기초연구 분야는 정부의 적극적인 지원으로 양적 확대가 큰 폭으로 이루어지는 반면, 체계적인 투자계획이나 데이터에 기반한 재정소요를 제시하는 연구 및 정책자료가 전 무하여 관련 연구가 요구되는 시점이다. 이에 본 연구는 시계열 예측모형을 활용하여 기초연 구지원사업의 향후 재정소요를 전망하였다. 기초연구분야의 특성을 포함한 다양한 요인들을 종합적으로 고려하기 위하여 시간에 따른 단일 종속변수의 값을 예측하는 ARIMA 모형이 아닌, 다변수의 영향을 반영할 수 있는 ARIMAX 모형을 선택하였다. 모형 적합성 판단을 위 해 ARIMAX 모형과 ARIMA 모형의 예측값을 비교한 결과 ARIMAX 모형에서 예측오차율 이 개선됨을 확인하였다. ARIMAX 모형에 기반하여 2017년에서 2021년까지 5년 간의 기초 연구지원사업 재정소요를 전망하였다. 본 연구는 기초연구지원사업의 재정소요를 통계적 접 근방법인 시계열모형을 적용해 전망한 시범적 연구를 수행하였다는 점과, 단변량이 아닌 다 변량을 고려하여 예측력을 개선했다는 점에서 의의를 지닌다. 또한 현 정부 국정과제인 ‘기 초연구 예산 2배 확대’ 등 기초연구 투자의 중요성이 꾸준히 강조되는 정책기조를 고려할 때 향후 기초연구 투자전략 수립 시 참고자료로 활용 될 수 있다.

표고버섯 재배 임가들이 생산량과 출하 시기를 결정하는 데 가격은 결정적인 역할을 하지만, 표고버 섯 가격 전망에 대한 연구는 미진한 상황이다. 이 연구의 목적은 표고버섯의 중품, 상품, 특품의 월별 가격자료를 이용하여 시계열 분석 모형을 구축하고, 이들의 단기 가격 예측력을 비교하는 것이다. 이를 위해, 2002∼2015년 동안의 등급별 가락시장 표고버섯 가격자료를 이용하여 Seasonal Exponential Smoothing 모델, Seasonal ARIMA with intercept 모델, Seasonal ARIMA without intercept 모델, Seasonal Dummy 모델을 포함하는 네가지 형태의 시계열 분석 모형을 구축하고 단기 가격을 예측하였 다. 또 통계적 검증방법을 이용하여 이들 모델의 가격 예측력을 비교하였다. 분석 결과, Seasonal ARIMA without intercept 모형의 가격 예측 능력이 가장 우수한 것으로 나타났다. 향후 다른 단기 소 득 임산물의 가격 예측에도 이들 모델을 적용함으로써 임가들의 생산 출하에 대한 의사결정에 유용한 정보를 제공할 수 있을 것이다.

In this paper, we investigate the statistical correlation of the time series for temperature measured at the heat box in the automobile drying process. We show, in terms of the sample variance, that a significant non-linear correlation exists in the time series that consist of absolute temperature changes. To investigate further the non-linear correlation, we utilize the volatility, an important concept in the financial market, and induce volatility time series from absolute temperature changes. We analyze the time series of volatilities in terms of the de-trended fluctuation analysis (DFA), a method especially suitable for testing the long-range correlation of non-stationary data, from the correlation perspective. We uncover that the volatility exhibits a long-range correlation regardless of the window size. We also analyze the cross correlation between two (inlet and outlet) volatility time series to characterize any correlation between the two, and disclose the dependence of the correlation strength on the time lag. These results can contribute as important factors to the modeling of forecasting and management of the heat box’s temperature.

본 연구에서는 다양한 분야의 수요예측에서 사용되고 있는 시계열모형을 이용하여 일반여객의 장래 수 요추정 방안 제시를 그 목적으로 한다. 분석은 일반여객(새마을, 무궁화)을 대상으로 수행 되었으며, 2004년 4월부터 2013년 1월까지의 시계열 자료를 이용하여 2014년 12월까지 예측을 수행하였다. 기존 연구의 수요예측 과정은 예측 유형별(열차종별 총량, 열차종별·노선별 총량 등)로 각각의 시계열 모형을 추정하여 예측을 수행하였으나, 본 연구에서는 그림 1.에서와 같이 주중일평균/주말일평균 단위로 자료를 구축하여 분석을 수행함으로써, 특송기간에 의한 오차 및 철도 수요 특유의 주중/주말 분산 오차를 줄일 수 있었다. 또한, 개선된 수요예측과정은 과거 직전 연도(2012년)의 실측값에 근거하여 역간 수송특성(승차 및 하차 비율 등)을 산정한 후 월별 역간 수송량을 예측하는 방식을 채택함으로서, 일반여객이 갖는 많은 양의 O/D개수로 인해 예측이 어렵던 기존연구의 역간 수송량 예측에 대한 한계점을 극복하였다. 시계열 모형의 추정은 그림 1.에서와 같이 구축된 자료를 통해 그림2.와 같이 판별, 추정, 진단, 예측의 4단계를 거쳐 추정된다. 본 연구에서는 열차별·노선별로 각각의 시계열 자료의 변동 및 특성에 따라 ARIMA모형, SARIMA모형, 개입 SARIMA모형을 이용하여 분석을 수행하였다. 수송수요의 적정성을 검토하기 위하여 2013년 2월부터 4월까지의 실제 관측된 데이터와 시계열 모형을 통해 예측된 예측치를 RMSE, U-TEST, MAPE를 이용하여 비교하였으며, 적정성을 확인하였다. 예측 결과, 새마을 열차의 경우 총 승차인원은 2013년 935만인/년, 2014년 962만인/년으로 예상되며 무궁화 열차의 경우 2013년 6,838만인/년, 2014년 7,242만인/년으로 예상된다. 본 연구의 경우 시계열 모형을 이용하여 일반여객의 단기 수요예측만을 수행하였으나, 철도의 수송수 단으로서의 경쟁력 확보 방안 마련과 시설투자 계획 및 새로운 노선의 개발계획 등의 의사결정을 위해서는 중기 예측이 필요하며, 타 수송수단과 수단점유율 예측의 연구가 선행되어야 보다 더 정도 높은 단기 예측이 가능할 것으로 판단된다.

수문 시계열의 분석은 수문자료를 활용한 수자원의 효율적인 운영 및 관리에 필수적인 부분이며, 특히 장기적인 수문량 예측에 널리 활용되고 있다. 이러한 수문 시계열 분석은 전통적으로 하나의 자료계열을 하나의 요인으로 파악하여 자료를 분석하고 예측해왔지만 시계열 자료가 여러 가지 요인으로 혼합되 어 하나의 자료계열로 나타내질 수 있다는 가정 하에 각 요인들을 분해하여 분석하는 방법도 널리 연구되고 있다. 본 연구에서는 경험적 모드분해법을 이용하여 주어진 수문 시계열을 다중 성분으로 분해하고 분해된 각 요소를 시계열 모형으로 재구축한 후, 구축된 요소별 시계열 모형으로부터 예측된 값을 합하여 시계열을 예측하는 방법을 이용하였으며 이를 국내 댐 유입량에 적용한 후 그 결과를 나타내었다. 기존 시계열 모형과 경험적 모드분해법을 이용한 방법의 정확도를 비교한 결과, 기존의 시계열 모형을 이용하여 자료를 예측한 결과보다 경험적 모드분해법을 적용하여 자료를 분해한 후 시계열 자료를 예측한 결과가 주어진 시계열 자료를 더 잘 나타내는 것을 알 수 있었다.

This paper proposed a new method for estimating missing values in time series rainfall data. The proposed method integrated the two most widely used estimation methods, general linear model(GLM) and ordinary kriging(OK), by taking a weighted average of covariance matrices derived from each of the two methods. The proposed method was cross-validated using daily rainfall data at thirteen rain gauges in the Hyeong-san River basin. The goodness-of-fit of the proposed method was higher than those of GLM and OK, which can be attributed to the weighting algorithm that was designed to minimize errors caused by violations of assumptions of the two existing methods. This result suggests that the proposed method is more accurate in missing values in time series rainfall data, especially in a region where the assumptions of existing methods are not met, i.e., rainfall varies by season and topography is heterogeneous.

한정된 기간의 짧은 유출량 기록을 갖는 댐 유역에서의 수자원 시스템 거동예측은 수문학적 지속성여부에 대한 판단이 선행 되어야 하며 가용한 시계열자료에 대한 추계학적 분석을 통하여 실시하여야 한다. 본 연구에서는 계절형 ARIMA모형을 통하여 안동댐 유역의 강우량, 증발량 및 유출량 시계열자료로 월별 수문시스템 거동을 예측하였으며, 예측된 결과를 토대로 TANK모형과 ARIMA+TANK결합모형에 의한 장기유출모의를 실시하였다. 분석결과 관측자료의 특성을

지표수 부족과 수질에 대한 불신 때문에 대체 수자원의 확보가 요구되고 있으며, 유력한 대안으로 강변여과에 관심이 모아지고 있다. 국내 최초의 강변여과는 경남 창원에서 2001년에 시작되었으며, 현재 창원시 수돗물의 100%를 여기에 의존하고 있다. 본 연구는 강변여과 취수장 부근 지하수위를 설명하는 시계열 모형의 개발에 관한 것이다. 연구 대상지역은 창원시 대산면 현장으로 11개 관측정으로부터의 5년간(2003년 1월2007년 12월) 지하수위 자료를

본 연구에서는 광양항의 장래 컨테이너 물동량 및 교통량을 일변량 시계열모형을 통해 예측하고, 컨테이너 선박교통량을 산출하였다. 광양항의 물돌량과 입항 척당 물동량의 시계열 모형은 모두 추세와 계절적 변동이 있는 Winters 가법 모형으로 최적합 되었다. 광양항의 컨테이너 물동량은 2007년과 비교하여 2011년과 2015년에 각각 7.4%, 16.2% 가량 증가하여 약 2,756천TEU, 4,470천TEU가 될 것으로 예측되었다. 또한 2011년과 2015년의 컨테이너 입항 척당 평균 물동량은 2007년 대비 약 30.3%, 54.6% 증가하여 각각 675TEU, 801TEU가 될 것으로 예측되었다. 광양항에 대한 컨테이너 선박의 교통량은 2011년과 2015년에 각각 4,078척, 5,921척이 될 것으로 추정되었다.

GPD 모형은 수문학 극치확률량 해석에 주로 적용되어 왔다. 극치 통계의 주목적은 드문 사상의 예측이며, 주요 문제점으로는 임계값 또는 임계값 초과치들에 대한 정확한 산정방법이 없어 그 추정이 매우 어렵다는 것이다. 본 연구에서는 임계값 또는 임계값 초과치들을 산정하기 위하여 4가지 방법을 적용하였다. 그 비교를 위하여 GPD 모형에 적용하여 7개의 지속시간(1, 2, 3, 6, 12, 18 및 24시간)과 10개의 재현기간(2, 3, 5, 10, 20

본 논문에서는 본 연구논제(2007)에서 개발된 COMBINE-GRNNM-GA(Type-1)으로부터 최적형태의 구조를 가진 모형을 구성하고, 입력층노드의 기상인자를 제거하기 위하여 불확실성 분석을 실시하였다. 훈련과정중에 가장 최소의 평활인자를 가진 입력층변수는 COMBINE-GRNNM-GA(Type-1)에서 제거되었으며, 변형된 COMBINE-GRNNM-GA(Type-1)은 기상학적 변수의 새로운 최소 평활인자를 구하기 위하여 재훈련된다. 최소 평활인

본 연구의 목적은 결측 혹은 미계측 증발접시 증발량과 우리나라에서 계측되고 있지 않은 알팔파 기준증발산량의 산정을 위하여 유전자 알고리즘이 내재된 일반화된 회귀신경망모형을 개발하고 적용하는데 있다. 우리나라에서는 장기간동안 증발산계를 이용하여 알팔파 기준증발산량의 관측이 시행되지 않고 있으므로, 본 연구에서는 Penman-Monteith(PM) 공식을 이용하여 산정된 값을 계측된 알팔파 기준증발산량으로 가정하였다. 본 연구를 통하여 최적 증발접시 증발량

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

본 연구에서는 전국 59개 지점의 3개월 SPI 자료를 가지고 EOF를 유도하고 아울러 그 공간적 특성을 분석하였다. 또한 EOF 해석에 의해 나타난 Coefficient Time Series를 다변량 시계열 모형에 적용하여 SPI 시계열을 자료기간 10,000년으로 확장하였고 전국적인 가뭄심도를 판단하기 위해 전국 평균 지수를 이용하여 재현기간별 최대심도를 결정하였다. 마지막으로 각 대권역의 댐 유효저수량과 농경지 면적을 이용하여 농업가뭄 대비능력을