지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2017.12
- 수록면
- 474 - 481 (8page)
- DOI
- 10.7232/JKIIE.2017.43.6.474
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Times series data is closely related with real-world more than other data. Time Series Prediction is one of the most important subjects that is useful in real-world problems. There are already many time series analysis methods. This study try to overcome the limitations of one of the famous time series analysis methods, ARIMA. ARIMA has limitations that are weakness in short term prediction and absence of nonlinear pattern analysis. This study use MODWT (Maximum Overlap Discrete Wavelet Transform) for preprocessing the time series data, and predict the data with ARIMA (Auto-Regressive Integrated Moving Average) and DBNs (Deep Belief Networks) which is usually used for analyzing nonlinear data. Real case datasets are used to compare the performances with original ARIMA and existing prediction methods. The results from the experiments demonstrate the usefulness and possibilities in various time series fields and superiority with improved accuracy.
목차
1. 서론
2. MODWT(Maximum Overlap Discrete Wavelet Transform)
3. 연구에 사용된 예측 모델
4. 제안하는 기법
5. 실험
6. 결론 및 추후 연구
참고문헌
참고문헌 (15)
참고문헌 신청
Chang, S. I. and Yadama, S. (2010), Statistical process control for monitoring non-linear profiles using wavelet filtering and B-spline approximation, International Journal of Production Research, 48(4), 1049- 1068.
Choi, H. S. and Sohn, S. Y. (2015), Influence of interests in geographical indication on the prediction of price change of agricultural product : case of apples, Journal of Korean Institute of Industrial Engineers, 41(4), 359-367.
Croarkin, C., Tobias, P., and Filliben, J. J. (2006), NIST/SEMATECH e-handbook of statistical methods. NIST/SEMATECH, July. Available online : http://www.itl.nist.gov/div898/handbook.
Ha, J.-H., Lee, Y. H., and Kim, Y.-H. (2016), Forecasting the Precipitation of the Next Day Using Deep Learngig, Journal of Korean Institute of Intelligent Systems, 26(2), 93-98.
Hyndman, R. J. and Khandakar, Y. (2007), Automatic time series for forecasting : the forecast package for R (No. 6/07), Monash University, Department of Econometrics and Business Statistics.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
ARIMA 모델을 이용한 데이터 흐름 예측 기법
한국컴퓨터정보학회 학술발표논문집
2018 .07
-
ARIMA를 이용한 배터리 수명예측성능분석
한국통신학회 학술대회논문집
2023 .02
-
Tourist Data Analysis using ARIMA Model and LSTM
Proceedings of KIIT Conference
2019 .06
-
ARIMA모델 기반 생활 기상지수를 이용한 동 · 하계 최대 전력 수요 예측 알고리즘 개발
전기학회논문지
2018 .10
-
ARIMA 모델을 이용한 민원발생 추이예측 기법
대한전자공학회 학술대회
2024 .06
-
시계열 모델 기반의 계절성에 특화된 S-ARIMA 모델을 사용한 리튬이온 배터리의 노화 예측 및 분석
전력전자학회논문지
2022 .08
-
BAGGING ARIMA Solar Irradiance Forecasting Model
대한전기학회 학술대회 논문집
2021 .07
-
수정된 ARIMA 기반 원격교육 학습자 전처리 연구
한국컴퓨터정보학회 학술발표논문집
2022 .07
-
ARIMA 모형을 이용한 토양수분 시계열 데이터 거동 분석
한국통신학회 인공지능 학술대회 논문집
2023 .09
-
스마트빌딩에서의 센서데이터에 대한 ARIMA기반 시계열 예측
한국정보과학회 학술발표논문집
2021 .12
-
ARIMA 방식에 의한 모바일 트래픽 예측에 관한 연구
한국통신학회 학술대회논문집
2021 .02
-
ARIMA와 SARIMA 시계열 분석기법을 이용한 대전지역 초단시간 일사량 선행예보모델 구축
한국태양에너지학회 학술대회논문집
2022 .10
-
ARIMA 모형을 이용한 일일 건물 난방 전력 수요 예측
대한건축학회 학술발표대회 논문집
2017 .10
-
ARIMA-Intervention 모형을 통한 최대전력 수요예측 연구
대한전기학회 학술대회 논문집
2020 .10
-
ARIMA 모델 기반 웨어러블 센서 데이터의 특징 벡터 추출 방법론
한국정보과학회 학술발표논문집
2015 .06
-
ARIMA 모형을 활용한 예금은행 주택담보대출 분석 및 예측 연구
한국정보전자통신기술학회 논문지
2019 .06
-
계절 ARIMA 모형을 이용한 라돈 농도 예측
전자공학회논문지
2021 .04
-
혼잡도와 유동 인구의 관계 분석 및 미래 예측을 위한 데이터 기반 모델링
한국컴퓨터정보학회 학술발표논문집
2025 .01
-
리튬이온배터리의 SOH 예측을 위한 S-ARIMA 모델 설계 방안 연구
전력전자학회 학술대회 논문집
2021 .07
-
ARIMA와 SARIMA 시계열 분석기법을 이용한 대전지역 초단시간 일사량 선행예보모델 구축
한국태양에너지학회 논문집
2022 .12
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2018-530-001537642