• 한국지반공학회논문집
• /
• 제40권2호
• /
• pp.65-79
• /
• 2024

본 연구는 전통적인 통계기반 ARIMA(Auto-Regressive Integrated Moving Average) 모델과 딥러닝 기반 LSTM(Long Short-Term Memory) 모델을 활용하여 굴착 현장의 지중경사계 데이터를 통한 흙막이 벽체 변형을 예측하고, 두 모델의 예측 성능을 비교 분석하였다. ARIMA 모델은 시간의 흐름에 따른 시계열 데이터의 선형적 패턴을 분석하는 데 강점을 보이는 반면, LSTM은 데이터의 복잡한 비선형 패턴과 장기 의존성을 포착하는 데 우수한 능력을 보여주었다. 본 연구는 흙막이 벽체 변형 예측을 위해 지중경사계 계측 데이터에 대한 전처리, 다양한 시계열 데이터 길이 및 입력변수 조건 등에 따른 성능 평가를 포함하였으며, LSTM 모델이 ARIMA 모델에 비해 통계적으로 유의미한 예측 성능 향상을 확인하였다. 본 연구의 결과는 굴착 현장에서의 지중경사계 데이터를 활용한 흙막이 벽체의 안정성 평가에 LSTM 모델을 효과적으로 적용할 수 있음을 보여준다. 또한 이를 바탕으로 향후 굴착 현장 전체에 대한 안전모니터링 시스템 구축과 시계열 예측 모델 발전에 기여할 것으로 기대된다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2001년도 춘계학술대회 논문집 전력기술부문
• /
• pp.287-289
• /
• 2001

많은 자연계가 선형성과 비선형성을 동시에 포함한 카오스적인 모습을 보여준다 예를 들면 춤추는 불꽃, 부서지는 파도. 하늘에 떠다니는 무수한 구름 등 외관상으로는 불규칙해 보이는 듯 하면서 어떤 규칙성을 가진 다양한 모습을 나타낸다. 특히 공학분야에서는 거의 모든 현상이 비선형계로 이루어져 있다 이러한 비선형계의 해석에 카오스 이론이 적용될 수 있는데 최근 들어 카오스에 내재하는 질서구조가 밝혀짐에 따라 여러 공학분야에서 이를 활발히 응용하고 있다. 본 논문에서는 카오스 이론에 대해 간단히 논하고 이러한 카오스 이론이 응용될 수 있는 분야를 공학적 측면에서 일목요연하게 정리하였다. 특히 전력계통 및 송배전설비 분야 중 GIS 상태감시 및 부분방전 검출기법에 대해서 시계열 데이터를 이용한 카오스 이론의 적용 가능성을 타진하였다.

• 한국정보통신학회논문지
• /
• 제13권8호
• /
• pp.1647-1652
• /
• 2009

비선형 동력학 시스템으로 구성된 전력 수요의 시계열 데이터를 예측하기 위해 적용된 신경망 및 퍼지 적응 알고리즘 등은 예측오차가 상대적으로 크게 나타났다. 이는 전력수요 시계열 데이터가 가지고 있는 카오스적인 성질에 기인하며 이중 초기값에 민감한 의존성은 장기적인 예측을 더욱더 어렵게 하는 요인으로 작용한다. 전력수요 시계열 데이터가 가지고 있는 카오스적인 성질을 정량 및 정성적인 방식으로 분석 을 수행하고, 시스템 동력학적 특성의 정량분석에 이용되는 Lyapunov 지수를 이용하여 어트랙터 재구성, 다차원 카오스 시계열 데이터를 예측하는 방식으로 수요예측 시뮬레이션을 수행하고 결과를 비교 평가하여 기존 제안방식보다 실용적이며 효과적임을 확인한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 춘계학술대회
• /
• pp.171-174
• /
• 2009

비선형 동력학 시스템으로 구성된 전력 수요의 시계열 데이터를 예측하기 위해 적용된 신경망 및 퍼지 적응 알고리즘 등은 예측오차가 상대적으로 크게 나타났다. 이는 전력수요 시계열 데이터가 가지고 있는 카오스적인 성질에 기인하며 이중 초기값에 민감한 의존성은 장기적인 예측을 더욱더 어렵게 하는 요인으로 작용한다. 전력수요 시계열 데이터가 가지고 있는 카오스적인 성질을 정량 및 정성적인 방식으로 분석을 수행하고, 시스템 동력학적 특성의 정량분석에 이용되는 Lyapunov 지수를 이용하여 어트랙터 재구성, 다차원 카오스 시계열 데이터를 예측하는 방식으로 수요예측 시뮬레이션을 수행하고 결과를 비교 평가하여 기존 제안방식보다 실용적이며 효과적임을 확인한다.

• 재무관리연구
• /
• 제14권1호
• /
• pp.171-205
• /
• 1997

'80년대 중반 들어 주가지수 예측모형으로 애용되던 시계열 예측모형에 대한 근본적인 의문이 제기되었다. 이것은 기존 예측모형이 선형 데이터 생성과정을 기본가정으로 채택하고 있지만 진정한 데이터 생성과정은 비선형일 수도 있다는 점에서 출발한다. 주가지수의 변동을 유발하는 경제의 기본구조가 비선형임에도 불구하고 이를 선형모형으로 접근한다면 주가의 움직임을 제대로 설명할 수 없을 뿐만 아니라 이러한 설정오류는 모형의 신뢰성을 크게 손상시킨다. 이와 같은 점에 착안하여 본 연구는 업종별 주가지수의 비선형 검정을 통해 주가가 어떠한 형태의 경제구조에서 생성되었는지 여러 가지 방법으로 정정한다. 10개 업종지수의 검정결과 보험업을 제외한 대부분의 업종지수가 카오스 끌개를 보유하고 있다는 증거가 포착되었다. 표본외 예측을 위해서 국지적 가중회귀법을 채택하였는데 예측결과 모형에 따라 $6{\sim}7$개 업종에서 통상최소자승법보다 예측력 우위를 보였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국지능시스템학회 2008년도 춘계학술대회 학술발표회 논문집
• /
• pp.325-328
• /
• 2008

본 논문에서는 비선형 모델의 설계를 위해 Type-2 퍼지 논리 집합을 이용하여 불확실성 문제를 다룬다. 퍼지 논리 시스템의 멤버쉽 함수와 규칙의 구조는 불확실성이 존재하는 언어적인 정보 또는 수치적 데이터를 바탕으로 설계된다. 기존의 Type-1 퍼지 논리 시스템은 외부의 노이즈와 같은 불확실성을 효율적으로 취급할 수 없다. 그러나 Type-2 퍼지 논리 시스템은 불확실한 정보까지 멤버쉽 함수로 표현함으로서 불확실성을 효과적으로 다룰 수 있다. 따라서 본 논문에서는 규칙의 전 ${\cdot}$ 후반부가 Type-2 퍼지 집합으로 구성된 Type-2 퍼지 논리 시스템을 설계하고 불확실성의 변화에 대한 비선형 모델의 성능을 비교한다. 여기서 규칙 전반부 멤버쉽 함수의 정점 선택은 C-means 클러스터링 알고리즘을 이용하고, 규칙 후반부 퍼지 집합의 정점 결정에는 입자 군집 최적화(PSO : Particle Swarm Optimization) 알고리즘을 사용한다. 마지막으로, 비선형 모델 평가에 대표적으로 이용되는 가스로 시계열 데이터를 제안된 모델에 적용하고, 입력 데이터에 인위적인 노이즈가 포함되었을 경우 Type-2 퍼지 논리 시스템이 기존의 Type-1 퍼지 논리 시스템보다 우수함을 보인다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2011년도 한국컴퓨터종합학술대회논문집 Vol.38 No.1(A)
• /
• pp.73-76
• /
• 2011

본 논문에서는 기존 단일 인덱스 기반의 왜곡 제거 시계열 서브시퀀스 매칭의 인덱스 구성 알고리즘을 분석하여 보다 효율적인 인덱스 구성 알고리즘을 제안하였다. 기존 왜곡 제거 시계열 서브시퀀스 매칭의 단일 인덱스 구성 알고리즘은 대용량 시계열 데이터인 경우 왜곡 제거를 고려해야 되는 많은 윈도우로 인해 실제 인덱스 생성에 매우 많은 시간이 걸린다. 본 논문에서는 기존 선형 제거 서브시퀀스 매칭의 인덱스 구성 알고리즘을 예로서 인덱스를 구성하는 각 과정을 체계적으로 분석하여, 각 과정에서 필요한 연산 횟수를 줄이는 방법을 제안한다. 이를 위해, 저차원 변환하는 과정에서 발생하는 중복되는 연산들을 한 번씩 미리 수행하여 배열에 저장한 후 재사용하는 DF-버컷(DF-bucket)씨의 개념을 제시한다. 실험 결과, 저장 후 재사용 원칙에 따라 인덱스 구성의 효율성을 증대시킨 접근법이 그렇지 않은 접근법에 비해서 인덱스 구성 시간을 평균 32% 에서 55% 까지 줄인 것으로 나타났다.

• 응용통계연구
• /
• 제29권3호
• /
• pp.525-537
• /
• 2016

본 연구에서는 시계열 자료의 비정상성과 비선형성과 같은 복잡성을 효과적으로 포용할 수 있는 경험적모드분해법(empirical mode decomposition; EMD)을 토대로 시계열 자료의 분석 및 예측을 위한 혼합(hybrid) 모형을 연구한다. EMD에 의하여 생성되는 내재모드함수(intrinsic mode function; IMF)는 해석 및 예측의 편리성을 개선하기 위하여 누적에너지의 개념을 사용하여 그룹화하였으며, 그룹화된 IMF 및 residue의 성분들은 그 성질에 따라서 ARIMA 모형 및 지수평활법과 결합된 혼합 모형으로 예측된다. 제안된 방법은 일별 코스피 지수의 예측을 위해서 적용하였다. 다양한 형태의 혼합 모형을 사용하여 코스피 지수를 예측하였으며 전통적인 예측 방법과 비교하였다. 분석 결과, 그룹화된 성분들은 코스피 지수의 움직임을 단기적, 중기적, 장기적으로 해석하는데 편리함을 주었으며, 그룹화된 IMF 및 residue를 각각 ARIMA 모형과 지수평활법으로 조합한 혼합 모형이 우수한 예측력을 보여주었다.

• 한국수자원학회논문집
• /
• 제32권6호
• /
• pp.731-740
• /
• 1999

자기상관함수는 수문시계열의 선형상관 관계를 나타내는 척도롤 널리 이용되고 있다. 그러나 비선형 동역학에서 필수적인 지체시간 또는 무상관시간 $\tau$d를 산정하는데는 적합하지 않을수도 있기 때문에 비선형 상관관계의 척도로 상호정보이론이 추천되어 왔다. 최근에 일부 학자들은 카오스 동역학 분석을 위하여 지체신간 $\tau$d대신에 상태 공간상에 구축된 각 상태 벡타점 성분들의 총시간을 표시하는 지체시간창을 제안하였다. 그러나 지체신간창은 자기상관함수나 상호정보이론에 의해 추정될 수 없다. 기본적으로 지체신간창은 시계열 자료의 상관관계가 가장 작을 최적시간이며 지체시간은 국지적인 최소값 중 첫 번째의 최적시간이다. 본 연구에서는 수문시계열의 지체시간과 지체사간창을 구하기 위하여 C-C밥법이라는 기법을 이용하고, 여기에서 산정된 값들을 근거로 수문시계열의 모형화와 예측에 중요한 선형 또는 비선형 종속성을 파악하고자 한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.116-116
• /
• 2012

하천유역 내의 인자를 이용하여 댐의 하천유량(stream flow)을 예측하는 일은 수문특성의 연구와 자연재해에 대한 대비 및 수공구조물과 방재시설의 설계 시 중요한 역할을 한다. 이러한 연구는 과거부터 활발히 이루어졌으며, 아직도 보다 높은 정확도의 결과를 얻기 위해 많은 연구들이 이루어지고 있다. 특히 기존의 유역 내 자료를 통해 비선형적 모델인 인공신경망(artificial neural network)을 이용한 하천유량을 예측하는 연구 역시 활발히 이루어지고 있다. 본 연구의 목적은 여러 유역인자들 중 하천유량에 가장 영향을 미치는 변수를 추출하고 보다 정확한 예측모델을 구축하는 것이다. 기존의 입력자료 선정기법중의 하나인 상호정보량(mutual information)과 수문기상자료의 비선형 동역학적 성분을 추출하는 웨이블렛 변환(wavelet transform)을 사용하여 인공신경망에 적용시켰다. 인공신경망을 적용하는 경우, 수문자료에 있어서 변수의 선택과 자료의 상태가 강우예측의 결과에 큰 영향을 미친다. 이러한 변수의 선택에 있어서 상호정보량을 바탕으로 한 인공신경망 입력변수 선택기법이 많이 사용되고 있다. 일반적으로 시계열자료는 경향성(trend), 주기성(periodicity) 및 추계학적 성분(stochastic component)의 선형조합으로 가정될 수 있으며, 특히 경향성과 주기성은 시계열 모형을 위해 제거되어야 할 결정론적 성분으로 취급한다. 즉. 수문 기상자료에 포함되어 있는 경향성과 주기성과 같은 비선형 동역학적 잡음(nonlinear dynamical noise)을 제거하고 입력자료의 카오스적 거동을 보이는 성분을 분리하기 위해 웨이블렛 변환을 사용하였다. 대상유역은 한강 유역에 포함되어 있는 충주댐으로 선택하였다. 유역 내 다양한 인자들과 하천유량사이의 상호정보량을 구해 영향력이 가장 큰 변수를 추출하고, 그 자료를 웨이블렛 변환을 적용하여 인공신경망의 입력자료로 사용하였다. 본 논문에서는 위와 같은 과정을 이용해 추정한 하천유량 결과와 기존의 방법인 상호정보량을 이용해 인공신경망을 적용한 결과를 실제자료와 비교하였다.