다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기
응용통계연구 = The Korean journal of applied statistics, v.29 no.4, 2016년, pp.581 - 594
원다영 (중앙대학교 응용통계학과) , 성병찬 (중앙대학교 응용통계학과)
AI-Helper
We introduce innovations state space exponential smoothing models (ISS-ESM) that can analyze time series with multiple seasonal patterns. Especially, in order to control complex structure existing in the multiple patterns, the model equations use a matrix consisting of seasonal updating parameters. ...
| 핵심어 | 질문 | 논문에서 추출한 답변 |
|---|---|---|
| 단기 전력 수요를 예측하기 위한 방법에는 어떤 것이 있는가? | 단기 전력 수요를 예측하기 위한 방법에는 여러 가지 통계적 방법론들이 존재하는데, 대표적으로 Box 등 (1993)의 ARIMA 모형과 Holt-Winters(HW)의 지수평활법 (Winters, 1960)이 사용되어 왔다. 이러한 모형들을 통하여 전력 수요량에 존재하는 다양한 계절성(seasonality)의 움직임이 모형화 및 예측되었다. | |
| 다중 계절형 모형의 장점은? | 이런 구조를 이용하면 비슷한 패턴을 가지는 계절 성분의 모수를 그룹별로 분류할 수 있다. 따라서, 다중 계절형 모형은 모수절약 원칙을 달성할 수 있으며 모형의 해석이 용이한 장점을 가지고 있을 뿐만 아니라, 잠재적으로 임의의 개수의 계절성도 수용 가능하다. 본 연구에서는 다중 계절형 모형을 이용하여 시간 단위로 관측된 한국 전력 수요량을 분석하고 예측한다. | |
| 이노베이션 상태공간모형을 근간으로 기존의 지수평활법을 포괄할 수 있는 다중 계절형 모형은 어떤 구조를 가지고 있는가? | 본 논문은 이노베이션 상태공간모형을 근간으로 기존의 지수평활법을 포괄할 수 있는 다중 계절형 모형을 소개한다. 특히 이 모형은, 기존 모형의 한계를 극복하고 동일한 계절 내의 다양성을 표현할 수 있도록 계절 성분을 행렬로 표현하는 정교한 구조를 가지고 있다. 이런 구조를 이용하면 비슷한 패턴을 가지는 계절 성분의 모수를 그룹별로 분류할 수 있다. |
Anderson, B. D. and Moore, J. B. (1979). Optimal Filtering, Prentice-Hall, New Jersey.
Box, G. E. P., Jenkins, G. M., and Reinsel, G. C. (1993). Time Series Analysis: Forecasting and Control, Prentice Hall, New Jersey.
De Livera, A. M., Hyndman, R. J., and Snyder, R. D. (2011). Forecasting time series with complex seasonal patterns using exponential smoothing, Journal of the American Statistical Association, 106, 1513-1527.
Gould, P. G., Koehler, A. B., Ord, J. K., Snyder, R. D., Hyndman, R. J., and Vahid-Araghi, F. (2008). Forecasting time series with multiple seasonal patterns, European Journal of Operational Research, 191, 207-222.
Harvey, A. C. (1989). Forecasting, Structural Time Series Models and the Kalman Filter, Cambridge University Press, Cambridge.
Hyndman, R., Koehler, A. B., Ord, J. K., and Snyder, R. D. (2008). Forecasting with Exponential Smoothing: The State Space Approach, Springer-Verlag.
Hyndman, R. J., Koehler, A. B., Snyder, R. D., and Grose, S. (2002). A state space framework for automatic forecasting using exponential smoothing methods, International Journal of Forecasting, 18, 439-454.
Kim, C. H. (2013). Short-term electricity demand forecasting using complex seasonal exponential smoothing, Korea Development Institute, 13-06.
Ord, J. K., Koehler, A. B., and Snyder, R. D. (1997). Estimation and prediction for a class of dynamic nonlinear statistical models, Journal of the American Statistical Association, 92, 1621-1629.
Ord, J. K., Snyder, R. D., Koehler, A. B., Hyndman, R. J., and Leeds, M. (2005). Time series forecasting: The case for the single source of error state space approach, (Working paper series), Department of Econometrics and Business Statistics, Monash University, Australia.
Shumway, R. H. and Stoffer, D. S. (2011). Time Series Analysis and Its Applications: With R Examples, Springer, New York.
Taylor, J. W. (2003). Short-term electricity demand forecasting using double seasonal exponential smoothing, Journal of Operational Research Society, 54, 799-805.
Taylor, J. W. (2010). Triple seasonal methods for short-term electricity demand forecasting, European Journal of Operational Research, 204, 139-152.
Winters, P. R. (1960). Forecasting sales by exponentially weighted moving averages, Management Science, 6, 324-342.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
Copyright KISTI. All Rights Reserved.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.