• Korean Management Science Review
• /
• v.1
• /
• pp.68-80
• /
• 1984

Box-Jenkins 시계열 분석법은 변수에 관한 정보가 부족하거나 너무 많은 변수가 영향을 미치고 있는 경우에도 과학적인 예측치를 구할 수 있는 단기예측 방법이다. Box-Jenkins 모형은 자동회귀 모형(Autoregressive Model), 이동평균 모형 (Moving average Model), 계절적 시계열 모형을 통합한 일반적인 모형이기 때문에 특별한 불안정성을 보이지 않는 경우에는 모두 모형화 할 수 있으며, 모형에 관계된 계수의 수를 최소화 하면서 만족스러운 모형을 찾을 수 있다. Box-Jenkins예측방법은 모형선정, 매개변수추정, 적합성 검정의 3단계를 반복으로 수행함으로써 최적모형에 이르게 하게 하고 있기 때문에 최소의 가능한 모형으로부터 시작하여 부적당한 부분을 제거시켜 나감으로써 시행착오의 과정을 최소화 할 수 있다. 일반 사용자가 Box-Jenkins 시계열 분석법을 쉽게 사용할 수 있도록 Box-Jenkins Package가 개발되었으며 여기서는 KAIST 전산 개발 센터에 설치된 Package를 소개하고 그 사용예를 보였다.

• Journal of Korean Society of Coastal and Ocean Engineers
• /
• v.21 no.3
• /
• pp.254-265
• /
• 2009

The estimation of the extreme sea level is necessary in the design of offshore or coastal structures. In this paper, the storm surge data calculated numerically at 52 harbors around the Korean Peninsula are analyzed by using annual maximum series(AMS), peaks over threshold(POT) and empirical simulation technique(EST). The maximum likelihood method was used to estimate the parameters in both AMS and POT models. The Generalized Pareto distribution was used and Chi-square and Kolmogorov-Smirnov goodness-of-fit tests were performed with the acceptable significance level 5%. The extreme sea levels were also evaluated by EST including tide effect, showing similar results as given by Jeong et al.(2008).

• KIPS Transactions on Software and Data Engineering
• /
• v.11 no.5
• /
• pp.197-202
• /
• 2022

IoT (Internet of Things) devices are being attacked by malware due to many security vulnerabilities, such as the use of weak IDs/passwords and unauthenticated firmware updates. However, due to the diversity of CPU architectures, it is difficult to set up a malware analysis environment and design features. In this paper, we design time series features using the byte sequence of executable files to represent independent features of CPU architectures, and analyze them using recurrent neural networks. The proposed feature is a fixed-length time series pattern extracted from the byte sequence by calculating partial entropy and applying linear interpolation. Temporary changes in the extracted feature are analyzed by RNN and LSTM. In the experiment, the IoT malware detection showed high performance, while low performance was analyzed in the malware family classification. When the entropy patterns for each malware family were compared visually, the Tsunami and Gafgyt families showed similar patterns, resulting in low performance. LSTM is more suitable than RNN for learning temporal changes in the proposed malware features.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.11a
• /
• pp.109-112
• /
• 2005

배관에 생기는 구멍이나 틈은 대형 사고의 원인이 될 수 있다. 이러한 배관의 결함을 찾기 위해서는 먼저 센서를 부착한 배관 탐사 장비를 배관에 통과시키고, 배관을 통과하는 중에 센서가 읽은 정보들을 배관 탐사 장비의 하드 디스크에 저장한다. 배관 통과가 완료된 후, 분석가는 분석 프로그램을 사용하여 탐사 장비에서 얻은 데이터에서 결함을 수동적으로 찾는다. 분석가가 데이터를 분석할 때 일반적으로 두 가지 패턴이 존재한다. 첫 번째 패턴은 일정한 구간의 센서 데이터를 순차적으로 분석하는 패턴이고, 두 번째 패턴은 현재 구간에서 이전 구간으로 되돌아가서 다시 분석하는 반복적인 패턴이다. 현재까지 만족할 만 한 수준으로 자동적으로 분석이 되지 않으므로, 분석가는 수작업으로 분석을 하는 경우가 많은데 이로 인해 최근에 읽은 부분을 전후 반복해서 액세스하는 반복적인 패턴이 많이 사용된다. 반복적 패턴의 경우 시스템의 성능을 향상시키기 위해, 이전에 읽은 배관 센서 데이터를 캐싱 할 필요가 있다. 그러나 기존의 분석 소프트웨어에는 캐싱 기능이 없으므로 반복적 패턴일 경우 데이터베이스에서 동일한 데이터를 반복적으로 읽는 문제를 가지고 있다. 본 논문에서는 배관 센서 데이터를 효율적으로 관리하는 캐쉬 관리자를 설계하고 구현하였다. 세부적으로는, 배관 센서 데이터를 시계열 데이터로 간주하고, 시계열 데이터에 대한 캐시 관리자를 제안하였다. 본 논문은 배관 탐사 장비에서 획득한 데이터들을 시계열 데이터로 간주하여 데이터베이스 측면에서 이러한 문제들을 접근하였다는 점에서 의미가 있으며, 향후 이 분야에 대한 많은 연구들이 나올 것으로 기대한다.

• Korean Journal of Remote Sensing
• /
• v.26 no.2
• /
• pp.143-151
• /
• 2010

We carried out studies on InSAR techniques for time-series deformation monitoring using multi-temporal SAR. The PSInSAR method using permanent scatterer is much more complicate than the SBAS because it includes many non-linear equation due to the input of wrapped phase. It is conformed the PS algorithm is very sensitive to even PSC selection. On the other hand, the SBAS method using interferogram of small baseline subset is simple but sensitive to the accuracy of unwrapped phase. The SBAS is better method for expecting not significant unwrapping error while PSInSAR is more proper method for expecting local deformation within very limited area. We used 51 ERS-1/2 SAR data during 1992-2000 over Las Vegas, USA for the comparison between PSInSAR and SBAS. Both PSInSAR and SBAS show similar ground deformation value although local deformation seems to be detected in the PSInSAR method only.

• Proceedings of the Korean Statistical Society Conference
• /
• 2003.10a
• /
• pp.281-283
• /
• 2003

시계열 모형을 따르는 자료의 예측(Forecasting)이나 공정조정(Process Adjustment)의 경우, 자료의 마지막 부분에 발생한 이상치(Outlier)에 의해 크게 영향 받을 수 있다. 그러나 지금까지 제안된 이상치 탐지 방법은 주로 자료의 중간 부분에 발생한 이상치를 검출하는데 효율적이라고 알려져 왔다. 본 연구에서는 자료의 마지막 부분에 발생한 이상치에 대한 기존 탐지 방법의 검출력을 모의 실험을 통해 분석하였다 또한, 이를 개선할 수 있는 방안을 제시하고, 모의 실험을 통해 기존의 검출력과 비교하였다.

• Journal of Korea Water Resources Association
• /
• v.39 no.3 s.164
• /
• pp.253-259
• /
• 2006

In almost all previous hydrological studies, the standard approach adopted for nonlinear time series analysis is to perform system characterization first followed by forecasting. However, a practical inverse approach for forecasting nonlinear hydrological time series was proposed recently To investigate the applicability standard approach method and inverse approach, this study used a theoretical time series (Mackey-Glass time series) and daily streamflows of the Bear River in Idaho. To predict a theoretical time series and daily streamflow, this study used local approximation method. From chaos analysis, chaotic characteristics are found in daily streamflow of the Bear River in Idaho. Resulting from 1, 3 and 5-day prediction, inverse approach method is shown to be better than the standard approach for a theoretical chaotic time series and daily streamflow.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.174-178
• /
• 2010

일반적으로 설계홍수량은 강우빈도 해석으로 설계강우량을 결정하고 이를 유역유출모형에 적용하여 계산된 유출량을 정상류모의를 통하여 산정하게 된다. 이러한 기존의 설계홍수량 산정방법은 설계강우량 산정에 있어 임의성을 포함하게 된다. 따라서 본 연구에서는 대상 하천 구간의 실측 수위자료를 사용하여 홍수량을 산정하는 방법을 제시하고자 한다. 분석대상 자료로서 남한강 여주지점의 실측 시유량을 선정하였으며 충주댐 완공 이후인 1988년부터 2007년까지의 기간을 대상으로 하였다. 빈도해석을 위한 분석 자료군을 연최대치 계열과 POT(Peaks Over Threshold) 계열의 두 가지 그룹으로 추출하여 홍수량을 추정하였다. 연최대치 계열 분석 결과 Weibull 분포를 적절한 분포형으로 선정하였으며 부분시계열 POT 빈도해석을 수집자료 전체와 기간을 전, 후 10년씩 나눈 세 그룹으로 나누어 수행하였다. 빈도별 확률홍수량 추정 결과 연최대치 계열을 사용한 결과가 부분시계열 POT 방법을 사용한 결과보다 크게 산정되었으며 자료 전체 기간에 대한 POT 빈도해석 결과보다 최근 10년간의 자료를 사용한 결과가 더 크게 나타나 홍수량의 증가 경향을 확인 할 수 있었다.

• Journal of the Korea Convergence Society
• /
• v.10 no.12
• /
• pp.17-22
• /
• 2019

Network attack analysis and visualization methods using network traffic session data detect network anomalies by visualizing the sender's and receiver's IP addresses and the relationship between them. The traffic flow is a critical feature in detecting anomalies, but simply visualizing the source and destination IP addresses symmetrically from up-down or left-right would become a problematic factor for the analysis. Also, there is a risk of losing timely security situation when designing a visualization interface without considering the temporal characteristics of time-series traffic sessions. In this paper, we propose a visualization interface and analysis method that visualizes time-series traffic data by using the radial axis, divide IP addresses into network and host portions which then projects on the cylindrical coordinate system that could effectively monitor network attacks. The proposed method has the advantage of intuitively recognizing network attacks and identifying attack activity over time.

• 한국데이터정보과학회:학술대회논문집
• /
• 2006.11a
• /
• pp.29-36
• /
• 2006

최근 유해성이 강한 지표오존농도가 대기환경의 주요한 문제로 부각되고 있다. 본 연구에서는 경기도 평택과 서울 정동지역의 오존농도를 설명 변수를 사용할 수 있는 다변량 시계열 모형인 ARE(자기회귀오차) 모형으로 분석하였다. ARE모형에서는 오존 전체자료를 사용한 전체모형과 오존농도가 41ppb 이상 되는 자료를 사용한 부분모형 두 가지 모형을 비교하였다. ARE의 오존농도 설명변수로는 오존농도와 연관 있는 8종류의 기상자료와 4종류의 대기오염자료를 고려하였다. 기상자료의 8가지 설명변수로 일 최고온도, 일사량, 풍속, 상대습도, 강수량, 이슬점온도, 수증기압, 운량 자료를 사용하였다. 대기오염자료의 4가지 설명변수로는 아황산가스(SO2), 이산화질소(NO2), 코발트(CO)와 프로메툼 10(PM10)를 사용하였다.