia war on price inflation. In this study, the top three imported agricultural products―corn, wheat, and soybeans―are selected as key imported agricultural items, and the prediction model is implemented focusing on the processed foods most commonly consumed in daily life that are manufactured from these products. At this time, key variables are added by taking into account the distribution and manufacturing processes involved in the processing of agricultural products. Specifically, the relationships between these variables are analyzed through correlation analysis, and a prediction model is implemented using big data analysis to select the model with the highest prediction accuracy. In this study, the VAR model showed the highest prediction accuracy among machine learning models, while the LSTM model demonstrated the highest accuracy among deep learning models. In conclusion, the academic implications of this study demonstrate that the impact of the international commodity market and global trade on the production and distribution of domestic companies can be scientifically analyzed and proposed through AI models. Additionally, the study systematically identified and explained the raw material supply disruptions caused by the COVID-19 pandemic from an academic perspective. Furthermore, the practical implications of this study for companies are significant. By utilizing this research, companies can identify how price fluctuations in imported agricultural products affect the pricing of final products. It allows them to proactively respond to changes in the prices of final products by applying the forecasting model. Additionally, companies can confirm the relationship between the prices of imported agricultural products and the retail prices of final products, gaining a clearer understanding of the costs incurred during domestic and international distribution processes. It can be used to drive innovations in the distribution structure.

최근 클라우드 서비스 사용이 확산하면서 클라우드 보안의 중요성이 증가하였다. 본 연구의 목적은 클라우드 보안 분야의 최근 연구 동향을 분석하고 시사점을 도출하는 것이다. 이를 위해 2010년부터 2023년까지 국가과학기술지식정보서비스(NTIS) 에서 제공하는 R&D 과제 데이터를 활용하여 클라우드 보안 연구 동향을 분석하였다. LDA 토픽모델링과 ARIMA 시계열 분 석을 통해 클라우드 보안 연구의 핵심 토픽 15개를 도출하였으며, AI를 활용한 보안 기술, 개인정보 및 데이터보안, IoT 환경 에서의 보안 문제 해결이 연구에서 중요한 영역임을 확인했다. 이는 클라우드 기술의 확산과 기반 시설의 디지털 전환으로 인해 발생할 수 있는 보안 위협에 대응하기 위해 관련 연구가 필요함을 시사한다. 도출된 토픽들을 기반으로 클라우드 보안 분야를 네 가지 범주로 나누어 기술참조모델을 정의하였으며, 전문가 인터뷰를 통해 해당 기술참조모델을 개선하였다. 본 연구는 클 라우드 보안 발전의 방향을 제시하며 학계 및 산업계에 미래 연구와 투자에 대한 중요한 지침을 제공할 것으로 기대된다.

Recent expansion in cloud service usage has heightened the importance of cloud security. The purpose of this study is to analyze current research trends in the field of cloud security and to derive implications. To this end, R&D project data provided by the National Science and Technology Knowledge Information Service (NTIS) from 2010 to 2023 was utilized to analyze trends in cloud security research. Fifteen core topics in cloud security research were identified using LDA topic modeling and ARIMA time series analysis. Key areas identified in the research include AI-powered security technologies, privacy and data security, and solving security issues in IoT environments. This highlights the need for research to address security threats that may arise due to the proliferation of cloud technologies and the digital transformation of infrastructure. Based on the derived topics, the field of cloud security was divided into four categories to define a technology reference model, which was improved through expert interviews. This study is expected to guide the future direction of cloud security development and provide important guidelines for future research and investment in academia and industry.

제10차 전력수급기본계획(22~36)에 따라, 한전에서는 단기(주간) 전력수요예측을 통한 안정적 전력공급 환경 유지를 위해 단기, 중기(5년), 장기(15년)의 전력 수요 예측을 시행(22년~36년)하고 있다. 이에 2년 마다 16년간 지역별 수요 예측 시행하고 있으며 수요 예측모델의 현행화 또는 변경에 많은 비용과 시간을 투입하고 있다. 본 연구에서는 제주를 대상으로 제주관내 변전소의 시간대별 최대 사용량 추이를 분석하여 최대전력수요가 예상되는 시간대와 부하량을 예측해 본다. 부하량 예측은 머신러닝 기법인 XGBoost과 LSTM 등을 이용하여 분석하고, 제주 지역 부하와 기상상황을 고려하여 전력수요량 예측에 필요한 기상 변수와 전력사용 패턴에 따른 알고리즘에 미치는 영향을 연구하고자 한다

2023년 8월 3일, 서현역 부근의 판매시설과 운송시설이 맞닿아 있는 다중이용시설에서 차량돌진 및 흉 기난동으로 인한 묻지마 범죄가 발생했다. 운전자가 차량을 인도로 몰아 보행자들을 친 후, 백화점 내부 로 들어가 흉기를 휘두르며 총 14명의 피해자가 발생했다. 이 사건 이후, SNS에는 다수의 살인예고 글이 게시되어 많은 사람들이 불안에 떨었으며, '살인예고 지도' 서비스의 등장으로 전국적으로 불안감이 확 산되었다. 본 연구는 연구목적: 다중이용시설의 이용객과 직원을 보호하는 민간경비원(보안요원)이 업 무를 효과적으로 수행하기 위해 필요한 제도적 개선사항을 고찰하고자 하였다. 연구방법: 묻지마 범죄 와 같은 강력범죄의 위험을 파악하기 위해, 시계열 분석을 통한 ARIMA 모델을 사용하여 국내 발생 추이 를 분석하였다. 또한, 연구결과 및 결론: 해외 민간경비원의 무기 사용에 대한 면책권과 무기 이외의 업 무 권한에 대한 법적 분석을 통해 국내 경비업법의 개선사항과 다중이용시설 위기상황 매뉴얼 개선방안 을 제시하였다.

On August 3, 2023, a brutal incident of unprovoked violence, termed as "Abnormal motivated crime," occurred in a multi-use facility, where retail and transportation facilities converge, near Seohyeon Station. The assailant drove onto the sidewalk, hitting pedestrians, and then entered a department store where a knife rampage ensued, resulting in a total of 14 victims. In the aftermath of this incident, numerous murder threats were posted on social media, causing widespread anxiety among the public. This fear was further exacerbated by the emergence of a "Terrorless.01ab.net" service. Purpose: This research aims to explore necessary institutional improvements for private security personnel who protect customers and employees in multi-use facilities, to enable them to perform their duties more effectively. Method: To assess the risk of Abnormal motivated crime, a time series analysis using the ARIMA model was conducted to analyze the domestic trends of such crimes. Additionally, Result: the study presents suggestions for improvements in the domestic security service law and emergency manuals for multi-use facilities. Conclusion: This is informed by a legal analysis of the indemnity rights for weapon use by private security guards abroad and their operational authority beyond weapon usage.

본 연구에서는 도로교통분야의 계획, 설계, 유지관리, 연구 등 다양한 목적으로 활용되고 있는 교통량 데이터의 정확도 확보를 위해 시계열 분석 기법을 적용하여 교통량 데이터의 보 정 및 예측을 수행하였다. 기존 알고리즘의 경우 주기성 및 계절성이 강하거나 불규칙한 데이 터에 한계를 보이고 있어 교통량 데이터와 같은 자료에 적용하기에는 한계가 있다. 이러한 한 계점을 극복하고 보완하기 위해 ARIMA 모형에 자기상관 모형인 SAR(Seasonal Auto Regressive)과 계절 이동평균 모형인 SMA(Seasonal Moving Average)가 결합된 분석 기법인 SARIMA 모형을 적용하였다. 분석결과 최적 파라미터 조합인 SARIMA(4,1,3)(4,0,3) 12 모형을 활용한 교통량 예측 결과 평균 85% 정도의 우수한 성능을 보였다. 본 연구를 통해서 교통량 데이터의 결측 발생 시 교통량 보정 및 예측의 정확도를 높일 수 있으며, 교통량 데이터 외에 도 계절성에 영향을 받는 시계열 데이터에 적용이 가능하다.

In this study, a time series analysis technique was applied to calibrate and predict traffic data for various purposes, such as planning, design, maintenance, and research. Existing algorithms have limitations in application to data such as traffic data because they show strong periodicity and seasonality or irregular data. To overcome and supplement these limitations, we applied the SARIMA model, an analytical technique that combines the autocorrelation model, the Seasonal Auto Regressive(SAR), and the seasonal Moving Average(SMA). According to the analysis, traffic volume prediction using the SARIMA(4,1,3)(4,0,3) 12 model, which is the optimal parameter combination, showed excellent performance of 85% on average. In addition to traffic data, this study is considered to be of great value in that it can contribute significantly to traffic correction and forecast improvement in the event of missing traffic data, and is also applicable to a variety of time series data recently collected.

Background/Objective: The purpose of this paper is to reveal the effect of real exchange rate changes on export-import proportion and industries’ export or import proportion under the average wage ratio change using ARMA. Methods/Statistical analysis: Using ARMA and Panel data Model, after inferring a new formula according to the firms’ heterogeneity model and rural-led real exchange rate appreciation (RERA) model. Findings: Given the average changes of wage ratio, the real exchange rate appreciation can lead to the decrease of proportion of export industries, lead to the increase of proportion of import industries, vice versa. Improvement/Application: To further verify these effects, the robust estimations in ARMA and Panel data model using monthly industry-data from manufacturing industry-data (1996-2019, inedible raw material, chemical products and machinery-transportation equipment) and the whole export industry-data (1994-2019) between the U.S. and China suggest the similar results.

관광산업은 사이판과 같은 작은 섬에서는 매우 중요한 산업이다. 과거 대부분의 관광 예측연구는 관광산업의 공급 측면(예를 들어 호텔, 식당, 교통, 혹은 위락시설)만을 중심으로 관광산업의 지속가능성을 연구하였다. 혹은, 수요 측면을 중심으로 연구한 경우에도 규모가 큰 섬이나 나라에 초점을 두었기 때문에, 관광업이 경제에서 가장 중요한 비중을 차지하는 작은 섬나라의 경우에는 직접적으로 적용하기 힘들다는 한계점이 있었다. 본 연구는 기존연구에서 다루지 않았던 작은 섬 지역의 관광산업에서 수요 측면을 통한 지속적인 성장에 관한 것이다. 특히, 사이판 지역의 관광 수요를 예측하고자, 사용 가능한 예측 모형의 정확성을 검토한 후 적합한 모형을 제시하였다. 사이판과 같이 작은 섬은 전체 경제에서 관광산업이 차지하는 비중이 매우 중대하므로 관광 수요 예측은 중앙 및 지방정부의 정책입안자에게 중요한 업무일 것이다. 즉 관광 수요 예측의 정확성을 높이기 위해서는 적절한 수요예측모형을 선정하는 것이 더욱 중요하다는 것을 의미한다. 이러한 점에서 본 연구는 기존연구를 확장하여 연구의 완성도를 높였으며, 중요한 정책적 시사점과 공헌 점을 제시하고 있다. 본 연구는 2006년부터 2016년까지 한국, 중국, 일본의 사이판 방문객 수를 Marianas Visitors Authority의 일본 공식 웹사이트에서 추출하였다. 다양한 시계열 추정모형 중에서 본 연구의 분석 방법으로 autoregressive integrated moving average (ARIMA)와 Error-trend-seasonal (ETS) 모델들을 고려하였다. 이 두 가지의 시계열 모형은 시계열 자료에서 흔히 나타나는 계절성(seasonality), 경향(trend), 주기(cycle)와 같은 특성을 통제하기에 적합하다고 알려져 있다. 시계열 분석 방법을 이용하여 2017년의 월별 한국, 중국, 일본의 사이판 방문객 수를 추정하였다. 먼저, 본 연구는 ARIMA와 ETS 모델의 예측 정확성을 비교 검증하였다. 이를 위해 손실함수 (예를 들어 mean error, mean absolute scaled error, mean absolute error, mean percentage error, and mean absolute percentage error)를 이용하였고, 두 모델 중에서 작은 섬의 경우 어떠한 모델이 더 적합한지 판단하였다. 즉, 중국, 일본과 한국에서의 해외 여행객 유입의 시계열 자료를 이용하여 모델 보정 및 다양한 모델의 정확성을 측정하는 변수들을 이용하여 사이판과 같이 작은 섬나라의 경우에 더 적합한 예측모형을 제시하였다. 예측 정확성을 비교해 본 결과 본 연구에 이용되는 시계열 자료에서는 ETS 모델이 예측력이 뛰어난 것으로 나타났다. ETS 모델을 이용해서 2017년 여름철 한국, 중국, 일본의 사이판 방문객 수를 각각 추정하였다 (80%와 95% 신뢰구간). 중국 방문객의 경우 17,912-19,428여 명, 일본 방문객의 경우 4,078-6,350여 명, 한국 방문객의 경우 18,902-20,587여 명으로 추정되었다. 특히, 5월에서 8월 사이의 여행객 숫자의 변화가 크지 않다는 것을 볼 수 있었다. 본 연구의 결과를 통해서 도출할 수 있는 점은 사이판의 지속가능한 관광업을 도입하기 위해 섬에 방문하는 방문객 수에 대한 최대허용치를 관리해야 한다는 것이다. 이는 관광업이 나라 경제에 매우 중요한 요소이기도 하면서 환경과 자연자원과 원주민의 문화 등을 보호하는 것 또한 간과할 수 없기 때문이다. 따라서 이 둘 간의 균형적 발전을 위해서 관광 방문객 수에 대한 상한(cap)을 도입하는 정책적 시도가 필요하다고 본다. 관광산업이 지역경제에 파급효과가 큰 나라의 경우, 본 연구에서 제안되는 추정 모델을 통해 지속적인 경제성장을 이루는 정책 방향을 도출할 수 있을 것이다.

Sustainable tourism, unlike conventional tourism, explicitly strives to maintain economic, environmental, and social sustainability in tourist destinations. Saipan, the capital and the largest island of the chain of Pacific islands known as the Commonwealth of the Northern Mariana Islands (CNMI), is a tropical destination that heavily relies on the tourist industry as a source of income. When analyzing the trends of tourist arrivals from the top three countries that account for the majority of tourist arrivals in Saipan-China, Japan, and Korea-the necessity to implement sustainable tourism in Saipan becomes clear. This article forecasts tourism demand, which is one of the main factors in determining sustainable tourism on a small island. Analyzing both long-term and cyclical trends in tourist arrivals assists budget-constrained policymakers and related organizations in implementing sustainable tourism. Therefore, forecasting accuracy is essential in tourism policy and planning. The tourist arrival data obtained from Marianas Visitors Authority’s official Japanese website are made into a time series for Chinese, Japanese, and Korean visitor data from 2006 to 2016. Given the various time-series forecasting models, we employ simple but powerful forecasting techniques, such as ARIMA and ETS to control for the possible seasonality and trend in our tourism data. Using these forecast methods, the tourist arrival data is used to predict the future trends of tourist arrivals in Saipan for the next twelve months. The performance of our forecasting model in this study is evaluated based on the five measures of accuracy, as measured by comparison with actual tourism flows: mean error, mean absolute scaled error, mean percentage error, mean absolute error, and mean absolute percentage error. A comparison of the two popular forecast techniques in this study shows that the ETS model statistically outperforms the ARIMA model in terms of various measures of accuracy. A practical implication of this finding is that the ETS approach should be used when forecasting tourism demand for small islands. We predict the visitor arrivals from China, Japan, and Korea to Saipan by using the better model. The estimated 80% and 95% intervals for the number of tourist arrivals by the ETS model are presented in this study. The upper (lower) bound is the maximum (minimum) value of the estimated tourist arrivals. We find strong evidence that the tourist arrival trend for Korean visitors to Saipan will increase in the short run; although, the Chinese and Japanese tourist arrival trends seems to be stable, except for Japanese tourist arrivals in August. Nonetheless, with such an intense demand for Saipan’s natural resources, sustainable island tourism becomes necessary. Our estimated result is useful to practitioners in the sense that they are able to prepare for carrying capacities and the means of destination management on Saipan. Proper management for maintaining the island environmentally, economically, and socially requires the preservation of indigenous culture, local quality of life, natural resources, and economic stability while accommodating the demands of arriving tourists. It is crucial to preserve the assets of Saipan in order to maintain and improve its economy. Thus, our time series modeling for forecasting the number of visitors becomes necessary to develop overall economic, environmental, and social sustainability in the island. An interesting addition to implementing sustainable tourism in Saipan is the idea of maintaining a “cap” on the number of incoming tourists visiting the island. Perhaps, with more research on Saipan’s environment, specifically an estimate of how much of the island’s resources tourists exhaust and how much the island can withstand the aforementioned, this “cap” could be practical to prevent perpetual damage to Saipan’s biodiversity, resources, culture, and economy. Along with this idea, knowing the minimum number of tourists needed to sustain Saipan’s necessities is valuable.

본 연구에서는 낙동강 수계 함안 지점의 조류발생 예측을 위한 계절형 단변량 ARIMA 및 다변량 시계열 모델을 구축하고 상호 예측력을 비교하였다. 분석 결과 다변량 시계열 모델의 예측력은 비교적 합리적인 수준으로 평가되었다. 또한, 충격반응분석 결과에서는 Chl-a 자체의 충격이, 장기적으로는 TP가 조류발생에 가장 크게 영향을 미치는 것으로 확인되었으며, 조류발생 변동 예측오차에 대한 조류발생 영향인자들의 기여율을 살펴본 결과, 주로 조류자체(Chl-a) 및 DO, TP 의 기여율이 큰 것으로 확인되었다.

This study set up seasonal univariate ARIMA and multivariate time series model (VECM) for predicting the occurrence of algae at the Haman point of Nakdong river basin system, and compared mutual prediction power. The predictive power of the multivariate time series model was evaluated at a relatively reasonable level of MAPE standard. In addition, Impulse response analysis showed that the Impulse of Chl-a itself, and TP in the long run, have the greatest effect on the generation of algae. The contribution rate of algae generation influential factors to the prediction error of algal generation fluctuation was examined. It was found out that the contribution rate to the past value of Chl-a was the biggest, and the contribution rates of algae itself (Chl-a), DO and TP were the mainstream.