• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.268-272
• /
• 2012

현재 확률강우량을 산정할 때는 수문사상 자료계열이 정상성을 가지고 있다고 가정하고 산정하고 있다. 이는 경향성 검정을 통과하지 못한 비정상성을 가지는 자료계열이라 할지라도 이들 자료에 대해 해석을 할 수 있는 검증된 대안이 아직 없기 때문이다. 따라서 본 연구에서는 강우의 증가경향성이 존재하여 경향성 검정을 통과하지 못한 비정상성을 가지는 지역에 대해서 경향성을 고려한 확률강우량을 산정하고, 기존의 방법에 의해서 산정된 확률강우량과 비교해보았다. 그리고 현재까지의 강우량 자료를 시계열분석을 이용하여 미래 강우량 자료를 예측하고 확률강우량을 산정함으로써 시계열분석을 통한 확률강우량 산정과 경향성을 고려하여 산정된 확률강우량을 비교했다. 우선 실제로 우리나라의 강우의 패턴이 변화하고 있는지 확인하고, 변화의 양상이 뚜렷한 지점에 대해서 시계열분석을 이용하여 가까운 미래의 확률강우량을 산정하였다. 그 결과, 2010년에 비해서 2020년의 확률강우량이 4~15%정도 증가하였다. 다른 방법과 비교해본 결과, 약 5%의 편차를 보였다. 본 연구에서는 최종적으로 우리나라 강우관측소 61지점의 경향성을 판별하여 전국 지도에 등고선으로 나타내어 경향성을 고려해야 할 지역들은 분류하였고, 이 지도를 활용하여 확률강우량을 산정함으로써 수공구조물의 계획 및 설계, 하천관리, 수자원 계획 등에 활용하고 전체적인 설계 빈도 상향조정으로 발생되는 예산 낭비 방지와 홍수피해 저감에 도움이 되고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.10a
• /
• pp.398-402
• /
• 2018

비정상(non-stationary) 장기 시계열 안에서도, 단기적으로 추세의 변화가 일시적인 것인지, 아니면 구조적으로 변한 것인지를 적시에 판단하는 것은 중요하다. 이는 시계열 추세의 변화를 상시 감지하여, 변화에 맞는 적정한 수준의 대응을 할 필요가 있기 때문이다. 본 연구에서는 장기 시계열이 주어진 상황에서, 단위근 검정법을 기반으로 단기적으로 구조변화를 감지하여, 이러한 변화가 얼마나 지속될 것인지를 시각적으로 판단할 수 있는 방법을 제시하고자 한다.

• The Korean Journal of Applied Statistics
• /
• v.33 no.6
• /
• pp.713-722
• /
• 2020

Contrasted with the standard symmetric GARCH models, we consider a broad class of threshold-asymmetric models to analyse financial time series exhibiting asymmetric volatility. By further introducing power transformations, we add more flexibilities to the asymmetric class, thereby leading to power transformed and asymmetric volatility models. In particular, the paper is concerned with the nonstationary volatilities in which conditions for integrated volatility and explosive volatility are separately discussed. Dow Jones Industrial Average is analysed for illustration.

• Journal of the Korean Institute of Gas
• /
• v.25 no.5
• /
• pp.63-69
• /
• 2021

In this study, we established an algorithm to determine whether the work in the gas facility is a normal work or an abnormal work using the threshold of the reconstruction error of the autoencoder. This algorithm do deep learning the autoencoder only with time-series data of a normal work, and derives the optimized threshold of the reconstruction error of the normal work. We applied this algorithm to the time series data of the new work to get the reconstruction error, and then compare it with the reconstruction error threshold of the normal work to determine whether the work is normal work or abnormal work. In order to train and validate this algorithm, we defined the work in a virtual gas facility, and constructed the training data set consisting only of normal work data and the validation data set including both normal work and abnormal work data.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1547-1548
• /
• 2008

본 논문에서는 유동적 비정상 시계열의 패턴과 규칙성을 잘 반영할 수 있는 최적의 차분 간격 후보군을 이용한 TS 퍼지 모델로 다중 퍼지 모델을 구현하였고, 각각의 모델들의 예측 특성을 반영하기 위하여 러프집합을 이용한 모델선택법을 제안하였다. 또한 TS퍼지 모델의 파라미터 식별에는 적절한 오차보정 메커니즘을 추가하여 더욱 예측 성능을 향상 시켰다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.150-150
• /
• 2017

기후변화로 인하여 극한 홍수와 극한 가뭄 발생이 증가할 것으로 전망하고 있어 이에 대한 위험이 대두되고 있는 실정이다. 홍수 및 가뭄 수문시계열의 빈도해석시에 일반적으로 활용되는 정상성 빈도해석기법은 수문자료의 정상성을 기반으로 한 빈도해석이 대부분이기 때문에 기후변화 및 수문자료의 비정상성을 반영한 새로운 빈도해석 기법이 요구되고 있는 상황이다. 본 연구에서는 5개의 대표 관측지점(서울, 포항, 추풍령, 여수, 광주)를 선별하고 1976년부터 2015년까지 일강우자료를 활용하여 기상학적 가뭄지수인 SPI(Standardized Precipitation Index)를 산정하였다. 산정한 SPI의 경향성을 Mann-Kendall 분석을 하였으며, 정상성 및 비정상성 빈도해석을 위하여 최적확률분포로 선정된 GEV 분포 적용하였다. 본 연구에서는 가뭄빈도해석을 위하여 SPI를 입력자료로 활용하였으며, 산정된 SPI의 비정상성을 반영한 비정상성 빈도해석의 경우 Bayesian 모형을 기반으로 한 MCMC(Markov Chain Monte Carlo) 모의를 이용하여 극치분포의 사후분포 매개변수를 추정하였다. 추정 값을 바탕으로 하여 가뭄의 관측소별 빈도해석을 실시하였고 재현기간별-지속기간별 가뭄심도를 추정하여 관측소별 가뭄심도-지속기간-빈도(SDF,Severity-Duration-Frequency) 곡선을 유도하였다. 본 연구를 통하여 정상성과 비정상성 빈도해석 결과의 비교연구를 수행하였으며 기후변화에 따른 비정상 시계열로 구성된 가뭄빈도해석에 매우 유용하게 적용될 수 있을 것으로 나타났다.

• Journal of Digital Convergence
• /
• v.12 no.7
• /
• pp.261-266
• /
• 2014

When the number of parameters in the time series model are diverse, it is hard to forecast because of the increasing error by a parameter estimation. If the homogeneity hypothesis which was obtained from the same model about severeal data for the time series is selected, it is easy to get the predictive value better. Nonlinear time-series panel data for each parameter for each time series, since there are so many parameters that are present, and the large number of parameters according to the parameter estimation error increases the accuracy of the forecast deteriorated. Panel present in the time series of multiple independent homogeneity is satisfied by a comprehensive time series to estimate and to test of the parameters. For studying about the homogeneity test for the m independent non-linear of the time series panel data, it needs to set the model and to make the normal conditions for the model, and to derive the homogeneity test statistic. Finally, it shows to obtain the limit distribution according to ${\chi}^2$ distribution. In actual analysis,, we can examine the result for the homogeneity test about nonlinear time series panel data which are 2 groups of stock price data.

• Economic and Environmental Geology
• /
• v.50 no.4
• /
• pp.267-276
• /
• 2017

Seawater intrusion into coastal fractured rock aquifer, resulting in groundwater contamination, is of serious concern in coastal areas of Jeolla Namdo, Korea, which heavily depends on groundwater resources. Time series analysis and forecasting were carried out to analyze and predict EC which is a major indicator of seawater intrusion. Two time series models of autoregressive integrated moving average (ARIMA) and seasonal autoregressive integrated moving average (SARIMA) were tested for suggesting appropriate time series model. Time series data of EC measured over one year showed a increasing trend with short periodic fluctuations, due to tidal effect and pumping, which indicated that EC time series data tended to be non-stationary. SARIMA model was found better fitted to observed EC than any other time series model. Time series analysis and modeling was found to be a useful tool to analyze EC at coastal fractured rock aquifer subject to seawater intrusion.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.29 no.2B
• /
• pp.217-227
• /
• 2004

With a rapid growth in the Internet technology, the network traffic is increasing swiftly. As for the increase of traffic, it had a large influence on performance of a total network. Therefore, a traffic management became an important issue of network management. In this paper, we study a forecast plan of network traffic in order to analyze network traffic and to establish efficient correspondence. We use time series forecast models and determine fitness whether the model can forecast network traffic exactly. In order to predict a model, AR, MA, ARMA, and ARIMA must be applied. The suitable model can be found that can express the nature of traffic for the forecast among these models. We determines whether it is satisfied with stationary in the assumption step of the model. The stationary can get the results by using ACF(Auto Correlation Function) and PACF(Partial Auto Correlation Function). If the result of this function cannot satisfy then the forecast model is unsuitable. Therefore, we are going to get the correct model that is to satisfy stationary assumption. So, we proposes a way to classify in order to get time series materials to satisfy stationary. The correct prediction method is managed traffic of a network with a way to be better than now. It is possible to manage traffic dynamically if it can be used.

• The Korean Journal of Applied Statistics
• /
• v.26 no.6
• /
• pp.987-998
• /
• 2013

This paper considers the statistical characteristics on the air quality (PM10) of Korea collected hourly in 2011. PM10 in Korea exhibits very strong correlations even for higher lags, namely, long range dependence. It is power-law tailed in marginal distribution, and generalized Pareto distribution successfully captures the thicker tail than log-normal distribution. However, slowly decaying autocorrelations may confuse practitioners since a non-stationary model (such as changes in mean) can produce spurious long term correlations for finite samples. We conduct a statistical testing procedure to distinguish two models and argue that the high persistency can be explained by non-stationary changes in mean model rather than long range dependent time series models.