• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.9-9
• /
• 2016

많은 연구들에서 단변량 수문 변량들에 대한 불확실성 분석이 이루어지고 있지만, 다변량에 대한 불확실성에 관한 연구는 아직까지 정확하게 이루어지고 있지 않은 실정이다. 이에 본 연구에서는 갈수기(12월~4월)의 강수, 온도와 남방진동(El Ni?o-Southern Oscillation, ENSO)과 같은 수문기상학적 변량들 사이의 시간에 따른 변동 구조를 조사하고, 식별된 패턴을 이용한 강우와 온도의 예측 향상 가능성을 살펴보았다. 수문기상학적 변수간의 시변성 구조를 이해하기 위해서 각각의 단변량 매개변수와 시간에 따라 변화하는 Copula 매개변수를 동시에 추정할 수 있는 Copula 함수 기반의 새로운 다변량 비정상성 모델을 개발하고자 한다. 강우와 온도의 비정상정 단변량 분포를 생성하기 위해 ENSO 지표 또는 시계열 예측인자와 함께 시변성 모델을 적용할 수 있다. 최종적으로, 확인된 시간 변동적인 구조와 연관된 종관 패턴을 나타내고 논의하고자 한다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권3호
• /
• pp.73-82
• /
• 2022

오토-스케일링은 클라우드 컴퓨팅 기술이 ICT 핵심 기반 기술로 자리 잡을 수 있는 가장 중요한 기능 중 하나로써 사용자나 서비스 요청의 폭발적인 증가 또는 감소에도 시스템 자원과 서비스 인스턴스를 적절하게 확장 또는 축소하여 상황에 맞는 서비스의 안정성과 비용 대비 효과를 향상하는 기술이다. 하지만 특정 시스템 자원에 대한 모니터링 시점의 단일 메트릭 데이터를 기반으로 정책이 수립·실행되다 보니 이미 서비스에 영향이 있거나 실제 필요한 서비스 인스턴스를 세밀하게 관리하지 못하는 문제점이 있다. 이러한 문제점을 해결하기 위해서 본 논문에서는 시스템 자원과 서비스 응답시간을 다변량 시계열 분석 모델을 사용하여 분석·예측하고 이를 기반으로 오토-스케일링 정책을 수립하는 방안을 제안한다. 이를 검증하기 위해 쿠버네티스 환경에서 커스텀 스케쥴러를 구현하고, 실험을 통해 쿠버네티스 기본 오토-스케일링 방식과 비교 분석한다. 제안하는 기법은 시스템 자원과 응답시간 사이의 영향에 기반한 예측 데이터를 활용하여 예상되는 상황에 대한 오토-스케일링을 선제적으로 실행함으로써 시스템의 안정성을 확보하고 서비스 품질이 저하되지 않는 범위내에서 필요한 만큼의 인스턴스를 세밀하게 관리할 수 있는 결과를 보인다.

• 전자통신동향분석
• /
• 제36권4호
• /
• pp.145-153
• /
• 2021

Data imputation is a crucial issue in data analysis because quality data are highly correlated with the performance of AI models. Particularly, it is difficult to collect quality time-series data for uncertain situations (for example, electricity blackout, delays for network conditions). Thus, it is necessary to research effective methods of time-series data imputation. Many studies on time-series data imputation can be divided into 5 parts, including statistical based, matrix-based, regression-based, deep learning (RNN and GAN) based methodologies. This study reviews and organizes these methodologies. Recently, deep learning-based imputation methods are developed and show excellent performance. However, it is associated to some computational problems that make it difficult to use in real-time system. Thus, the direction of future work is to develop low computational but high-performance imputation methods for application in the real field.

• 응용통계연구
• /
• 제29권1호
• /
• pp.113-122
• /
• 2016

경시적 자료는 반복적으로 측정된 다변량 자료의 한 형태로 임상학, 보건학, 경제학에서 자주 발생된다. 시계열자료와 구분되는 가장 큰 특징은 표본수와 공변량 효과의 추정에 있다. 경시적 자료는 일반적으로 시계열 자료보다 더 큰 표본 개체로 이루어져 있으며 연구의 주 관심은 특정 공변량의 효과를 추정하는 데 있다. 또한 시계열 자료보다 반복 측정 횟수가 짧으며 개체마다 다른 관측 횟수와 다른 관측 중단 시점을 가질 수 있다. 본 연구에서는 관측 시점과 관측 종료 원인이 경시자료와 서로 연관된 경우에 결합 모형을 적용함으로써 이들간의 연관성을 분석하고자한다. 따라서 이들 변량간의 연관성을 모형화하기 위해 이변량 랜덤효과가 적용된다. 실제 자료 분석에서는 간경변증 환자의 핼액 응고 수치 시간을 관심 있는 경시적 자료로 환자가 병원 방문시점과 관측 중단원인들간의 상호 연관관계를 규명하고자 하였다. 특히, 중도 절단원인은 사망이나 간이식을 받는 사건일 때 발생하는데 본 연구에서는 사망 사건과의 연관성이 고려되었다. 결과를 통해 혈액 응고 시간이 길고 병원 방문 시점이 빈번할수록 사망할 가능성이 높음을 알수 있었다. 또한 혈액응고 시간이 길수록 병원 방문 횟수가 빈번하였다.

• 응용통계연구
• /
• 제33권3호
• /
• pp.297-308
• /
• 2020

본 논문에서는 고빈도 함수적 ARCH 모형을 소개하고 근사모형으로써 다변량 변동성 모형을 고려하였다. 이를 기반으로 함수형 변동성 분석에서 중요한 요소인 일중 로그 수익률의 적절한 시간 간격을 찾아보았다. 또한 함수적 ARCH 모형에서 l-시차 후 변동성 예측식을 제시하고 고빈도 KOSPI 자료에 적합하여 예시하였다.

• 응용통계연구
• /
• 제22권2호
• /
• pp.261-270
• /
• 2009

주식 수익률, 환율 등과 같은 금융 자료를 이해하는데 있어서 최근의 국제 금융위기를 통해 더욱 중요해진 이슈는 바로 변동성(volatility)이다. 변동성(조건부 이분산성)에 대한 모형은 Engle (1982)의 ARCH 모형과 Bollerslev (1986)의 GARCH 모형을 시작으로 수만은 연구가 이루어졌으며 특히 금융 시계열 분석에서는 시계열 자료들 간의 변동성을 함께 모형화 하는 MGARCH(multivariate GARCH) 모형이 널리 이용되고 있다. 추정된 MGARCH 모형들은 그 자체로서 여러 개의 변동성들 간의 시간에 따른 동적인 관계를 설명해주는 데 유용할 뿐만 아니라 추정된 (조건부)상관계수들은 hedge ratio 계산 또는 VaR 계산 등과 같이 금융시장에 대한분석에도 이용되고 있다. 본 논문에서는 국내 14개 최신 주가자료에 대한 MGARCH 분석을 수행하고 연관된 사후검증(back-testing)을 통해 MGARCH 모형들을 평가하고 있으며 사후검증 수치를 얻기 위한 S-PLUS 프로그램을 수록하였다.

• 응용통계연구
• /
• 제29권1호
• /
• pp.61-73
• /
• 2016

본 논문에서는 다변량 시계열 모형 진단을 위해 잔차의 자기상관성 유무를 확인하기 위한 와일드 붓스트랩(wild bootstrap) Ljung-Box(LB) 검정통계량을 연구하였다. 일반적으로 LB 검정은 오차가 서로 독립이며 동일한 분포를 따른다는 IID 가정 하에 유도되는 점근적 카이제곱 분포를 이용한다. 한편 금융시계열 자료는 분산에 조건부 이분산성이 존재하기 때문에 오차의 IID 가정을 만족시키지 못하며 이에 따라 점근적 분포를 이용한 LB 검정은 제1종의 오류를 만족시키지 못하게 된다. 이를 극복하기 위해 와일드 붓스트랩을 이용한 LB 검정법을 제안하고 그 성질을 연구하고자 한다. 벡터자기회귀 모형과 벡터오차수정 모형 등의 다양한 다변량 시계열 모형을 이용하여 모의실험을 실시하는 한편, 코스피 200지수와 지수선물 자료를 이용한 실증분석을 통해 와일드 붓스트랩을 이용한 LB 검정법이 조건부 이분산성의 부정적인 영향을 효과적으로 제거할 수 있음을 입증하였다.

• 한국전자통신학회논문지
• /
• 제19권2호
• /
• pp.383-388
• /
• 2024

본 논문은 전라남도에서 측정한 태양광 발전 데이터를 기반으로 발전량 예측값을 도출하기 위한 연구이다. 발전량 측정을 위해 인버터에서 직류, 교류, 환경데이터와 같은 다변량 변수를 측정하였고, 측정값의 안정성과 신뢰성 확보를 위한 전처리 작업을 수행하였다. 상관관계 분석은 부분자기상관함수(PACF: Partial Autocorrelation Function)을 활용하여 시계열 데이터에서 발전량과 상관성이 높은 데이터만을 예측을 위해 사용하였다. 태양광 발전량 예측을 위해 딥러닝 모델을 이용하여 발전량을 측정했고, 예측 정확도를 높이기 위해 각 다변량 변수의 상관관계 분석 결과를 이용하였다. 정제된 데이터를 활용한 학습은 기존 데이터를 그대로 사용했을 때 보다 안정되었고, 상관관계 분석 결과를 반영하여 다변량 변수 중 상관성이 높은 변수만을 활용하여 태양광 발전량 예측 알고리즘을 개선하였다.

• 한국항해항만학회지
• /
• 제46권4호
• /
• pp.385-391
• /
• 2022

본 연구에서는 수요 및 공급요인 외 해상운임에 영향을 주는 다양한 변수들을 발굴하고자 다변량 시계열분석을 수행해 보았다. 우선 종속변수에는 해상운임을 대용할 변수로 Shipping Intelligence에서 제공하고 있는 종합운임지수(ClarkSea Index), 벌크선운임(Clarksons Average Bulker Earnings), 탱커선운임(Clarksons Average Tanker Earnings) 등을 활용하였다. 선행연구를 통해 해상운임에 영향을 미칠 것으로 예상되는 세계 해상물동량(World Seaborne Trade), 세계 선복량(World Fleet), 유가(Brent Crude Oil Price), 세계 GDP성장률(GDP World), OECD 산업생산성장률(Industrial Production OECD), 금리(US$ LIBOR 6 Months), OECD 인플레이션(CPI OECD) 등을 독립변수로 설정하여 회귀분석을 수행해 보았다. 데이터는 시계열자료로 1992년부터 2020년까지의 연데이터로 구성하였다. 분석결과 종합운임지수에는 해상물동량과 유가가, 벌크선운임에는 해상물동량만이, 탱커선운임에는 해상물동량, 유가, 산업생산성장률, 인플레이션 등이 통계적으로 유의미한 영향을 미치는 것으로 나타났다.

• 응용통계연구
• /
• 제30권6호
• /
• pp.1005-1013
• /
• 2017

본 연구에서는 태양광 발전량 예측에 필요한 일사량을 예측하기 위해 다양한 기상변수를 활용한 다중회귀, ARIMA, ARIMAX 모형을 사용하여 각 모형의 예측 성능을 비교하고자 한다. 예측에 사용된 변수와 시계열 모형에 대해 소개하고, 실제 일사량 예측에 적용하여 일사량을 예측한 결과 운량, 기온, 습도, 대기권 밖 일사량을 활용한 ARIMAX 모형의 성능이 가장 우수하였다.