• Proceedings of the Korea Information Processing Society Conference
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.768-771
• /
• 2021

시계열 분석은 이전 시점들의 데이터를 기반으로 미래 시점의 데이터를 예측하는 기술을 제공하며, SARIMA는 이러한 시계열 분석에서 활용되는 통계 모델의 일종이다. 본 연구는 직접 수집한 실시간 위치 데이터에 SARIMA를 적용하여 개인의 이동 패턴을 추출하고 이를 예측에 활용하는 전반적인 프로세스를 제작하였다. 첫째, DB에 업로드된 위치 데이터를 비지도 학습의 일종인 EM-clustering을 활용해 핵심 방문 장소들로부터의 거리에 따라 군집화했다. 둘째, 해당 장소에 입장하고 퇴장하는 시간 간격에 SARIMA를 적용해 주기성을 추출했다. 마지막으로, 이 주기성들을 군집의 중요도에 따라 순차적으로 분석하여 유의미한 예측 결과를 도출해냈다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.85-88
• /
• 2021

There are many irregularly-sampled time series in the manufacturing data which are collected from manufacturing facilities by short intervals. Those time series often have large variance. In this paper, we propose irregularly-sampled time series correction method based on simple moving average. This method corrects time intervals between neighboring values in time series regularly and reduces the variance of the values at the same time. We examine that this method improves performance of anomaly detection in manufacturing facility.

• Proceedings of the Korea Water Resources Association Conference
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.328-328
• /
• 2022

GCM은 기후 변수들의 미래 예측을 위해 사용되는 모형이지만, 공간에 대해 저해상도 형태로 결과가 제공되며, 공간적으로 변화하는 국지적 규모의 기후변수(즉, 강수)를 이해하기 위해서는 공간변동성을 고려할 필요가 있다. 강우의 예측은 강우의 생성과 소멸 과정을 추계학적으로 재현하는 일기생성 모형인 AWE-GEN을 이용하여 앙상블 시계열을 생성하고, 구름의 생성과 소멸 및 이동, wet/dry 셀들의 생성과 이동, 지형의 국지적 특성 등을 반영한 시공간 변동 앙상블 시계열은 AWE-GEN-2D 모형을 이용하여 생성하였으며, 국토의 대부분이 산악지형으로 구성된 국내에 적용하여 그 적용성을 검토하였다. 생성된 시공간 격자 기반의 일기생성 시계열은 PRISM을 사용하여 매핑된 강수량의 공간 분포와 비교, 검증하였으며, 측정되지 않은 관측소 또는 원격 지역에 대한 평균 및 극한 강수량의 미래 예측 추정에 사용되었다. 또한, 평균 및 극한 강우의 공간 분포에 대한 미래 변화는 다양한 기간, 이산화탄소 배출 시나리오 등의 영향에서도 고려된다. 본 연구의 결과는 수자원 관리 및 재난 관리 정책을 수립하고 서비스를 제공하기 위한 기본 자료로 사용될 수 있다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.210-212
• /
• 2022

In the manufacturing industry, various sensors are attached to monitor the status of production facility. In many cases, the data obtained through these sensors is time series data. In order to determine whether the status of the production facility is abnormal, the process of extracting patterns from time series data must be preceded. Also various methods for extracting patterns from time series data are studied. In this paper, we use matrix profile algorithm to extract patterns from the collected multivariate time series data. Through this, the pattern of multi sensor data currently being collected from the CNC machine is extracted.

• Proceedings of the Korea Information Processing Society Conference
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.58-59
• /
• 2023

클라우드 애플리케이션의 성능 모니터링 방법에는 클라우드 소프트웨어 스택의 인프라, 플랫폼 및 애플리케이션 계층에서 수집한 시계열 데이터 분석이라는 방법이 존재한다. 클라우드 컴퓨팅 환경에서 운영되는 서비스 간의 런타임 종속성을 분석하는 것은 클라우드 리소스 관리를 수행하기 위해 필요한 단계이다. 본 논문에서는 Bi-LSTM 기법을 활용해 클라우드 애플리케이션의 관계를 분석하고 종속성을 찾아 모니터링 성능을 향상시키는 시스템을 제안한다. 제안하는 시스템은 클라우드 스택의 모든 계층으로부터 시계열 데이터를 수집하여 인공지능 모델을 훈련, 재훈련 및 업데이트 과정을 진행한다. 본 논문에서는 Bi-LSTM 모델을 활용하여 훈련 중에 학습된 성능 메트릭 간의 종속성을 발견한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 한국정보처리학회 2007년도 추계학술발표대회
• /
• pp.733-736
• /
• 2007

최근 생명 공학 기술의 발달로 마이크로 단위의 실험이 가능해지고 하나의 칩상에 수 만개의 유전자들의 발현 양상을 보다 쉽게 관찰할 수 있게 되었다. DNA 칩 기술에 의해 얻어지는 마이크로어레이(microarray) 데이터는 세포나 조직 내의 유전자 발현도(expression level)를 측정한 것으로 질병 진단이나 유전자 기능 예측 등에 이용되고 있다. 본 논문에서는 대량의 시계열 마이크로어레이 데이터 분석을 위해 효율적으로 데이터의 차원을 판단하는 점진적 주성분 분석을 이용하여 데이터의 차원을 축소 한다. 제안된 방법은 실제 시계열 마이크로어레이 데이터인 yeast cell cycle 데이터에 적용되었고, 데이터 차원 축소에 대한 효율성을 검증하기 위해 클러스터링을 수행하였다. 그 결과 데이터를 축소하여 클러스터링을 수행한 경우 학습 성능이 향상 된 결과를 보였다.

• Journal of Korea Water Resources Association
• /
• 제38권8호
• /
• pp.617-629
• /
• 2005

In this paper, a hypothesis is tested that division of non-monotonic time series into monotonic parts will improve the estimation of trends through increased homogeneity in direction of time-variation using LOWESS smoothing and seasonal Kendall test. From the trend analysis of generated time series and water temperature, discharge, air temperature and solar radiation of Lake Daechung, it is shown that the hypothesis is supported by improved estimation of trends and slopes. Also, characteristics in homogeneity variation of seasonal changes seems to be more clearly manifested as homogeneity in direction of time-variation is increased. And this will help understand the effects of human intervention on natural processes and seems to warrant more in-depth study on this subject. The proposed method can be used for trend analysis to detect monotonic trends and it is expected to improve understanding of long-term changes in natural environment.

• Journal of Korean Society of Coastal and Ocean Engineers
• /
• 제25권6호
• /
• pp.422-432
• /
• 2013

A System Identification method to develop parametric models linking free surface elevation and wave pressure is presented and two models are built allowing for either wave pressure or free surface elevation simulation. Linear, time invariant model structures with static nonlinearities are assumed and solutions are sought in a form of autoregressive model with extra input (ARX). An arbitrary chosen free-surface elevation and wave pressure dataset is used for estimation of the models, which are subsequently verified against datasets with similar pressure gauge depth but different free-surface elevation spectra due to different meteorological conditions. It is shown that free-surface simulation using System Identification methods can perform better than traditional linear transfer function derived from linear wave theory (LTF), while wave pressure simulation quality using presented methods is generally similar to that obtained with corrected LTF.

• The Journal of the Korea Contents Association
• /
• 제17권1호
• /
• pp.39-49
• /
• 2017

As the Internet technology advances, data on the web is increasing sharply. Many research study about incremental learning for classifying effectively in data increasing. Web document contains the time-series data such as published date. If we reflect time-series data to classification, it will be an effective classification. In this study, we analyze the time-series variation of the words. We propose an efficient classification through dividing the dataset based on the analysis of time-series information. For experiment, we corrected 1 million online news articles including time-series information. We divide the dataset and classify the dataset using SVM and $Na{\ddot{i}}ve$ Bayes. In each model, we show that classification performance is increasing. Through this study, we showed that reflecting time-series information can improve the classification performance.

• Journal of Korean Society of Transportation
• /
• 제19권6호
• /
• pp.65-73
• /
• 2001

Until recently, we use only weekly and monthly adjustment factors in order to estimate the AADT. By the way. we can suppose that the traffic is time series data related to flow of time. So we tried to analyse traffic patterns using time series analysis and apply them to estimate the AADT. We could divide traffic patterns into trend, cyclic variation, seasonal variation and irregular variation like as time series data. Also, in order to reduce random error components, we have looked for the weather conditions as an influential factor. There are many weather conditions such as rainfalls, but, temperatures, and sunshine hours among others but we selected rainfalls and lowest temperatures. And then, we have estimated the AADT using time series factors. To compare the results of, we have applied both irregular variation joined to weather factors and that not joined to. RMSE and U-test were opted at methods to appreciate results of AADT estimation.