Earticle

이 연구의 목적은 토양가스 라돈농도의 일변화 및 계절변화의 양상을 연구하는 것으로 기반암이 화강암인 서울대학교 관악캠퍼스의 잔류토양에 3개의 모니터링 지점을 설치하여 약 6개월 동안 토양가스 라돈농도 및 기상요소를 측정하였다. 토양가스 라돈농도는 해당지반의 토양조건과 기상요소들과의 상호반응을 통해 변동폭이 매우 큰 계절변화양상을 보였는데 해당기간동안 최고농도는 5,131 pCi/L, 최저농도는 107 pCi/L를 기록하였다. 시계열 분석결과 계절적 변화양상은 ARIMA(2,1,1) 모형에 적합한 것으로 나타났으며 통계적인 분해법을 이용하여 ARIMA(2,1,1) 시계열모형의 성분을 분석한 결과, 추세성분은 겨울철에는 토양층 상부의 동결로 인한 덮개효과의 발생으로 증가하였고, 기온이 상승하여 결빙층이 해빙되는 2월과 3월에는 감소하는 현상을 나타냈다. 그리고, 불규칙 성분의 경우 폭설, 강우, 기온의 급격한 변화 등과 같은 단기간의 기상변화에 의해 변동량이 크게 증가하거나 감소하는 현상을 나타냈다.

The purpose of this study is to investigate the day-to-day and seasonal variations of soil-gas radon concentrations. The monitoring holes were drilled in the vicinity of a laboratory(Seoul National University) on the residual soil profiles that overlie Jurassic granite bedrock. The soil-gas radon level and other meteorologic factors have been measured for 6 months from November, 2000 to April, 2001. The results of long-term study of soil-gas radon concentration in soil revealed that interactions of meteorologic factors (rainfall, snowfall and temperature changes) and soil characteristics govern the radon concentration both on a daily scale and seasonal time scale. Seasonal variation of soil-gas radon concentration was greater than day-to-day fluctuation. The highest radon concentration of 5,131 pCi/L was measured during winter season and the lowest radon concentration of 107 pCi/L was measured during spring season. Time-series analysis showed that seasonal variation patterns fitted well to AutoRegressive Integrated Moving Average, ARIMA(2,1,1) model. The compositions of trend variances and irregular variances from ARIMA(2,1,1) were also calculated by decomposition method. Trend composition showed that soil-gas radon concentrations increased during winter season due to capping effect by surface freezing and decreased during late winter-early spring season due to radon exhalation to ground surface. The variances of irregular compositions were highly governed by the dramatic changes of meteorologic factors such as strong snowfall and rainfall.

본 연구는 2016년부터 2025년까지 국내 명상 중재 연구의 지식 구조와 시계열적 변화를 체계적으로 파악하는 것을 목적으로 하였다. 특히 코로나19 팬데믹을 기점(이전/시기/이후)으로 연구 동향의 변화와 패러다임 전환을 규명하는 데 주안점을 두었다. 2016년부터 2025년까지 국내 KCI 등재(후보) 학술지에 게재된 명상 중재 연구 1,442편을 대상으로 키워드 네트워크 분석을 수행하였다. 정제된 196개의 핵심 키워 드를노드로설정하고,중심성분석및 군집분석을통해연구의구조적특성을파악하였다.전체네트워크분석결과,‘마음챙김’은모든중 심성 지표에서 압도적인 1위를 차지하며 연구 네트워크의 절대적 핵심 허브로 기능하고 있음이 확인되었다6. ‘우울’, ‘스트레스’, ‘불안’ 등의 정신건강 키워드가 높은 중심성을 보이며 핵심 적용 분야임을 입증하였다. 시계열 분석 결과, 명상 중재 연구는 ‘전통 이론 중심기’(코로나 이 전)→‘임상 적용 전환기’(코로나 시기)→ ‘통합 발전기’(코로나 이후)라는 명확한 3단계 패러다임 전환을 겪었음이 실증적으로 드러났다. 전 환기(2020-2023)에는 ‘우울’, ‘스트레스’ 키워드의 중심성이 급상승하며 임상적 위기 대응에 집중하는 양상을 보였으며, 통합 발전기 (2024-2025)에는 ‘위빠사나’의 재부상과 ‘자기자비’의 공고화를 통해 전통 이론과 현대 심리 기제가 통합되는 균형 잡힌 발전 경로로 복귀했 음이 확인되었다. 본 연구는 명상 중재 연구가 외부 충격(코로나 팬데믹)에 민감하게 반응하며 ‘전통 이론→ 마음챙김→자기자비 →정신건강 효과’로 이어지는 통합적 발전 구조로 성숙하고 있음을 제시한다. 이는 명상이 현대 사회의 정신건강 위기 상황에서 학문적 깊이와 임상적 실 용성을 모두 갖춘 과학적으로 검증된 대안적 접근법으로서의 가치를 공고히 한다.

This study aimed to systematically understand the knowledge structure and time-series changes in domestic meditation intervention research from 2016 to 2025. The main focus was to investigate research trend shifts and paradigm transitions before, during, and after the COVID-19 pandemic. Keyword Network Analysis (KNA) was performed on 1,442 domestic meditation intervention studies published in KCI-listed or candidate journals between 2016 and 2025. A co-occurrence frequency matrix was constructed using 196 core keywords as nodes, and the structural characteristics were identified through centrality analysis and clustering analysis (Louvain Community Detection). The overall network analysis confirmed that ‘Mindfulness’ served as the absolute core hub, dominating all centrality metrics 18. Mental health keywords such as ‘Depression,’ ‘Stress,’ and ‘Anxiety’ showed high centrality, establishing them as key application areas 19. The time-series analysis empirically demonstrated a clear three-stage paradigm shift: ‘Traditional Theory Focus’ (Pre-COVID) → ‘Clinical Application Transition’ (COVID Period) → ‘Integrated Development’ (Post-COVID) 2016-2019. During the transition period (2020-2023), the centrality of ‘Depression’ and ‘Stress’ surged, reflecting a focus on immediate clinical crisis response. The ‘Integrated Development’ period (2024-2025) showed a return to a balanced path, integrating traditional theory and modern psychological mechanisms through the re-emergence of ‘Vipassana’ and the consolidation of ‘Self-Compassion.’ This study suggests that meditation intervention research is maturing into an integrated developmental structure (‘Traditional Theory → Mindfulness → Self-Compassion → Mental Health Effects’) that is highly responsive to external shocks (COVID-19 pandemic). This solidifies the value of meditation as a scientifically validated alternative approach that possesses both academic depth and clinical utility in the context of the modern mental health crisis.

본고는 한국과 미국의 물가상승률 예측에 랜덤 포레스트 모형을 적용할 때, Stationary Bootstrap이나 Moving Block Bootstrap 등 Block Bootstrap을 사용하는 것이 통상적인 독립 부트스트랩(Independent Bootstrap)을 사용하는 것에 비해 통계적으로 유의한 수준으로 예측력을 개선하지는 못한다는 것을 보인다. 그리고 FRED-MD를 참고한 총 93개의 관련 국내외 거시경제/금융 변수들을 사용하고, XGBoost, LSTM 등 다양한 머신러닝 방법을 활용하여 한국의 물가상승률을예측하고 분석한다. 2004년 9월에서 2022년 3월까지의 표본을 이용하였고, 1개월에서 12개월의 예측 대상기간(Forecast Horizon)을 고려하였다. 총 13개의 모형 중 대부분의 예측 대상기간에 있어 예측력이 우수한 모형이 존재하는 것으로나타났는데, 이는 보루타 알고리즘(Boruta Algorism)을 통해 중요한 변수로 분류된 변수들만을 랜덤 포레스트에 적용하는 모형이다. Giacomini and White(2006) 와 Hansen et al.(2009)의 검정을 통해 대부분의 예측 대상기간에서 통계적으로유의하게 예측력이 우수함을 확인하였는데, 특히 경제활동인구 및 취업자 수의증가율 등 고용시장 관련 변수, 기업경기실사지수, 주택가격 변화율 등이 물가상승률 예측에 중요한 변수로 선택되는 것으로 나타났다.

This paper first investigates whether adopting the stationary bootstrap or the moving block bootstrap, instead of the usual independent bootstrap, in the random forest method improves forecasting of stationary time series. It is shown that the block bootstrap procedures adopted in the random forest method do not make any statistically significant improvement in Korean or US inflation forecasting. Secondly, we consider inflation forecasting in Korea using 93 macroeconomic/financial variables and various machine learning methods. The samples are from September 2004 to March 2022. Comparing total 13 models, one model outperforms the rest models for most forecast horizons, which is a simplified method of the model proposed by Kim and Han (2022). The method consists of the following two steps: 1) Select important variables based on the Boruta algorithm, 2) Using only those selected variables, implement the random forest and produce a forecast. The tests by Giacomini and White (2006) and Hansen et al. (2009) show that the model provides significantly better forecasts for most forest horizons. In particular, the Boruta algorithm selected total economically active population, total employed persons, BSI, house price as important variables for Korean inflation forecasting.

Purpose: The purpose of this study was to compare the result of one-way ANOVA with that of cross-correlation time series analysis in order to evaluate physiologic responses of premature infants to human voices. Methods: Four premature infants born prior to 32 weeks gestational age were included in the study. The Gould 4000TA Recording System recorded the preterm infant heart and respiratory rate while they were listening to a pre-recorded voice recording. Each infant listened to both male and female voices (1 min each) at each testing session. Results: The results of both one-way ANOVA and cross-correlation time series analysis using heart and respiratory rate data were not consistent in some of premature infants. A cross-correlation time series analysis revealed that the responses of premature infant to vocal stimulation occurred at a varying number of seconds after the stimulus was presented and lasted for over 20-30 sec. Conclusion: The results indicate that a time series analysis can provide more detailed information on the rapidly changing physiologic status of premature infant to the auditory stimulus. In addition, the results provide an insight into an auditory responsitivity of premature infants to a naturally occurring sound, the human voice, in the neonatal intensive care unit.

본 연구의 목적은 강원랜드와 한국학교사회복지사협회가 강원도 정선 지역 6개 학교에서 시행한 학교사회복지사업의 성과와 효과성을 검증하는데 있다, 연구목적을 이루기 위해 2012년부터 2024년까지 매년 실시된 설문조사 자료를 활용해 학생들의 자기존중감, 회복력, 생활만족도, 학교 및 학교사회복지사에 대한 인식 등의 변화를 시계열 분석하였다. 연구 결과, 학생 개인에 대한 인식 변수인 자기존중감, 회복력, 생활만족도의 연도별 평균은 일부 기간에서 점진적으로 상승하는 경향이 나타나고, 환경체계에 대한 인식의 경우, 학교, 학교생활만족도, 학교사회복지사에 대한 인식 등에서 뚜렷한 상승세를 보였다. 시계열분석 결과, 자기존중감, 학교에 대한 인식, 학교생활에 대한 인식, 학교사회복지사에 대한 인식, 지역사회에 대한 인식의 향상이 통계적으로 유의미한 변화로 확인되었다. 학교사회복지사업의 이용 유무에 따른 분석 결과, 대부분 주요 변수에서 학교사회복지사업 이용집단이 미이용집단에 비해 평균 점수가 높은 것으로 나타났다. 특히 학교에 대한 인식, 학교생활만족도, 학교사회복지사에 대한 인식 등은 차이가 크고, 이 중 자기존중감, 학교에 대한 인식, 학교사회복지사에 대한 인식, 지역사회에 대한 인식은 통계적으로 유의미한 차이로 확인되었다. 이와 같은 연구결과에 기반하여 학교사회복지사업의 실천적, 연구적 측면에서 제언하였다.

The purpose of this study is to evaluate the outcomes and effectiveness of the school social work program implemented by Kangwon Land and the Korea School Social Workers Association in six schools located in Jeongseon, Gangwon Province. To achieve this, annual survey data collected from 2012 to 2024 were utilized to conduct a time series analysis on changes in students' self-esteem, resilience, life satisfaction, and their perceptions of the school and school social workers. The results showed a gradual upward trend in the annual averages of personal perception variables, including self-esteem, resilience, and life satisfaction, during certain periods. Notably, perceptions related to the environmental system-such as the school, school life satisfaction, and school social workers-showed a distinct upward trend. The time series analysis confirmed statistically significant improvements in self-esteem, perceptions of the school, school life, school social workers, and the community. Analysis based on program participation revealed that most key variables had higher average scores for the group engaged in the school social work program compared to the non-participating group. Particularly, perceptions of the school, school life satisfaction, and school social workers showed large differences, with statistically significant differences confirmed for self-esteem, school perception, perception of school social workers, and community perception. Based on these findings, practical and research-oriented suggestions were proposed for the advancement of school social work programs.

본 연구의 목적은 시계열분석방법을 활용하여 상담자 개입적절성과 상담자 긍정적 태도가 내담자 저항에 작용하는 방식을 알아보는 것이다. 이를 위하여 시계열분석의 다중전이함수잡음모형을 구하고 교차상관을 산출하였다. 상담자 개입적절성과 긍정적 태도는 입력변인(선행변인)이었으며, 내담자 저항이 출력변인(후행변인)이었다. 연구대상은 두 개의 성공 및 실패사례였다. 그 결과는 다음과 같다. A사례의 경우 상담자의 긍정적 태도는 lag 1(r=-.313)과 lag 2(r=-.401)에서 저항과 유의미한 부적상관을 보였다. 그리고 상담자의 개입적절성은 lag 6(r=-.314)에서 저항과 유의한 부적상관을 나타냈다. B사례의 경우 상담자의 긍정적 태도는 lag 0(r=-.357), lag 1(r=-.311), lag 2(r=-.304), lag 3(r=-314)에서 저항과 유의미한 부적상관을 나타냈으며, 상담자 개입적절성은 lag 3(r=-401)에서 저항과 유의미한 부적 상관을 나타냈다. 상담자의 긍정적 태도는 상담자 개입적절성보다 내담자 저항을 더 빠른 시간간격에서, 더 지속적으로 감소시켰으며, 이러한 작용방식은 성공 및 실패사례에서 유사하게 나타났다. 마지막으로 본 연구의 의의와 제한점을 논의하였다.

This study investigated how the counselor's positive attitude and the appropriateness of counselor's intervention affect the client's resistance. Two cases of counseling process(case A and B) were analyzed in this study. The appropriateness of counselor' intervention, the counselor's positive attitude and client's resistance were measured by 3 teams of raters. The counselor's positive attitude and the appropriateness of counselor's intervention were input variables and the client's resistance was output variable. The results indicated that (a) in case A, there was a lead-lag relationship in which counselor's positive attitude decreased client's resistances on lag 1 and lag 2. In addition, there was a lead-lag relationship in which the appropriateness of counselor's interventions decreased client's resistances on lag 6. (b) In case B, there was a lead-lag relationship in which counselor's positive attitude decreased client's resistances on lag 0, lag 1, lag 2 and lag 3. Also there was a lead-lag relationship in which the appropriateness of counselor's interventions decreased client's resistances on lag 3. It shows that counselor's positive attitude may decrease more rapidly and continuously client's resistance than the quality of counselor's intervention. The implications and the limits of this study was discussed.

본 연구는 인질사범에 대한 분류를 논의하고 1999년부터 2003년까지 서울지방경찰청에서 검거한 중요 강력․폭력사건 가운데 피해자를 결박하거나 감금 또는 납치한 범죄 등 광범위한 각종 인질사건에 대한 자료를 중심으로 그 실태를 분석하고, 분석내용은 년도별 인질사건의 발생현황, 계절 및 요일별 발생현황, 피의자의 범행동기와 직업 및 전과 관계와 유형, 범행도구와 범행수법, 인적․물적 피해유무, 수사기법 등을 살펴보았다.

This study discussed the classification on hostage crime, analyzed the actual conditions of all sorts of hostage case, such as binding, false imprisonment or kidnapping of victims, etc, among crimes of violence or felony, who arrested by Seoul Metropolitan Police Agency, and surveyed some items, such as the state of occurrence of hostage case per year, season and day of week, motives of criminal acts, the occupations of suspects, the degree of association to criminal records, offense patterns, tools of offense, methods employed in crimes, degree of life or physical damage, method of search.

Time series forecasting is relevant in many real-world applications. However, most real-world time series data are non-stationary, which means their statistical properties like mean, and variance varies with time. This property of time series is not considered by most modern deep learning forecasting models, causing the distribution of the training and test sets to be different. Eventually, the accuracy of the forecasting model is significantly affected by the distribution shift. To tackle this problem, we suggest a simple solution called 'Pseudo-Stationarizer.’ This block can be used seamlessly alongside pre-existing forecasting models to obtain better forecasts. ‘Pseudo-Stationarizer’ performs differencing on the original time series to make the data weakly stationary and helps in minimizing the distribution shift. Via thorough experimentation, we prove that the usage of the proposed block aids the forecasting models in getting significant improvements in their performance by diminishing the distribution shift and making the time series weakly stationary.

집계화 수준과 자료수집 주기가 상이한 시계열자료를 결합하여 짧은 주기의 일관성있는 시계열자료를 구축하는 기법을 제시하였다. 추정과 예측을 확장 회귀식의 추정으로 단일화한 Salkever(1971)의 기법을 활용하여, 자료의 일관성 확보문제를 확장 회귀식체계 하에서의 상이한 확장 회귀식에 등장하는 모수들간의 제약으로 전환할 수 있었다. 따라서, SURE형태의 확장 회귀식체계에 반복 GLS 추정기법을 적용하여 짧은 주기의 일관성있는 시계열자료를 얻을 수 있었다. 본 논문의 기법을 적용하여, 집계화 수준과 자료수집 주기가 상이한 [에너지총조사]와 [에너지통계연보]의 시계열자료를 결합하여 석유화학(대분류부문)에 속하는 3개 중분류부문에 대한 연간 시계열자료를 구축하였다.

We propose an econometric method to construct a logically- consistent time series from multiple data sources with differences in sector aggregation and survey periodicity. Logical consistency is the requirement that at each period the total of the predicted values of component subsectors should be equal to the actual value of the integrating sector. Building upon Salkever (1971), a consistent time series is constructed by applying iterative GLS to a system of augmented regression equations with cross-equation restrictions on the parameters. We successfully applied our method to the construction of annual data for the three subsectors of Petrochemicals by combining annual data (from Yearbook of Energy Statistics) on Petrochemicals and triennial data (from Energy Consumption Survey) on its three subsectors.

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

길이가 같은 두 문자열에서 같은 위치에 있는 문자의 상대적인 순위가 모든 위치에서 일치하면 두 문자열은 순위동 형이라 한다. 순위패턴매칭문제는 대소 비교가 가능한 텍스트 T 와 패턴 P 가 주어졌을 때, P 와 순위동형인 T 의 모든 부분문자열의 위치를 찾는 문제이며 시계열 데이터 분석에 활용될 수 있다. 본 논문에서는 다양한 시계열 데이터 에 대한 순열 엔트로피를 계산하고, 각 데이터별로 순열 엔트로피 분포에 따른 순위패턴매칭 알고리즘들의 성능을 비교한다.

Two strings of the same length are called order-isomorphic if the relative order of characters at the same position is identical for all positions. The order-preserving pattern matching problem is finding the positions of all substrings in text T that are order-isomorphic to pattern P. This problem can be applied in time series data analysis. In this paper, we compute the permutation entropy for various time series data and compare the performance of order-preserving pattern matching algorithms based on the permutation entropy distribution for each dataset.

인류의 출현과 함께 시작된 역사에는 기록이라는 수단이 있기에 현재에 사는 우리는 데이터를 통해 과거를 확인할 수 있다. 생성되는 데이터는 일정 순간에만 발생하여 저장될 수도 있지만, 과거로부터 현재까지 일정 시간 간격 동안 계속해서 생성될 뿐만 아니라 다가올 미래에도 발생함으로써 이를 활용하여 예측하는 것 또한 중요한 작업이다. 본 논문은 수많은 데이터 중에서 시계열 데이터의 활용 동향을 알아보기 위해서 시계열 데이터의 개념에 서부터 머신러닝 분야에서 시계열 데이터 분석에 주로 사용되는 Recurrent Neural Network와 Long-Short Term Memory에 대해 분석하고, 이런 모델들을 활용한 사례의 조사를 통해 의료 진단, 주식 시세 분석, 기후 예측 등 다양한 분야에 활용되어 높은 예측 결과를 보이고 있음을 확인하였고, 이를 바탕으로 향후 활용방안에 대하여 모색해본다.

History, which began with the emergence of mankind, has a means of recording. Today, we can check the past through data. Generated data may only be generated and stored at a certain moment, but it is not only continuously generated over a certain time interval from the past to the present, but also occurs in the future, so making predictions using it is an important task. In order to find out trends in the use of time series data among numerous data, this paper analyzes the concept of time series data, analyzes Recurrent Neural Network and Long-Short Term Memory, which are mainly used for time series data analysis in the machine learning field, and analyzes the use of these models. Through case studies, it was confirmed that it is being used in various fields such as medical diagnosis, stock price analysis, and climate prediction, and is showing high predictive results. Based on this, we will explore ways to utilize it in the future.

다양한 분야에서 시계열 데이터의 중요성이 증가하면서 미래의 시계열 데이터를 정확하게 예측하는 것이 중요한 문 제로 대두되고 있다. 시계열 데이터 예측 분야에서는 오랫동안 LSTM 기반 모델을 사용했지만, 최근에는 트랜스포 머 모델이 주목받기 시작했다. 하지만 트랜스포머 모델 구조는 시계열의 순차적인 특성을 보존하는 능력이 약하다는 한계를 가진다. 본 논문에서는 이것을 해결하기 위해 3D 컨볼루션 네트워크와 Transformer를 결합한 구조의 3DCformer를 제안한다. 3DCformer의 인코더는 dilated 컨볼루션을 사용하여 입력 데이터의 순차적인 특성을 강화한 뒤 2D 입력 데이터를 3D로 확장한다. 그 후 3D 컨볼루션 네트워크를 통해 확장된 특성에서 표현을 추출한 다. 3DCformer의 디코더는 인코더에서 추출한 짧은 기간과 긴 기간의 시계열 데이터의 표현을 효율적으로 결합 및 학습하는 구조로 설계한다. 광범위한 실험을 통해 3DCformer가 기존 State-Of-The-Art 모델에 비해 16.18% 낮은 MAE와 24.53% 낮은 MSE를 달성함을 보인다.

As the importance of time-series data increases in many industrial fields, the problem of time-series forecasting is becoming crucial. For time-series forecasting, Transformer-based models have recently received much attention in place of traditional LSTM-based models. However, Transformer-based models have a limitation in their weak ability to preserve sequential features of time-series. To address this problem, we propose a novel Transformer-based forecasting model, called 3DCformer, which combines a 3D convolution network and Transformer. The 3DCformer encoder uses dilated convolution to capture sequential features from time-series and then expands 2D time-series to 3D. The 3D convolution network then extracts representations from the extended 3D data. The 3DCformer decoder is designed to efficiently combines and learns representations of both short-term and long-term features extracted from the encoder. Through extensive experiments, we show that our proposed 3DCformer achieves 16.18% lower MAE and 24.53% lower MSE compared to the existing State-Of-The-Art models.

세계 각국이 코로나 19 확산을 막기 위한 영업 중지(business shutdown), 여행금지(travel ban), 자가 격리(self-isolation), 재택근무 (teleworking) 등의 억제책을 시행하였다. 이로 인한 코로나 19 조치는 기본적으로 대면접촉·이동을 금지하는 형태이기 때문에 필연적으로 관광에 막대한 피해를 준다(김형종, 2020a). 본 연구는 시계열 분석을 통해서 관광시장의 과거와 현재 및 미래 법칙성을 발견하고 이를 모형화하여 추정하고, 이 추정된 모형을 사용하여 미래에 관측된 값들을 예측하는 것이다(이우리, 2016). 수요예측은 관광시장의 역동성에 따른 환경변동에 대하여 대응을 위해 관광분야에서는 꾸준히 활용하고 있다. 본 연구의 목적은 포스트 코로나 시대를 대비하여 합리적인 관광진흥정책을 수립하고 바람직한 관광정책의 방향을 제시하기 위해 관광목적지의 미래 관광수요를 예측하고 분석하고자 하였다. 연구 목적을 달성하기 위하여 계량경제학에서 많이 사용하고 있는 ARIMA 시계열분석을 실시하였다. ARIMA, 즉 자기회귀이동평균 모형을 이용하여 얻은 예측치와 관측치를 비교하고 모형의 적합성과 정확성을 검정하며, 가장 적합한 모형을 선정하고자 한다. 본 연구에서 ARIMA(2,1,2)모델로 얻은 예측결과, 관광목적지 2022년 4월 88,669명, 2022년 5월 105,465명, 2022년 6월 94,402명, 2022년 7월 95,466명, 2022년 8월 102,276명, 2022년 9월 86,245명, 2022년 10월 99,875명, 2022년 11월 95,764명, 2022년 12월 84,075명, 2023년 1월 93,120명, 2023년 2월 103,905명, 2023년 3월 92,696명으로 예측되었다. 이러한 관점에서, 본 논문은 이론을 바탕으로 하여 관광목적 지의 관광수요를 예측함으로써 관광목적지는 정확하게 관광경제발전 정책과 방침을 만들어낼 수 있는 데에 큰 도움이 되리라 생각한다.

The purpose of this study is to forecast the number of tourists in Gamcheon Culture Village . For this, this study collected data from January 2015 to December 2021 from Tourism Knowledge & Information System. To forecast the number of tourists ARIMA time series analysis was performed. The predictions and observations obtained using the model were compared, the suitability and accuracy of the model were tested, and the best model for this study was selected. The results of tourists from January to December 2022 in Gamcheon Culture Village shows that there is no trend of a surge in the number of tourists visiting Gamcheon Culture Village, and about 148,442 tourists were expected to visit Gamcheon Culture Village every month. From this point of view, this study is thought to be of great help in accurately creating policies and policies for the development of the tourism economy by predicting the tourism demand of tourism destination based on theory.