반복측정된 3대 무선포탈들의 패킷패턴 추정에 관한 연구

국문 초록 (Abstract)

본 논문은 네이버, 다음, 네이트 등 3대 무선포탈들의 패킷패턴에 대해 추정의 정확성을 높이고 우수한 모형을 찾기 위해, 원자료 시계열모형과 승법계절분해 모형, 가법계절분해 모형 등 세가지 모형들을 비교, 분석하였다. 이를 위해 2012년 9월 2일부터 2017년 6월 30일까지 접속 시 6회 반복 측정하여 총 3,246회 패킷량을 측정하였다. 종속변수는 무선포탈들의 패킷량이며 독립변수는 우리의 주 관심사인 접속횟수, 접속날짜, 접속시간, 접속요일, 접속월 등이다. 세 모형에 적용된 분석방법은 자기회귀 모형이며, 독립변수와 자기회귀변수 선택은 후방제거법을 적용하였다. 모형진단은 Box-Ljung 통계량과 잔차의 ACF, PACF를 이용하였다. 세 모형의 비교는 AIC와 MSE로 실시하였다. 그 결과, 네이버는 승법계절분해 모형이, 다음은 가법계절분해 모형이, 네이트는 원자료 시계열모형이 선택되었고, 선택된 모형들도 적합한 것으로 나타났다. 네이버 모형에서는 접속횟수와 접속날짜, 접속시간, 월요일, 목요일, 금요일이 유의한 차이를 보였으며, 다음 모형에서는 접속횟수와 접속날짜, 접속시간이 유의한 차이를 보였으며, 네이트 모형에서는 첫 번째 접속, 접속날짜, 접속시간, 접속요일, 1월, 2월, 9월, 10월이 유의한 차이를 보였다. 모형들의 설명력은 네이버에 대해서 78.83%, 다음에 대해서는 75.53%, 네이트에 대해서는 80.55%로 높았다. 이러한 결과는 반복 측정되는 시계열자료는 계절분해 모형 등 다양한 방법으로 분석하여 비교하여 추정의 정확성을 높이는 것이 필요하다는 사실을 보여준다.

다국어 초록 (Multilingual Abstract)

The purpose of this paper is to build a proper model for packet amount of mobile portals such as Naver, Daum, and Nate. We considered three time series models: the first one is of raw data, the second one is of multiplicative decomposition data, and the last one is of additive decomposition data. The time series models have been built using autoregressive model, in which predictors were repetition, date, week, and month. We collected 3,246 cases by measuring the sixth per access from September, 2012 to June, 2017. The significant predictors and AR parameters have been selected respectively by backward elimination and by significant test. Comparing the three models by AIC and MSE, we selected the multiplicative decomposition model for Naver and additive decomposition model for Daum, raw data model for Nate. The models are proper from Box-Ljung statistic and residual ACF and PACF. Total R2 are 78.83% for Naver, 75.53% for Daum, and 80.55% for Nate. The results of this paper show that it is necessary to improve the accuracy of estimation by comparing and analyzing repeatedly measured time series data by various methods such as seasonal decomposition model.

목차 (Table of Contents)

• 요약
• 1. 서론
• 2. 응답패킷 측정과 연구모형
• 3. 연구 결과
• 4. 결론
• References
• Abstract

참고문헌 (Reference)

• 1 류귀열, "포털을 이용한 와이브로와 유선인터넷 응답속도 비교에 관한 연구" 한국데이터정보과학회 24 (24): 23-32, 2013
• 2 류수락, "초등학교 교원 수 예측을 위한 시계열 회귀모형" 한국데이터정보과학회 24 (24): 321-332, 2013
• 3 정광수, "초고화질 스트리밍 서비스의 QoS를 향상시키기 위한 라우터 버퍼 기반의 혼잡 제어 기법" 한국정보과학회 41 (41): 974-981, 2014
• 4 이우식, "중국 역내·외 위안화 현물시장간의 상호 연계성 연구" 한국데이터정보과학회 26 (26): 1387-1395, 2015
• 5 류귀열, "주요 포털사이트의 응답패킷분포에 관한 연구" 한국데이터정보과학회 24 (24): 437-444, 2013
• 6 김지영, "일별 온도의 연속형 자기회귀모형 연구- 6개 광역시를 중심으로 -" 한국데이터정보과학회 25 (25): 155-167, 2014
• 7 이훈자, "소비자물가지수의 시계열모형 연구" 한국데이터정보과학회 23 (23): 535-542, 2012
• 8 최정순, "비만율 자료에 대한 베이지안 공간 분석" 한국데이터정보과학회 27 (27): 1203-1214, 2016
• 9 명성민, "변기 및 세탁기 가정용수 사용량의 시계열모형 연구" 한국데이터정보과학회 24 (24): 1141-1148, 2013
• 10 류상훈, "모바일 IP에서 Fast Handoff를 위한 SNMP 정보 기반 계층 라우팅 메커니즘" 한국정보과학회 31 (31): 131-145, 2004
• 11 류귀열, "네이버 무선포털의 패킷량 분석에 관한 연구" 한국데이터정보과학회 27 (27): 701-710, 2016
• 12 Jo, S., "Time series analysis using SAS/ETS" Yulgok press 2011
• 13 Ministry of Science, ICT and Future Planning, "Statistical data" 2016
• 14 Park, S., "Regression analysis" Minyoungsa 2007
• 15 Jung, D., "Demand forecasting of time series I" Hannarae Academy 2009