• The Korean Journal of Applied Statistics
• /
• v.16 no.2
• /
• pp.293-303
• /
• 2003

Under the case that we know the period and the reason of external events, we reviewed the method of model identification, parameter estimation and model diagnosis with the former papers that have been studied about the linear time series model with intervention, and compared with nonlinear time series model such as ARCH, GARCH model that it has been used widely in economic models, and also we compared with the combination prediction method that Tong(1990) introduced.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.1178-1182
• /
• 2004

시계열 자료의 분석과 예측은 수문학분야에서 매우 중요하면, 최근 들어 특정한 수문시계열에서 카오스 특성이 발견되고 있다. 카오스 특성을 갖는 수문시계열의 예측에 있어, 기존의 거의 모든 연구는 시스템의 특성을 파악한 뒤 예측을 실시하는 표준접근법이 채택되어왔다. 그러나 Phoon 등은 시스템의 특성분석에 앞서 예측을 실시하고, 상태공 매개변수가 시스템의 특성분석단계가 아닌 예측단계에서 평가되는 가역접근법을 제안하였다. 본 연구에서는 Phoon 등이 제안한 가역접근법과 기존에 널리 적용되어온 표준접근법을 실제 일유출량 자료에 적용함으로써, 가역접근법의 적용성을 검토하고 카오스 시계열의 특성을 파악하였다. 본 연구에서 사용한 비선형 예측 기법으로는 카오스이론이 적용된 부분근사화 기법을 이용하였다. 카오스 특성분석을 통해, Bear 강 일유출량 시계열 자료에서 카오스 특성이 나타남을 알 수 있었다. 표준접근법과 가역접근법을 이용하여 Bear 강의 일유출량 자료에 대하여 예측을 실시한 결과, 카오스 특성을 갖는 일유출량 시계열 자료의 단기 예측의 우수성을 알 수 있었으면, 가역접근법이 표준접근법에 비해 좋은 결과를 나타내었다. 특히, 가역접근법은 예측단계에서 예측시간(T)에 대하여 예측매개변수를 최적화시킴으로써 보다 정밀한 예측을 할 수 있었으며, 시스템에 대한 정보손실이 발생하였을 경우 예측에 대한 상태공간 매개변수를 다시 추정해야 하는 표준접근법에 비해 실제적 적용성이 매우 우수하였다.

• Journal of Korea Water Resources Association
• /
• v.31 no.6
• /
• pp.769-777
• /
• 1998

In this study, various time series are analyzed to check nonlinearities of the data. The nonlinearity of a system can be investigated by testing the randomness of the time series data. To test the randomness, four nonparametric test statistics and a new test statistic, called the BDS statistic are used and the results and the results are compared. The Brock, Dechert, and Scheinkman (BDS) statistic is originated from the statistical properties of the correlation integral which is used for searching for chaos and has been shown very effective in distinguishing nonlinear structures in dynamic systems from random structures. As a result of application to linear and nonlinear models which are well known, the BDS statistic is found to be more effective than nonparametric test statistics in identifying nonlinear structure in the time series. Hydrologic time series data are fitted to ARMA type models and the statistics are applied to the residuals. The results show that the BDS statistic can distinguish chaotic nonlinearity from randomness and that the BDS statistic can also be used for verifying the validity of the fitted model.

• Journal of Wetlands Research
• /
• v.21 no.3
• /
• pp.236-243
• /
• 2019

Hydrologic time series has been analyzed and forecasted by using classical linear models. However, there is growing evidence of nonlinear structure in natural phenomena and hydrologic time series associated with their patterns and fluctuations. Therefore, the classical linear techniques for time series analysis and forecasting may not be appropriate for nonlinear processes. Daily streamflow series at St. Johns river near Cocoa, Florida, USA showed an interesting result of a low dimensional, nonlinear dynamical system but daily inflow at Soyang reservoir, South Korea showed stochastic property. Based on the chaotic dynamical characteristic, DVS (deterministic versus stochastic) algorithm is used for short-term forecasting, as well as for exploring the properties of the system. In addition to the use of DVS algorithm, a neural network scheme for the forecasting of the daily streamflow series can be used and the two techniques are compared in this study. As a result, the daily streamflow which has chaotic property showed much more accurate result in short term forecasting than stochastic data.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.04a
• /
• pp.645-648
• /
• 2015

ICT 시대를 맞아 하루가 다르게 새로운 기술이 등장하고 있으며, 최근에는 사물인터넷 시대까지 도래하였다. 하지만 현재 사물인터넷에서 폭발적으로 발생되는 시계열 데이터를 분석하는 연구는 미비한 상태이다. 따라서 본 논문에서는 사물인터넷에서 발생되는 시계열 데이터의 예측 정확도 향상을 위해 사계절이 뚜렷한 우리나라의 계절성 특성을 고려한 SARIMA알고리즘과 비선형 특성 예측 알고리즘인 SVM을 결합한 하이브리드 SARIMA-SVM알고리즘을 제안 한다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.31 no.1B
• /
• pp.37-45
• /
• 2011

We studied noise influence on nonlinear chaotic system by using Logistic data series which is known as a typical nonlinear chaotic system. We regenerated Logistic data series by the method of adding noise according to noise level. And, we performed some analyses such as phase space reconstruction, correlation dimension, BDS statistics, and DVS Algorithms which are known as the methods of nonlinear deterministic or chaotic analysis. If we see the results of analysis, the characteristics of data series are gradually changed from nonlinear chaotic data series to random stochastic data series according to increasing noise level. We applied Low Pass Filter (LPF) and Kalman Filter techniques for the investigation of removing effect of the added noise to data series. Typical nonparametric method cannot distinguish nonlinear random series but the BDS statistic can distinguish the nonlinear randomness of the time series. Therefore this study used the BDS statistic which is well known as nonlinear statistical method for the investigation of randomness of time series for the effect of removing noise of data series. We found that Kalman filter is better method to remove the noise of chaotic data series even for high noise level.

• The Korean Journal of Financial Management
• /
• v.14 no.3
• /
• pp.183-201
• /
• 1997

본 논문은 우리나라의 주가지수수익률의 변동특성이 카오스를 내재하고 있는지 아니면 랜덤과정을 따르는지를 분석하기 위하여 Hurst의 R/S분석을 중심으로 분석하였다. 우리나라 증권시장의 1980년 1월 5일부터 1996년 말까지 총 4,982일 동안의 일별종합주가지수를 대수수익률로 전환한 시계열자료로 R/S분석한 결과 안정성과 주기유무를 판별하는 V-통계량 그래프에 의하면 83일과 33일의 비주기적 순환을 나타내고 있음을 알 수 있었다. 이러한 분석결과는 가우시안 랜덤과정과 그다지 큰 차이가 나지 않음을 알 수 있었다. 또한 선형성을 제거한 ARMA잔차와 비선형성을 제거한 GARCHM잔차자료에 대한 R/S분석한 결과도 원래 시계열보다 더 가우시안 랜덤과정에 더 근접함을 알 수 있었다. 한편 총 10개의 대리자료를 만들어서 평균을 취한 값으로 분석한 결과도 마찬가지로 나타나고 있다. 일별주가지수수익률에 내재하는 선형성분을 ARMA과정에 의정에 제거하고 남은 잔차중에는 비선형성분이 여전히 잔존하는데 그것이 일부 GARCHM과정에 의해서 미미하고 가우시안 랜덤과정이 보다 크게 나타남을 알 수 있었다.

• Knowledge Management Research
• /
• v.22 no.4
• /
• pp.119-133
• /
• 2021

As a large amount of data is produced in each industry, a number of time series pattern prediction studies are being conducted to make quick business decisions. However, there is a limit to predicting specific patterns in nonlinear time series data due to the uncertainty inherent in the data, and there are difficulties in making strategic decisions in corporate management. In addition, in recent decades, various studies have been conducted on data such as demand/supply and financial markets that are suitable for industrial purposes to predict time series data of irregular random walk models, but predict specific rules and achieve sustainable corporate objectives There are difficulties. In this study, the prediction results were compared and analyzed using the Chaos analysis method for roulette data and financial market data, and meaningful results were derived. And, this study confirmed that chaos analysis is useful for finding a new method in analyzing time series data. By comparing and analyzing the characteristics of roulette games with the time series of Korean stock index future, it was derived that predictive power can be improved if the trend is confirmed, and it is meaningful in determining whether nonlinear time series data with high uncertainty have a specific pattern.

• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.1644_1645
• /
• 2009

본 논문은 비정상 시계열 예측을 위한 다중모델 퍼지 시스템과, 제안된 시스템의 최적화를 위한 유전 알고리즘의 응용을 다룬다. 일반적으로, 퍼지 예측시스템의 성능은 비선형 데이터가 가지고 있는 다양한 패턴이나 법칙성, 경향 등을 잘 분석하고 시스템에 반영함으로써 개선될 수 있다. 따라서, 본 논문은 원형 시계열의 특성을 보다 잘 반영할 수 있는 그들의 차분데이터를 시스템에 적용하며, 생성 가능한 차분 데이터들 중 원형 시계열의 특징에 가까운 일부를 추출하여 다중모델 퍼지 예측 시스템을 구현함으로써 다양한 원형시계열의 패턴이나 법칙성 등이 고려될 수 있도록 하였다. 다중 모델 퍼지 시스템의 각각의 예측기에는 구조가 간단한 k-means 클러스터링 기법을 적용하여 구현의 용이성을 꽤하였으며, 성능평가를 통해 선택된 최종 예측기는 RCGKA(real-coded genetic k-means clustering algorithms)를 통해 더욱 최적화된 규칙기반을 가지게 함으로써 예측성능이 개선될 수 있도록 하였다. 본 논문에 사용된 최적화 기법인 RCGKA에는 또한 성능이 우수한 다양한 유전연산자를 도입하여 더욱 예측기 성능이 강화될 수 있도록 하였으며, 시뮬레이션을 통해 제안된 예측시스템의 효용성을 증명하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.19 no.1
• /
• pp.25-33
• /
• 2009

Recently, the TS fuzzy models that include the linear equations in the consequent part are widely used for time series forecasting, and the prediction performance of them is somewhat dependent on the characteristics of time series such as stationariness. Thus, a new prediction method is suggested in this paper which is especially effective to nonstationary time series prediction. First, data preprocessing is introduced to extract the patterns and regularities of time series well, and then multiple model TS fuzzy predictors are constructed. Next, an appropriate model is chosen for each input data by an adaptive model selection mechanism based on rough sets, and the prediction is going. Finally, the error compensation procedure is added to improve the performance by decreasing the prediction error. Computer simulations are performed on typical cases to verify the effectiveness of the proposed method. It may be very useful for the prediction of time series with uncertainty and/or nonstationariness because it handles and reflects better the characteristics of data.