NumXL 쿡북 - 항공 모델

이 문서에서는 NumXL을 사용하여 원시 시계열 데이터를 강력한 예측으로 변환하는 몇 가지 단계를 보여드리겠습니다.

예를 들어 2003년부터 2010년까지 사우디 아라비아 제다시의 월별 전력 수요(MWh)를 사용하고 있습니다.

위 그림의 시계열은 12개월의 계절성과 시간이 지남에 따라 상승하는 추세를 보여줍니다.

이 데이터는 전력 수요를 두 가지 주요 구성 요소로 나누어 설명할 수 있습니다: (1) 산업 수요와 (2) 주거 및 비즈니스 수요입니다. 주거 및 비즈니스 수요는 날씨 패턴(예: 계절)의 영향을 받습니다. 냉난방용 전기 사용량의 증가/감소를 통해 이를 확인할 수 있습니다. 반면에 산업용 수요는 다소 평탄합니다. 산업 수요는 주로 도시 또는 산업의 경제 상황에 의해 좌우되며 날씨 패턴의 영향을 덜 받습니다.

1단계: 요약 통계

NumXL 도구 모음을 사용하여 설명 통계 마법사를 시작합니다.

이 예시에서는 모든 옵션을 선택한 상태로 유지하겠습니다. 출력의 경우 스프레드시트에서 표를 기록할 셀을 선택합니다:

2단계: 상관관계 분석

NumXL 툴바를 사용하여 상관도 마법사를 시작합니다:

이 예시에서는 처음 20개의 지연에 대한 ACF와 PACF를 계산하고 플롯하겠습니다.

ACF 플롯은 사이클 길이가 12단계인 AirLine 모델의 전형적인 사례를 보여줍니다.

3단계: 데이터 변환

모델링하기 전에 데이터를 변환할 필요가 없습니다. AirLine 모델은 정의의 차분 용어를 통해 입력 계열을 안정화합니다.

4단계: 모델링

NumXL을 사용하는 모델링 프로세스는 크게 3가지 단계로 구성됩니다: (1A) 모델 사양, (2B) 보정, (3C) 잔여물 진단입니다.

1A: 모델 사양

NumXL 도구 모음에서 에어라인 아이콘을 클릭합니다.

NumXL은 스프레드시트에 모델의 계수, 적합도, 잔여 진단 루틴이 포함된 표를 준비합니다. 참고: 모델의 값은 아직 최적이 아닙니다.

2B: 모델 보정

모델 테이블이 시작되는 셀을 선택합니다(예: AIRLINE(12)). 도구 모음에서 “보정” 아이콘을 클릭합니다.

모델 사양을 입력하면 MS Excel 솔버 대화 상자가 화면에 나타납니다. 풀기 버튼을 클릭합니다.

3C: 잔여 진단

잔여물 진단 루틴은 이미 스프레드시트에 모델 매개변수로 채워져 있습니다. 이제 최적의 모델이 기본 가정을 충족하는지 다시 검토할 때입니다.

5단계: 예측

NumXL을 사용하여 예측을 수행하려면 모델 테이블의 셀(예: AirLine)을 선택합니다. 툴바에서 '예측' 아이콘을 클릭합니다.

예측 마법사가 나타납니다. 실현된 관측값(즉, 샘플 데이터의 꼬리점)과 예측 기간을 단계 단위로 선택합니다.

이 예시에서는 샘플 데이터의 마지막 23개 관측값을 선택한 다음 위와 같이 예측 기간을 30단계(또는 단위)로 설정했습니다.

예측과 예측의 신뢰 구간을 플롯합니다.