Earticle

본 연구에서는 조건부 핵밀도함수와 CAFPE(Corrected Asymptotic Final Prediction Error) 차수결정 방법에 근거한 비매개변수적 비선형 자기회귀 (Nonlinear AutoRegressive, NAR) 모형을 소개하고 이를 SOI(Southern Oscillation Index)에 적용하였다. SOI 자료에 대해서 선형 AR 모형을 적용하였으나 잔차에 대한 검정결과 이분산성(heteroscedasticity)을 나타내었다. 또한 BDS(Brock-Dechert-Sheinkman) 검정에서 비선형성이 존재함을 확인하였다. 따라서 NAR 모형에 SOI 자료를 적용시켰다. CAFPE를 이용하여 가장 적합한 모형으로 지체 1, 2와 4가 선택되었으며 조건부 평균함수를 추정하여 SOI 자료를 모의한 결과 잔차에 대해서 정규성과 이분산성 가정이 Jarque-Bera 검정과 ARCH-LM 검정에서 각각 기각되었으며 또한 조건부 표준편차함수의 최적 차수로 3, 8과 9가 CAPFE를 통해 선택되었다. 조건부 평균함수와 표준편차함수를 모두 고려한 모형에 대한 잔차 검정 결과 잔차의 I.I.D 가정을 만족하였으며 특히, BDS 검정에서 신뢰구간 95%와 99%에서 모두 만족한 결과를 나타내었다. 마지막으로 전체의 15%에 해당하는 SOI 자료에 대해서 One-Step 예측을 수행하였으며 선형 모형에 비해 평균제곱예측오차가 7% 적게 나타났다. 따라서, NAR 모형은 여타의 매개변수적 방법과 달리 모형 선택에 있어 자유로우며 비선형성을 고려할 수 있는 모형으로서 SOI 자료와 같은 비선형 자료를 위한 모의방법으로 선형 모형에 비해 많은 장점을 가지고 있다.

We have presented a nonparametric stochastic approach for the SOI(Southern Oscillation Index) series that used nonlinear methodology called Nonlinear AutoRegressive(NAR) based on conditional kernel density function and CAFPE(Corrected Asymptotic Final Prediction Error) lag selection. The fitted linear AR model represents heteroscedasticity, and besides, a BDS(Brock - Dechert - Sheinkman) statistics is rejected. Hence, we applied NAR model to the SOI series. We can identify the lags 1, 2 and 4 are appropriate one, and estimated conditional mean function. There is no autocorrelation of residuals in the Portmanteau Test. However, the null hypothesis of normality and no heteroscedasticity is rejected in the Jarque-Bera Test and ARCH-LM Test, respectively. Moreover, the lag selection for conditional standard deviation function with CAFPE provides lags 3, 8 and 9. As the results of conditional standard deviation analysis, all I.I.D assumptions of the residuals are accepted. Particularly, the BDS statistics is accepted at the 95% and 99% significance level. Finally, we split the SOI set into a sample for estimating themodel and a sample for out-of-sample prediction, that is, we conduct the one-step ahead forecasts for the last 97 values (15%). The NAR model shows a MSEP of 0.5464 that is 7% lower than those of the linear model. Hence, the relevance of the NAR model may be proved in these results, and the nonparametric NAR model is encouraging rather than a linear one to reflect the nonlinearity of SOI series.

본 논문에서는 피어슨 상관계수를 이용한 시간경로 유전자 발현자료의 군집분석에서 군집의 대표적인 패턴에서 벗어나는 이질적인 패턴을 보이는 시계열을 탐지하기 위한 패턴일치지수를 제안하고, 이를 마이크로어레이 실험으로부터 얻어진 혈청 시간경로 유전자 발현자료에 적용하여 유용성을 검토해 본다.

In this paper, we propose a pattern consistency index for detecting heterogeneous time series that deviate from the representative pattern of each cluster in clustering time course gene expression data using the Pearson correlation coefficient. We examine its usefulness by applying this index to serum time course gene expression data from microarrays.

Unlike the wavelet neural network, since a mother wavelet layer of the self-recurrent wavelet neural network (SRWNN) is composed of self-feedback neurons, it has the ability to store past information of the wavelet. Therefore we propose the prediction method for the nonlinear chaotic time series model using a SRWNN. The SRWNN model is learned for the modeling of a function such that the inputs arc known values of the time series and the output is the value in the future. The parameters of the network are tuned to minimize the difference between the nonlinear mapping of the chaotic time series and the output of SRWNN using the gradient-descent method for the adaptive backpropagation algorithm. Through the computer simulations, we demonstrate the feasibility and the effectiveness of our method for the prediction of the logistic map and the Mackey-Glass delay-differential equation as a nonlinear chaotic time series.

시계열의 예측은 통상 추계학적 모형에 의해 수행하여 왔다. 그러나 본 연구에서는 퍼지 개념을 이용한 퍼지 시계열 모형에 의해 강수량 예측을 수행하였다. 기존에 제안된 퍼지 시계열 모형을 이용하여 예측을 수행하고, 예측 능력을 향상시키기 위하여 퍼지 시계열과 뉴로-퍼지 시스템을 연계한 새로운 방법론을 제안하여 상호 비교ㆍ분석하였다. 이를 위하여 미국 일리노이주의 강수량 시계열 예측에 적용하였으며, 예측 결과, 기존의 모형보다 본 연구에서 제안한 방법론의 결과가 더 정확함을 알 수 있었다.

Stochastic model has been widely used for the forecasting of time series. However, this study tries to perform the precipitation forecasting by fuzzy time series model using fuzzy concept. The published fuzzy based models are used for the forecasting of time series and also we suggest that the combination of fuzzy time series models and neuro-fuzzy system can increase the forecastibility of the models. The precipitation time series in illinois, USA is analyzed for the forecasting by the known fuzzy time series models and the suggested methodology in this study. As a result, we know that the suggested methodology shows more exact results than the known models.

연구배경 : 이 연구는 우리나라 각 기초자치단체에서 발행하는 "통계연보" 등을 활용하여 결핵관리사업의 성과를 결핵예방사업, 환자발견 및 지속관리사업, 그리고 결핵 치료사업 측면에서 소규모 지역간 사계열분석 모형에 의해 연도별 인구천명당 결핵등록률 및 결핵 치료순응도 등의 성과지표로 산출하여 비교분석하고 이에 영향을 미치는 요인을 규명하고자 하였다. 방법 : 전국 234개 시 군 구 기초자치단체별로 발간된 "통계연보"나 광역자치단체별 "통계연보"를 원주시청 행정자료실, 강원도청 행정자료실, 통계청 민원실 등을 방문, 1980년도부터 2000년도까지 순차적으로 열람하여 결핵관리사업등 관련 정보를 지난 1년여동안 추적 조사하였다. 결핵관리사업의 성과지표인 연도별 결핵유병률 등을 산정, 이를 종속변수로 하여 다중 희귀모형을 구축하여 Micro TSP와 SAS 패키지를 이용하여 확률론적안 시계열분석을 하였다. 결과 : 1998년까지의 지역별 현황을 비교하면, 인구지표 중 인구이동률을 제외한 나머지 변수들의 경우 모두 구지역, 시지역, 군지역의 순으로 유의하게 감소하였다. 사회 경제학적 지표로는 인구천명당 자동차 등록대수, 지방세, 담배소비세 모두 시 군 구지역간에 유의한 차이를 보였다. 또한 보건의료지표는 시 군 구지역간 인구천명당 의사수 및 병상수 모두 통계적으로 유의하게 지역 규모의 크기에 따라 감소하였다. 지역별 관련 결핵지표의 시계열 분포의 변화를 비교하면, BCG접종률의 경우 1980년부터 1984년까지 약간의 증가 추세를 보이다가 그 이후 1993년도까지는 일정한 평형 수준 (plateau state) 을 유지한 이후 다시 감소추세를 보였다. 1985년 이전에는 시지역이, 1985년 이후에는 군지역의 접종률이 타지역에 비해 유의하게 높았다. 폐결핵양성자수 시점유병률, 폐결핵 음성자수 시점유병률 및 결핵사망률의 분포를 보면, 세가지 결핵지표 모두 1981년 이후 지속적으로 감소하는 영향을 보여주되, 군지역이 가장 높았고 시간이 경과할수록 시 군 구지역간 차이도 점차 줄어들었다. 이는 지역 특성상 민간의료기관의 분포가 적은 군 지역에서의 결핵등록 및 관리사업이 상대적으로 시 구(광역도시)지역보다 보건소 중심으로 용이하게 운영되어지고 있음을 시사한다. 결핵 치료순응도의 경우 기간유병률이나 사망률과는 반대로 1982년 이후 점차 증가하는 추세였다. 결론 : 이 연구결과는 현재 보건소 중심으로 관리되어 매년 집계, 보고, 발간되는 시 군 구 기초자치단체별 "통계연보"의 결핵보건사업 결과정보에 대한 이용의 실증연구에 해당된다. 따라서 지난 제7차까지 시행해 오던 전국결핵실태조사 대신에 향후 시행될 결핵정보 감시체계 운영등의 기초자료로서 가능성을 제공해주고 있다. 결국 이를 바탕으로 결핵관리사업과 관련 지역 특성에 맞는 지역보건의료계획 수립의 기초자료 및 정부의 국가결핵보건사업 기획의 근거를 제공함으로써 결핵관리 대책 수립시 우선순위 결정과 예산배분, 기대효과 산정에 필수적인 정보로 활용되기를 기대한다.

Backgrounds : Today, tuberculosis cannot only be cured medically, but also controlled by public health. Despite the overall worldwide decline in tuberculosis, the disease continues to be a significant problem among developing countries and in the slums of large cities in some industrialized countries. Particularly, this communicable disease has come into the public health spotlight because of its resurgence in the 1990's. our country has been operating the Korean National Tuberculosis Control Program since 1962, focusing around public health centers. Therefore, this study aims to compare the effectiveness of tuberculosis control activities, one of the major public health activities in Korea, by producing indexes, such as the yearly registration rate per 100,000 population and treatment compliance of tuberculosis on in small areas (communities). Methods : This work was accomplished by constructing a time-series analytic model using data from "1980~2000: the Yearly Statistical Report" with patient registry data of 234 City. County. District public health centers and by identifying the factors influencing the tuberculosis indexes. Results : The trends of pulmonary tuberculosis positive point prevalence and pulmonary tuberculosis negative point prevalence on X-ray screening have declined steadily, beginning in 1981 and continuing to 1998 by region (city, county, district). Although the tuberculosis mortality rate steadily shows a declining trend by year and region, but Korea still ranks first among 29 OECD countries in 1998, with a tuberculosis mortality rate of 7.1 per 100,000 persons, according to the time-series analysis for fatal diseases. Conclusion : The results of the study will form the fundamental basis of future regional health care planning and the Korean Tuberculosis Surveillance System on 2000. Since the implementation of local autonomy through the Local Health Act of 1995, it has now become vita1 for each city, county, district public health centers to determine its own priorities for relevant health care management, including budget allocation and program goals.

시계열(time series)이란 한 사상 또는 여러 사상에 대하여 시간의 흐름에 따라 일정한 간격으로 이들을 관측하여 기록한 자료를 말한다. 이러한 시계열은 어떠한 경제현상이나 자연현상에 관한 시간적 변화를 나타내는 역사적 계열(historical series)이므로 어느 한 시점에서 관측된 시계열자료는 그 이전까지의 자료들에 주로 의존하게 된다. 따라서 시계열분석을 통한 예측에서는 과거의 자료들을 분석하여 법칙성을 발견해서 이를 모형화하여 추정하고. 이 추정된 모형을 사용하여 미래에 관측될 값들을 예측하게 된다. 본 연구에서는 ARMA (p, q)모형 (autoregressive moving-average model)을 이용하여 시계열 데이터를 분석하며 계수의 추정에는 Levinson-Durbin 알고리듬과 Newton-Raphson Method를 이용한다.

대기오염이 인체에 미치는 영향을 정량적으로 분석하기 위하여 1991년부터 1995년까지의 서울시 사망자료와 대기오염 자료를 general additive Poisson model 을 사용하여 분석하였다. 우리 나라에서도 외국의 연구 결과와 마찬가지로 대기 오염 물질의 증가가 사망자 수의 증가에 유의하게 영향을 미치는 것으로 평가되었다. 특히 본 연구에서 나타난 특성은 일반적으로 많이 알려진 분진에 의한 영향 보다는 오존에 의한 영향이 두드러진다는 것이다. 오존은 100ppb가 증가할 때 마다 사망자 수를 3-10% 증가시키는 것으로 평가되었다. 즉 오존주의보가 발령될 때마다 서울시에서는 많게는 평소보다 10%정도의 추가적인 사망이 발생하는 것으로 추정된다. 이러한 연구결과는 우리 나라의 대기오염 양상이 분진과 $SO_2$ 중심의 '런던스모그'형에서 오존과 $NO_2$ 등에 의한 광화학적 스모그로 바뀌고 있는 사실을 감안할 때 시사하는 바가 매우 크다고 할 수 있다. 따라서 앞으로는 병원입원율, 또는 응급실 내원환자수에 대한 오존의 영향을 평가할 수 있는 연구들이 이어져야 할 것으로 생각되며, 더불어 오존 오염을 감소시킬 수 있는 구체적인 정책들이 시급히 시행되어야 할 것으로 생각된다.

Objectives: To examine the relationship between air pollution exposure and mortality in Seoul for the years of 1991-1995, Methods: Daily counts of death were analyzed by general additive Poisson model, with adjustment for effects of secular trend, seasonal factor, day of the week, heat wave, temperature, and humidity. Pollution variables were ozone, nitrogen dioxide, total suspended particles(TSP), and sulfur dioxide. Results: Daily death counts were associated with ozone(1 day before), nitrogen dioxide(1 day before), TSP(2 days before), sulfur dioxide(2 days before). The association with ozone was most statisfically significant and independent of other air pollutants. Increase of 100 ppb in ozone was associated with 0%(95% Cl= 2%-10%) increase in the daily number of death, This effect was greater in persons aged 65 and older. The relative risks of death from respiratory disease and cardiovascular disease were greater than for all-cause mortality in each pollutant. After ozone level exceeds 25 ppb, the dose-response relationship between mortality and ozone was almost linear. However, the effect of TSP, sulfur dioxide, and nitrogen dioxide on mortality might be confounded with each other. Conclusion: Daily variations in air pollution within the range currently occurring in Seoul might have an adverse effect on daily mortality.

This study proposes the analysis method of time series ultrasonic signal using the chaotic feature extraction for degradation extent evaluation. Features extracted from time series data using the chaotic time series signal analyze quantitatively degradation extent. For this purpose, analysis objective in this study is fractal dimension, lyapunov exponent, strange attractor on hyperspace. The lyapunov exponent is a measure of the rate at which nearby trajectories in phase space diverge. Chaotic trajectories have at least one positive lyapunov exponent. The fractal dimension appears as a metric space such as the phase space trajectory of a dynamical system. In experiment, fractal correlation) dimensions, lyapunov exponents, energy variation showed values of 2.217∼2.411, 0.097∼ 0.146, 1.601∼1.476 voltage according to degardation extent. The proposed chaotic feature extraction in this study can enhances precision ate of degradation extent evaluation from degradation extent results of the degraded materials (SA508 CL.3)

This paper proposes the hybrid algorithm for the optimization of the structure and parameters of the fuzzy neural networks by genetic algorithms (GA) to improve the behaviour and the design of fuzzy neural networks. Fuzzy neural networks have a distinguishing feature in that they can possess the advantage of both neural networks and fuzzy systems. In this way, we can bring the low-level learning and computational power of neural networks into fuzzy systems and also high-level, human like IF-THEN rule thinking and reasoning of fuzzy systems into neural networks. As a result, there are many research works concerning the optimization of the structure and parameters of fuzzy neural networks. In this paper, we propose the hybrid algorithm that can optimize both the structure and parameters of fuzzy neural networks. Numerical example is provided to show the advantages of the proposed method.

We propose a new approach to classifying a time series data into one of the autoregressive moving-average (ARMA) models. It is bases on two pattern recognition concepts for solving time series identification. The one is an extended sample autocorrelation function (ESACF). The other is a neural network-driven decision tree classifier(NNDTC) in which two pattern recognition techniques are tightly coupled : neural network and decision tree classfier. NNDTc consists of a set of nodes at which neural network-driven decision making is made whether the connecting subtrees should be pruned or not. Therefore, time series identification problem can be stated as solving a set of local decisions at nodes. The decision values of the nodes are provided by neural network functions attached to the corresponding nodes. Experimental results with a set of test data and real time series data show that the proposed approach can efficiently identify the time seires patterns with high precision compared to the previous approaches.

인터넷과 디지털 기술의 발전은 전자상거래를 중심으로 한 디지털 경제 구조를 근본적으로 재편시켰다. 이에 따라e커머스 분야는 단순한 거래 채널을 넘어 인공지능, 플랫폼 경제, ESG 경영 등 다양한 주제를 포괄하는 융합 연구 영역으로 확장되었다. 본 연구는 2009년부터 2025년까지 국내 e커머스 관련 학술논문 1,271편의 메타데이터(제목, 초록, 키워드)를 수집하여 3년 롤링 윈도우(2년 간격) 단위로 주제 변화를 시계열적으로 분석하였다. 최신 토픽모델링 기법인BERTopic을 적용하여 시기별 핵심 주제를 도출하고, 공출현 네트워크 분석을 통해 주제 간 구조적 관계와 중심성을 정량적으로 규명하였다. 그 결과, 2009~2015년에는 쇼핑, 품질, 만족, 신뢰 등 소비자 행동 중심 연구가 주를 이루었고, 2016~2020년에는 모바일, SNS, 빅데이터 등 기술 융합형 주제가 확산되었다. 2021년 이후에는 AI, 생성형 모델, 메타버스, ESG, 라이브커머스, OTT 서비스 등 데이터⋅플랫폼 기반 신흥 주제가 급부상하였다. 반면 mobile service, social commerce 등 전통적 주제는 점차 쇠퇴하는 양상을 보였다. 이러한 결과는 e커머스 연구의 핵심축이 기술⋅데이터⋅플랫폼 중심으로 이동하고 있으며, 학문적 융합과 지식 확산이 가속화되고 있음을 시사한다. 본 연구는 문맥 기반 토픽모델링과 네트워크 분석을 결합한 통합적 접근을 통해 e커머스 분야의 연구 진화 구조를 실증적으로 규명하고, 향후 학문적발전 방향과 산업적 전략 수립에 기초자료를 제공한다.

This study collected metadata (titles, abstracts, and keywords) from 1,271 domestic e-commerce-related journal articles published between 2009 and 2025 and analyzed topic evolution over time using a three-year rolling window with two-year intervals. By applying the state-of-the-art BERTopic algorithm, the study identified key topics for each period and quantitatively examined structural relationships and centrality among topics through co-occurrence network analysis. The results show that from 2009 to 2015, research primarily focused on consumer behavior topics such as shopping, quality, satisfaction, and trust, while from 2016 to 2020, technology convergence themes such as mobile, SNS, and big data became prominent. Since 2021, emerging data- and platform-driven topics—including AI, generative models, metaverse, ESG, live commerce, and OTT services—have rapidly gained attention, whereas traditional subjects like mobile service and social commerce have gradually declined. These findings indicate a paradigm shift in e-commerce research toward technology, data, and platform-centered convergence, accompanied by accelerated knowledge diffusion. By integrating context-based topic modeling with network analysis, this study empirically elucidates the structural evolution of research in the e-commerce domain and provides foundational insights for future academic development and industrial strategy formulation.

Accurate forecasting of fine particulate matter (PM 2.5) concentrations is critical for air quality management and public health. Long Short-Term Memory (LSTM) networks have demonstrated strong capabilities in modeling nonlinear and temporal dependencies in time series data. However, a common challenge in LSTMbased PM 2.5 forecasting is the presence of prediction lag, where model outputs tend to delay behind rapid changes in actual pollutant levels, reducing forecast responsiveness. This study proposes a hybrid approach combining Discrete Wavelet Transform (DWT) with LSTM to mitigate the lag effect in PM 2.5 time series prediction. The DWT decomposes the original PM 2.5 data into multiple frequency components, allowing the LSTM models to capture both short-term fluctuations and long-term trends more effectively. Based on observed data from Jung-gu, Seoul, the proposed DWT-LSTM model is evaluated against a baseline LSTM model. Experimental results demonstrate that the hybrid model significantly reduces prediction lag and improves forecasting accuracy across multiple evaluation metrics, including RMSE, MAE, and correlation coefficients. These findings suggest that integrating wavelet-based preprocessing with deep learning architectures enhances the temporal alignment and precision of air quality forecasts, contributing to more timely and informed decision-making.

Time-domain dynamic analysis is commonly used to assess stresses in floating offshore wind turbine (FOWT) substructures, but it is computationally expensive. To reduce computational cost, response-superposition stress reconstruction is being widely studied. In this study, an in-house code implementing this approach (POSCO Pseudo-Dynamic Method, POS-PDM) is benchmarked against dynamic and quasi-static analyses for a semi-submersible FOWT substructure in ultimate (ULS) and fatigue (FLS) limit states. For ULS, POS-PDM reproduces stress histories with correlation coefficients exceeding 0.97 and peak stress errors within 3%. For FLS, quasi-static analysis and POS-PDM both underestimated fatigue damage relative to dynamic analysis, and POS-PDM showed the largest underestimation. Overall, POS-PDM is suitable for ULS assessment and preliminary fatigue screening, whereas final fatigue design and its extension to other floater types requires dynamic analysis and further validation.

본 연구는 UN의 지속가능발전 세 번째 목표가 주창하는 ‘모두의 건강한 삶 보장(Healthy life for all)’의 관점에서 미국 연방 및 주정부의 청년 건강정책 사례와 실태를 분석하고 한국과 국제사회에 주는 정책적 시사점을 도출하고자 하였다. 이를 위해 미국의 ACA, Healthy People 2030, WSCC 사례를 중심으로 정책 구조와 성과를 고찰한 결과 청년층의 건강을 생애주기적 관점에서 통합적으로 관리하고 예방하는 체계를 확인할 수 있었다. 아울러 미국 청년 건강정책의 주요 대상인 12세-17세와 18-34세 두 연령집단의 건강권 보장(무보험자 비율)과 정신건강(우울감 또는 불안정서 지속 경험자 비율)의 추이를 파악하기 위해 미국 질병관리본부(NHIS)의 최근 4개년 자료(2019년~2023년)와 아동가족통계포럼의 최근 17개년 자료(2004-2021년)를 시계열 분석하였다. 분석 결과, 무보험자 비율은 전반적으로 감소 추세를 보인 반면 2020년 이후 우울감을 겪고 있는 청소년과 불안증을 겪는 청년층의 비율은 급격히 증가하여 코로나19 이후 청년층의 정신건강 악화 가능성을 시사하였다. 전술한 결과로부터 본 연구는 한국 사회 또한 건강과 웰빙을 포괄하는 방향으로 청년정책 설계 및 방향을 전환해야 할 당위성을 논의하였다. 나아가 국제사회가 주창하는 건강권 보장의 차원에서 청소년기부터 시작되는 누적적 불이익을 사전 예방하기 위한 제도적 개입과 증거기반 정책수립의 필요성을 촉구하였다.

This research aims to explore the US trends of youth health indicators and relevant policy cases within the Universal Health Coverage (UHC) perspective under Goal 3 in the United Nations Sustainable Development Goals (SDGs). I find that key policies reflect an integrated, life course?based approach to youth health and well-being. The findings underscore the need for South Korea to move beyond employment-and income-centered youth policies and to adopt a broader framework embracing health and well-being, with early preventive intervention targeting disadvantaged group. Using the US federal data from 2004 to 2023, I conducted the time-series analyses for the uninsured rate and mental health indicators among the youth population. Results show that a clear decline in the uninsured rate but a simultaneous deterioration in terms of anxiety and depression. These empirical results indicate that youth mental health issues are influenced by structural vulnerabilities and limitations in existing social protection mechanisms, rather than being temporary crises. In conclusion, this study discusses policy implications for youth health rights in both domestic and international context, drawing on lessons from the US case.

LNG는 인천항의 대표적인 수입화물로 인천항 전체 물동량 증감에 기여도가 상대적으로 높은 편이다. 또한, 국가적 차원에서도 LNG는 도시가스 및 전력발전에 필요한 핵심 자원으로 시장 수요의 변동 요인에 대한 분석과 적합한 수요예측모델의 구축은 LNG 기반 발전 계획 및 국가전력수급기본계획 수립 등에 매우 중요하다. 본 연구에서는 기존 연구들에서 다뤄지는 거시적 연간 자료를 통한 예측과 달리, LNG 운반선이 하역하는 주간별 물동량을 대상으로 주기성을 파악하고, 대내외 변동요인과의 상관관계를 분석한다. LNG 수요 변동요 인으로는 주간 데이터의 계절성, 최대전력, 전력 공급예비력 등 전력 수급 데이터 등을 고려하였다. 또한 LNG 수요를 예측하기 위해 자료의 특성을 고려하여 주간단위별 LNG 물동량을 종속변수로 한 시계열 예측과 인공신경망 모형을 통한 예측 후 예측치에 대한 적합성을 검증 및 실적-추정치 간 오차비교를 통해 최적모형을 도출하고자 한다.

LNG is a representative imported cargo at Incheon Port and has a relatively high contribution to the increase/decrease in overall cargo volume at Incheon Port. In addition, in the view point of nationwide, LNG is the one of the most important key resource to supply the gas and generate electricity. Thus, it is very essential to identify the factors that have impact on the demand fluctuation and build the appropriate forecasting model, which present the basic information to make balance between supply and demand of LNG and establish the plan for power generation. In this study, different to previous research based on macroscopic annual data, the weekly demand of LNG is converted from the cargo volume unloaded by LNG carriers. We have identified the periodicity and correlations among internal and external factors of demand variability. We have identified the input factors for predicting the LNG demand such as seasonality of weekly cargo volume, the peak power demand, and the reserved capacity of power supply. In addition, in order to predict LNG demand, considering the characteristics of the data, time series prediction with weekly LNG cargo volume as a dependent variable and prediction through an artificial neural network model were made, the suitability of the predictions was verified, and the optimal model was established through error comparison between performance and estimates.

연구목적: 본 연구에서는 온라인 쇼핑 구매의 변화가 코로나19의 직접적인 영향으로 인함인지 여부를 평가하기 위해 시계열 분석을 활용하였으며, 코로나19의 확산시점이 온라인 쇼핑 구매의 변화와 유의미하게 일치하는지 분석한다. 온라인 쇼핑 내 웹 기반과 모바일기반 쇼핑 구매 자료를 나누어 분석하는데, 시계열 기반 자료분석을 위한 ARIMA모형을 활용하였다. 이를 통해 코로나19 단계가 온라인 쇼핑 거래의 변화와 어떤 관련이 있는지 알아본다. 논문구성/논리: 본고의 구성을 다음과 같다. 제1장에서는 본 연구의 연구 배경과 동기를 소개하고 제2장에서는 온라인 쇼핑 및 코로나19의 영향에 대한 선행연구를 제시한다. 제3장에서는 실증연구방법 및 자료를 설명하며 제4장에서 실증분석으로 도출한 결과를 제공한다. 마지막 제5장에서는 본 연구의 내용 및 결과에 대해 논하며 정리한다. 결과: 2019-2020년의 온라인 쇼핑 구매의 시계열 자료를 분석한 결과 코로나19의 발전단계가 온라인 쇼핑 구매의 변화 시점과 유의미하게 관련되어 있음이 나타났다. 코로나19 상황의 심각성이 일정수준 공유된 시점을 기준으로 온라인 쇼핑 구매가 상당히 증가하였으며 최근 몇 년 간의 전자상거래시장의 성장을 코로나19가 가속화했음을 알 수 있다. 또한, 온라인 쇼핑을 크게 웹 기반과 모바일기반으로 구분했을 때 웹 기반 쇼핑이 모바일 쇼핑보다 변동성이 적은 것으로 나타났다. 독창성/가치: 본 연구는 코로나19 시기의 시계열자료 분석을 통해 전자상거래의 급속한 성장에 코로나19가 직접적으로 미친 영향력을 분석했으며, 전자상거래의 성장에 있어 실제로 코로나19가 의미있는 영향력을 미쳤음을 제시하였다. 이로 인해 오프라인의 수요가 온라인 쇼핑으로 옮겨왔음을 알 수 있다. 또한, 온라인 쇼핑을 웹기반 및 모바일기반으로 나누어 분석하여 전자상거래 채널별로 코로나19의 영향력을 비교분석했다는 점에서 의의가 있다. 둘 간의 차이는 온라인 쇼핑도 채널별로 구분해서 연구하는 것이 중요함을 시사한다.

Purpose: This study aims to examine the effect of COVID-19 on online shopping purchases. To assess whether the change in online shopping purchasing patterns is a direct consequence of COVID-19, we employ a time series analysis to see whether the COVID-19 development phase coincides with an effective change in online shopping purchase. Specifically, we separately analyze web-based and mobile-based shopping purchases. We adopt an auto-regressive integrated moving average(ARIMA) model to analyze the time series data of online shopping transactions to match how the COVID-19 phase is related to the change in online shopping transactions. Composition/Logic: This paper is organized as follows. In the first section, we introduce the research background and motivation of this study. Secondly, the literature review on online shopping and the impact of COVID-19 is provided. The third section explains the empirical setting and data for this research. Next, we provide the empirical results, followed by a discussion of the findings. Findings: Based on the time series data of online shopping purchase during 2019 ?2020, we show that the COVID-19 phase is significantly related to the point of change in the online shopping purchase. As online shopping purchases increased significantly during the period when the severity of the COVID-19 was shared to a certain level, it can be seen that COVID-19 accelerated the growth of the e-commerce market in recent years. Also, we find that when online shopping was largely divided into web-based and mobile-based forms, web-based shopping showed less volatility than mobile-based shopping. Originality/Value: This study analyzes the direct impact of COVID-19 on the growth of e-commerce through time-series data analysis, and suggests that COVID-19 had a meaningful impact on the growth of e-commerce. This indicates that offline demand has shifted to online demand. Furthermore, we address the different characteristics of e-commerce channels and compare the web-based and mobile-based online shopping purchases. The differences between the two suggest that it is important to study online shopping separately by channel.