Earticle

본 연구는 중앙선의 여객수송수요를 효율적으로 예측하기 위한 방법으로 계절성 요인을 고려한 ARIMA 모형을 제안하였다. 특히, 최근의 관광수요를 반영하기 위하여 2013년 4월 개통되어 운행되고 있는 중부내륙권 관광전용열차(O-train, V-train)의 수요를 포함하여 예측모형을 구축하였다. 이를 위하여 2005년 1월부터 2013년 7월까지의 월별 시계열 데이터(103개)를 사용하여 최적의 모형을 선정하였으며 예측결과 중앙선의 여객 수송수요는 지속적으로 증가할 것으로 나타났다. 구축된 모형은 중앙선의 단기수요를 예측하는데 활용이 가능하다.

This study suggested the ARIMA model taking into consideration the seasonal characteristic factor as a method for efficiently forecasting passenger transport demand of the Joongang Line. The forecasting model was built including the demand for the central inland region tourist train (O-train, V-train), which was opened to traffic in April-, 2013 and run in order to reflect the recent demand for the tourism industry. By using the monthly time series data (103) from January-, 2005 to July-, 2013, the optimum model was selected. The forecasting results of passenger transport demand of the Joongang Line showed continuous increase. The developed model forecasts the short-term demand of the Joongang Line.

본 연구에서는 여러가지 시계열 모형 중 평활법(가법계절지수, 승법계절지수), 계절 ARIMA 모형, ARARCH 그리고 AR-GARCH 회귀모형을 이용하여 최대 전력수요를 예측하는 방법을 연구하였다. 이 때 가중 평균모형으로 추세를 갖는 시계열 모형과 온도에 대한 회귀 모형을 적절한 가중치로 예측 정확도를 높이는 방법도 연구하였다. 결과적으로 AR-GARCH 회귀모형으로 예측하는 것이 가중 우수함을 보였다.

Through this study, we studied how to consider environment variables (such as temperatures, weekend, holiday) closely related to electricity demand, and how to consider the characteristics of Korea electricity demand. In order to conduct this study, Smoothing method, Seasonal ARIMA model and regression model with AR-GARCH errors are compared with mean absolute error criteria. The performance comparison results of the model showed that the predictive method using AR-GARCH error regression model with environment variables had the best predictive power.

본 논문은 시계열 일반화 선형 모형의 하나인 계수형 시계열 모형에서 중요한 역할을 하는 과거 관측값과 조건부 평균값의 차수를 자동으로 결정하는 알고리즘을 연구한다. 본 알고리즘은 ARIMA 모형의 차수를 기반으로 시계열 일반화 선형 모형의 차수 후보군을 만들고, 차수 후보군의 조합을 이용하여 정보량 기준으로 최종 모형으로 선택한다. 제안된 알고리즘을 평가하기 위하여, 내재적 모형 및 내재적 시계열의 종류에 따른 시뮬레이션 및 실증 분석을 수행하고 예측력을 ARIMA 모형과 비교한다. 예측 성능 평가 결과, 계수형 시계열 분석에서 ARIMA 모형에 비해 시계열 일반화 선형 모형의 예측 성능이 우수함을 확인할 수 있다. 또한 실증분석으로서, 살인사건 발생 건수의 예측결과 ARIMA 모형보다 중기 및 장기 예측에서 우수한 성능을 나타내는 것을 확인할 수 있다.

In this paper, we study an algorithm that automatically determines the orders of past observations and conditional mean values that play an important role in count time series models. Based on the orders of the ARIMA model, the algorithm constitutes the order candidates group for time series generalized linear models and selects the final model based on information criterion among the combinations of the order candidates group. To evaluate the proposed algorithm, we perform small simulations and empirical analysis according to underlying models and time series as well as compare forecasting performances with the ARIMA model. The results of the comparison confirm that the time series generalized linear model offers better performance than the ARIMA model for the count time series analysis. In addition, the empirical analysis shows better performance in mid and long term forecasting than the ARIMA model.

실업은 개인의 경제적 활동뿐 아니라 사회적 문제와 관련되어 있기 때문에 많은 국가들은 실업률을 낮추기 위해 다양한 정책을 추진하고 있다. 기존의 실업 실태 조사 방식에서는 조사시간 지연으로 인해 실업률 자료 확보에 많은 시간이 소요된다. 시의 적절한 실업 정책을 개발하기 위해서는 신속하고 정확한 실업 예측 관련 자료를 확보하는 것이 중요한 문제이다. 이러한 문제를 개선하기 위해 최근에 인터넷 검색 정보를 활용한 분석 기법이 제안되고 있다. 본 연구는 우리나라의 실업률을 예측하는데 인터넷 검색 정보가 어떤 영향을 미치는가를 조사하였다. 선택한 검색어 중에서 '실업급여' 검색어의 트렌드는 실업률과 상당히 높은 상관관계를 보여 주었다. 본 연구는 네이버 트렌드에서 제공하는 인터넷 검색어 정보를 시계열 자료의 분석에 널리 사용되는 ARIMA 모형에 추가하여 검색 정보의 활용이 실업률 예측력에 미치는 영향을 분석하였다. 예측모형의 선택 기준으로 제시되는 예측치의 평균 제곱 오차와 예측 오차 측면에서 실업 관련 인터넷 검색어를 활용한 모형이 그렇지 않은 모형보다 우수한 것으로 나타났다. 이러한 결과는 실업률 예측에 있어서 검색 정보의 활용 가능성을 제시하고 있으며 향후 더 많은 연구가 필요할 것으로 판단된다.

Unemployment is related to social issues as well as personal economics activity so various policies have been made to reduce the unemployment rate in many countries. Because of delay inherent in the survey mechanism to collect unemployment data, it takes lots of time to acquire survey unemployment data. To develop proper policies for reducing unemployment rate at the right time, it is quite critical to obtain faster and more accurate information concerning about unemployment level. To remedy this problem, recently an advanced analytics utilizing internet queries is suggested. To examine the potential of Web query information, this research investigates the usefulness of internet activity data to predict Korean unemployment rate. One of selected web-query data(unemployment claim) has a quite strong correlation with unemployment rate. This research employes a time series approach of the ARIMA model that utilizes the information of keyword queries provided by the Naver(Korean representative portal site) trend together with unemployment rate data provisioned from Statistics Korea. With respect to model selection guidelines of mean squared error and prediction error, the model with utilizing the web query information shows better results than the model without such information. This suggests that there is a strong potential for the used method, which needs to be further explored.

본 연구의 목적은 사회서비스 수요를 구성하는 이용자 수와 제공기관 수를 예측 할 수 있도록 시계열 모형을 활용하여 각각의 예측 값을 구성하고, 실제 관측된 값과의 차이를 확인하여 사회서비스분야에서 시계열 예측모형의 타당성을 검증하는 연구이다. 분석 자료는 한국보건복지정보개발원에서 발간한 사회서비스 제공기관 공급실태분석에서 제시된 발달재활서비스 이용 현황을 연구 목적에 따라 가공하여 이차 분석하였다. 분석결과 이용자 수는 ARIMA(1,1,0) 모형이, 제공기관 수는 ARIMA(0,1,1) 모형이 최적의 예측모형으로 제시되었다. 예측모형에 의한 예측 값은 관측 값과의 어느 정도 차이는 있었지만, 관측값은 예측값의 최대값과 최소값의 범위에 놓여 있었다. 따라서 사회서비스의 이용자를 활용한 수요예측과 제공기관을 활용한 공급예측의 모형구축에 대한 타당성은 가능할 수 있음을 확인할 수 있었다.

The primary goal of the study is to examine the possibility of applying the time series model to forecasting demand and supply of social services. In the study, we used survey data based on a nationally represented sample which is secondary processed data. We selected developmental rehabilitation service. The analysis, we made models of a demand and a supply using time series analysis. Utilizing the estimates, we identified each model's pattern. This study provides an empirical evidence to suggest benefits of using the time series model for forecasting the demand and the supply pattern of newly introduced social services. We also provide discussions on policy implications of utilizing demand and supply time series models in the process of developing new social services.

오늘날 국가와 기업의 연구 개발 투자 및 경영 정책 전략 수립에서 미래 부상 기술 예측은 매우 중요한 역할을 한다. 기술 예측을 위한 다양한 방법들이 사용되고 있으며 특허를 이용한 기술 예측 또한 활발히 진행되고 있다. 특허를 이용한 기술 예측에는 전문가들의 평가와 견해를 통한 정성적인 방법이 주로 사용되어 왔다. 정성적인 방법은 분석 결과의 객관성을 보장하지 못하고 분석에 많은 비용 및 시간이 요구된다. 이런 문제점을 보완하기 위해 최근에는 텍스트 마이닝을 이용한 특허 데이터의 정량적인 분석이 이루어지고 있다. 텍스트 마이닝 기법을 적용함으로써 특허 문서의 통계적 분석이 가능하다. 본 논문에서는 텍스트 마이닝과 ARIMA 분석을 이용한 기술 예측 방법을 제안한다.

Forecasting of emerging technology plays important roles in business strategy and R&D investment. There are various ways for technology forecasting including patent analysis. Qualitative analysis methods through experts' evaluations and opinions have been mainly used for technology forecasting using patents. However qualitative methods do not assure objectivity of analysis results and requires high cost and long time. To make up for the weaknesses, we are able to analyze patent data quantitatively and statistically by using text mining technique. In this paper, we suggest a new method of technology forecasting using text mining and ARIMA analysis.

항만산업의 발전은 저렴하고 효율적인 서비스 제공을 가능하게 함으로써 자국 경제발전을 지원하는 기능을 하는 동시에 독립된 산업으로 부가가치 및 고용창출을 기대할 수 있다. 그러나 국내 주요 항만들은 대내의적인 여건의 변화로 항만교역량 증가세가 둔화되고 있으며 국내 항만의 여건악화는 일시적인 현상이라기보다는 구조적인 현상이라는 점에 문제의 심각성이 있다. 즉, 향후 주요 항만들의 교역량 증가세가 회복될 가능성이 크지 않다는 것이 일반적인 견해이며, 역내 물류중심 기능을 수행할 수 있을 것인지에 대한 회의론 마저 대두되고 있는 실정이다. 항만개발에 소요되는 시간과 재원은 막대하다. 특히 신항개발의 경우 최소 10년 이상의 장기수요 전망 하에 개발계획의 수립이 이루어진다. 따라서 개발계획의 기본이 되는 교역량의 예측의 중요성은 최근 교역량과 관련한 대외적인 환경 변화에 따라 중요성이 더욱 부각되고 있다. 이처럼 산업이 고도화되고 구조도 급격히 변화되고 있는 시대 흐름에 비추어 정확한 물동량예측은 유용하게 이용될 수 있다. 따라서 본고에서는 승법계절 ARIMA모형을 이용하여 국내항만과 중국항만간의 교역량 변화를 예측해보고, 이러한 예측을 통하여 우리나라 항만의 역할과 경쟁력을 갖추기 위한 필요성이 제기됨에 따라 항만의 교역량 중대를 위한 항만활성화 방안을 제시하고자 한다.

This study predicted Port trade volume by considering Korea's export to China and import Com China separately using ARIMA model (Multiplicative Seasonal ARIMA Model). We predicted monthly Port trade volumes for 27 months from October 2008 to December 2010 using monthly data from September 2008 to January 2001 using monthly data. As a result of prediction, we found that the export volume decreased in January, February, August and September while the import volume decreased in February, March, August and September. As the decrease period was clearly differentiated, it was possible to predict export and import volumes. Therefore, it is believed that the results of this study will generate useful basic data for policy makers or those working for export and import enterprises when they set up policies and management plans. And to improve competitive power of Port trade, this study suggests privatization of Port, improvement of information capability, improvement of competitive power of Port management companies, support for Port distribution companies, plans for active encouragement of transshipment, and management of added value creation policy.

본 연구에서는 농업용 저수지에서 저수량 예측모형과 함께 저수지의 목표저수량 및 한계저수량을 유지하기 위한 저수지 운영방안을 제시하였다. 대상저수지인 금강저수지에서 1990년부터 200l년까지의 저수량 자료를 이용하여 갈수빈도해석을 적용하고, 2년빈도 한발저수량을 목표저수량(target storage)으로, 10년빈도 한발저수량을 한계저수량(critical storage)으로 설정하였다. 농업용 저수지의 운영의 효율화를 위해서는 우선 합리적인 방법을 통하여 장래 저수량을 예측하여야 한다. 예측된 저수량은 저수지 운영에 관한 계획을 수립하는데 기초자료로 활용될 수 있다. 본 연구에는 저수량 예측모형으로 ARIMA 모형과 자기회귀오차모형을 적용하였다. ARIMA 모형은 과거 저수량 자료만을 근거로 하여 저수량을 예측함으로서 예측정도가 상대적으로 낮은 것으로 나타난 반면, 자기회귀오차모형은 저수량과 관련 있는 설명변수들을 이용함으로써 예측의 효과를 높일 수 있었다. 농업용 저수지의 저수량은 이전 저수량, 강수량, 평균온도, 최고온도, 관개면적, 풍속, 습도의 영향을 받으므로 자기회귀오차모형을 적용하여 저수량과 저수량에 영향을 미치는 요인과의 관계를 분석하였다. 자기회귀오차모형에 의한 저수량 예측 관계식은 저수지의 연속방정식과 유사한 관계식으로 유도되어 실제 적용성이 높을 것으로 판단되며, 금광저수지에서 예측된 2002년도 저수량과 관측된 저수량을 비교한 결과, 양호한 예측결과를 보여 주었다.

This paper presents a reservoir operation plan coupled with storage forecasting model to maintain a target storage and a critical storage. The observed storage data from 1990 to 2001 in the Geum-Gang agricultural reservoir in Korea have been applied to the low flow frequency analysis, which yields storage for each return period. Two year return period drought storage is then designated as the target storage and ten year return period drought storage as the critical storage. Storage in reservoir should be forecasted to perform reasonable reservoir operation. The predicted storage can be effectively utilized to establish a reservoir operation plan. In this study the autoregressive error (ARE) model and the ARIMA model are adopted to predict storage of reservoir. The ARIMA model poorly generated reservoir storage in series because only observed storage data were used, but the autoregressive error model made to enhance the reliability of the forecasted storage by applying the explanation variables to the model. Since storages of agricultural reservoir with respect to time have been affected by irrigation area, high or mean temperature, precipitation, previous storage and wind velocity, the autoregressive error model has been adopted to analyze the relationship between storage at a period and affecting factors for storage at the period. Since the equation for predicting storage at a period by the autoregressive error model is similar to the continuity equation, the predicting storage equation may be practical. The results from compared the actual storage in 2002 and the predicted storage in the Geum-Gang reservoir show that forecasted storage by the autoregressive error model is reasonable.

반도체 제조 공정에서 원자재의 안정적 공급은 생산 라인의 연속성 유지에 핵심적이다. 특히 저장탱크에 보관된 원자재는 잔량이 임계수준에 도달하기 전에 적시에 납품되어야 하며 이를 위해 정확한 일정 예측이 필요하다. 본 연구는 고객사의 실시간 저장탱크 현재고 데이터를 활용하여 통계 기반 ARIMA와 딥러닝 기반 LSTM을 결합한 하이브리드 예측 모델을 제안하며 이를 통한 최적화된 탱크로리 납품 일정 예측을 제시한다. ARIMA로 선형 추세를, LSTM으로 단차를 보완하는 구조를 통해 복합적인 시계열 패턴을 학습하도록 설계하였다. 실험결과 제안된 모델은 단일 모델 대비 모든 지표에서 향상된 성능을 보였다. 본 연구는 탱크로리 납품 일정의 정밀한 사전 계획 수립과 제조 물류 운영 자동화 기반 마련에 기여할 수 있는 실용적 방안을 제시한다.

Ensuring a stable supply of raw materials is critical to maintaining continuity in semiconductor manufacturing processes. In particular, raw materials stored in tanks must be delivered before inventory reaches critical levels, requiring accurate schedule forecasting. This study proposes a hybrid forecasting model that integrates the statistical ARIMA method with the deep learning-based LSTM approach, utilizing real-time storage tank inventory data to optimize tank lorry delivery scheduling. By capturing linear trends with ARIMA and compensating residual components with LSTM, the model is designed to learn complex time-series patterns more effectively. Experimental results show that the proposed ARIMA-LSTM hybrid model consistently outperforms single models across all evaluation metrics, confirming its ability to capture both linear and nonlinear characteristics of inventory data. This research provides a practical and effective approach for precise pre-planning of tank lorry deliveries and establishes a foundation for advancing automated logistics operations in semiconductor manufacturing.

This study analyzed the impact of greenhouse cultivation area and groundwater level changes due to the water curtain cultivation in the greenhouse complexes. The groundwater observation data in the Miryang study area were used and classified into greenhouse and field cultivation areas to compare the groundwater impact of water curtain cultivation in the greenhouse complex. We identified the characteristics of the groundwater time series data by the terrain of the study area and selected the optimal model through time series analysis. We analyzed the time series data for each terrain's two representative groundwater observation wells. The Seasonal ARIMA model was chosen as the optimal model for riverside well, and for plain and mountain well, the ARIMA model and Seasonal ARIMA model were selected as the optimal model. A suitable prediction model is not limited to one model due to a change in a groundwater level fluctuation pattern caused by a surrounding environment change but may change over time. Therefore, it is necessary to periodically check and revise the optimal model rather than continuously applying one selected ARIMA model. Groundwater forecasting results through time series analysis can be used for sustainable groundwater resource management.

Selective catalytic reduction(SCR) is an exhaust gas reduction device to remove nitro oxides (NOx). SCR operation of ship can be controlled through valves for minimizing economic loss from SCR. Valve in SCR-high pressure (HP) system is directly connected to engine exhaust and operates in high temperature and high pressure. Long-term thermal deformation induced by engine heat weakens the sealing of the valve, which can lead to unexpected failures during ship sailing. In order to prevent the unexpected failures due to long-term valve thermal deformation, a failure prediction system using autoregressive integrated moving average (ARIMA) was proposed. Based on the heating experiment, virtual data mimicking temperature range around the SCR-HP valve were produced. By detecting abnormal temperature rise and fall based on the short-term ARIMA prediction, an algorithm determines whether present temperature data is required for failure prediction. The signal processed by the data collection algorithm was interpolated for the failure prediction. By comparing mean average error (MAE) and root mean square error (RMSE), ARIMA model and suitable prediction instant were determined.

2019년 12월경 후베이 우한시에서 발생한 코로나19 바이러스가 점차 줄어드는 듯 보였으나, 2020년 11월, 2021년 6월 기준으로 점차 늘어나고 있으며, 전세계적으로 총 1억 9천 2백만명, 대한민국 기준 총 확진자는 대략 18만4천명으로 추정된다. 이에 따른 대책으로 중앙재난안전대책본부는 사회적 거리두기 4단계를 시행하면서 강력한 대응책을 내고있지만, 델타바이러스등 전염성이 강한 코로나 변이 바이러스가 기승을 부리면서 국내 일일 확진자 수는 1800명대 까지 증가하게 되었다. 그에따라 코로나바이러스의 심각성을 강조하고자 코로나 누적 확진자 수를 ARIMA 알고리즘을 이용해 예측한다. 그 과정에서 추세와 계절성을 제거하기 위해서 차분을 이용하고, MA, AR, 자기상관함수와 편자기상관함수를 이용해 ARIMA에서 p,d,q값을 결정하고 예측한다. 마지막으로 예측값과 실제값을 비교해 얼마나 잘 예측되었는지 평가한다.

Although the COVID-19 outbreak that occurred in Wuhan, Hubei around December 2019, seemed to be gradually decreasing, it was gradually increasing as of November 2020 and June 2021, and estimated confirmed cases were 192 million worldwide and approximately 184 thousand in South Korea. The Central Disaster and Safety Countermeasures Headquarters have been taking strong countermeasures by implementing level 4 social distancing. However, as the highly infectious COVID-19 variants, such as Delta mutation, have been on the rise, the number of daily confirmed cases in Korea has increased to 1,800. Therefore, the number of cumulative confirmed COVID-19 cases is predicted using ARIMA algorithms to emphasize the severity of COVID-19. In the process, differences are used to remove trends and seasonality, and p, d, and q values are determined and forecasted in ARIMA using MA, AR, autocorrelation functions, and partial autocorrelation functions. Finally, forecast and actual values are compared to evaluate how well it was forecasted.

This paper proposes Autoregressive Integrated Moving Average (ARIMA)-based forecasting algorithms using meteorological indices to predict seasonal peak load. First of all, this paper observes a seasonal pattern of the peak load that appears intensively in winter and summer, and generates ARIMA models to predict the peak load of summer and winter. In addition, this paper also proposes hybrid ARIMA-based models (ARIMA-Hybrid) using a discomfort index and a sensible temperature to enhance the conventional ARIMA model. To verify the proposed algorithm, both ARIMA and ARIMA-Hybrid models are developed based on peak load data obtained from 2006 to 2015 and their forecasting results are compared by using the peak load in 2016. The simulation result indicates that the proposed ARIMA-Hybrid models shows the relatively improved performance than the conventional ARIMA model.

화재를 예방하기 위해서는 그에 필요한 정책과 평가가 필요하며, 화재 발생에 대한 적절한 모니터링 기법이 있어야 한다. 이를 위해 품질관리의 기법중의 하나인 관리도를 화재 모니터링에 적용하는 연구가 진행된 바 있다. 그 결과, 통계적으로 겨울에는 많은 화재가 발생한다는 것이 증명되었고, 매년마다 어떤 주기를 띠고 변화한다는 것이 발견되었다. 그럼에도 불구하고, 여름철과 겨울철에 동일한 기준(관리한계선)을 적용할 경우 상대적으로 발생건수가 과다한 겨울에는 과도한 예방활동이 진행되고, 여름에는 잠재이상이 있는 경우에도 발생건수 감소에 따른 착시현상으로 인해 활동이 부족해질 가능성이 있다. 이때, 각 계절별로 다른 관리 한계선을 적용시킨다면 합리적인 예측과 보다 효과적인 이상 패턴의 모니터링이 가능해질 수 있다. 따라서 본 연구에서는 발생건수를 대상으로 시간에 따라 변하는 시계열 모델을 사용하여 화재발생 빈도 예측 모델계수의 체계적인 설정과정을 ARIMA 모델을 기반으로 제안하였다. 이를 바탕으로 화재발생 패턴의 개선된 분석과 이에 기반한 보다 체계적인 예방활동을 진행할 수 있을 것으로 기대한다.

A suitable monitoring method is necessary for successful policy implementation and its evaluation, required for effective prevention of abnormal fire occurrences. To do this, there were studies for applying control charts of quality management to fire occurrence monitoring. As a result, it was proved that more fire occurs in winter and its trend moves yearly-basis with some patterns. Although it has trend, if we apply the same criteria for each time, inefficient overreacting fire prevention policy will be accomplished in winter, and deficient policy will be accomplished in summer. Thus, applying different control limits adaptively for each time would enable better forecasting and monitoring of fire occurrences. In this study, we treat fire occurrences as time series model and propose a method for configuring its coefficients with ARIMA model. Based on this, we expect to carry out advanced analysis of fire occurrences and reasonable implementation of prevention activities.

호텔 연회에서 가장 중요한 정보 중 하나는 매출액 자료이다. 매출액 예측은 비용을 절감시키고 인력 배분의 효율성을 증가시키고 급변하는 환경에서 경쟁하는 능력을 향상시키는 데 도움이 되는 정보를 제공한다. 본 연구는 국내외 연구에서 적합한 예측모형으로 평가되고 있는 ARIMA 모형을 이용하여 호텔 연회장의 매출액을 예측하였다. 분석을 위해서 사용한 자료는 서울 소재 GI 호텔 연회장의 월별 매출액 자료를 사용하였으며, 분석 결과 SARIMA(2,1,3)(0,1,1)가 최종적으로 추정되었다. 본 연구의 시사점은 국내외 연구에서 적합한 예측모형으로 평가되고 있는 ARIMA 모델을 호텔 연회장의 월별 매출액 자료에 적용하였다는 점과 호텔 연회 실무자들에게 참고자료로 사용할 수 있는 유용한 정보를 제공하였다는 점을 들 수 있다.

One of the most crucial information at the hotel banquet is revenue data. Revenue forecast enables cost reduction, increases staffing efficiency, and provides information that helps maximizing competitive advantages in unforeseen environment. This research forecasts the hotel banquet revenue by utilizing ARIMA Model which was assessed as the appropriate forecast model for international researches. The data used for this research was based on the monthly banquet revenue data of G hotel at Seoul. The analysis results showed that SARIMA(2, 1, 3)(0, 1, 1) was finally presumed. This research implied that the ARIMA model, which was assessed as the appropriate forecast model, was applied for analyzing the monthly hotel banquet revenue data. Additionally, the research provides beneficial information with which hotel banquet professionals can utilize as a reference.

Since the SMP(System Marginal Price) is a vital factor to the market participants who intend to maximize the their profit and to the ISO(Independent System Operator) who wish to operate the electricity market in a stable sense, the short-term marginal price forecasting should be performed correctly. This paper presents a methodology of a day-ahead SMP forecasting using ARIMA(Autoregressive Integrated Moving Average) based on the Time Series. And also we suggested a correction algorithm to minimize the forecasting error in order to improve efficiency and accuracy of the SMP forecasting. To show the efficiency and effectiveness of the proposed method, the numerical studies have been performed using Historical data of SMP in 2004 published by KPX(Korea Power Exchange).

This paper presents a correction technique of missing load data. In this paper, the ARIMA(Autoregressive Integrated Moving Average) model and Piecewise Cubic Interpolation are applied to seek the missing parameters. The new model has been tested under a variety of conditions and it is shown in this paper to produce excellent results. It is helpful for operators to designed the load duration curve.

In this paper we presents a centralized model for a long-term replenishment contract model in the supply chain system. We assume ARIMA demand process for reflecting more realistic demand data and present a solution which minimizes total system cost of the contract model between single supplier and buyer under centralized system. From the result of experiments we can observe that the proposed model generate better result than the decentralized model.

This study presents supplier buyer models representing the interactions between supplier and buyer under a long-term replenishment contract in a supply chain system. We established the models according to the economic power of each party. Analysis based on Stackelberg game theoretic approach is tried for each model. We develop methods for each agent to follow to complete a contract for the best interest of each participant.

We are concerned with a long-term replenishment contract for the ARIMA demand process in a supply chain. The chain is composed of one supplier, one buyer and consumers for a product. The replenishment contract is based upon the well-known (s, Q) policy but allows us to contract future replenishments at a time with a price discount. Due to the larger forecast error of future demand, the buyer should keep a higher level of safety stock to provide the same level of service as the usual (s, Q) policy. However, the buyer can reduce his purchase cost by ordering a larger quantity at a discounted price. Hence, there exists a trade-off between the price discount and the inventory holding cost. For the ARIMA demand process, we present a model for the contract and an algorithm to find the number of the future replenishments. Numerical experiments show that the proposed algorithm is efficient and accurate.