• Proceedings of the KIEE Conference
• /
• 2007.07a
• /
• pp.325-326
• /
• 2007

Auto-Cross 시계열 신경망을 이용하여 식각 종말점을 예측하는 모델을 개발하였다. 식각 종말점 신호는 광방사분광기 (OES)를 이용하여 수집하였다. 기준 신호에 대한 예측모델을 개발한 후, 나머지 신호들로 테스트해 그 결과를 비교 분석하였다. 시계열 예측모델은 실제 신호가 제공하지 못하는 EEP 시간대를 제공하였다. 실제신호와 시계열 예측 모델을 병행해 운용할 경우 EEP 탐지 성능의 증진이 기대된다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.689-690
• /
• 2021

본 논문에서는 다양한 환경에서 수집된 서로 다른 시계열 데이터를 통합하여 분석 활용하기 위해 추가로 생성해야 할 시계열 데이터의 메타 정보를 정의하고 이를 기반하여 새로운 통합 데이터를 생성하는 방법을 소개한다. 시계열 데이터는 표준화된 기술 방법이 없고 다양한 소스에서 생성되기 때문에 이를 통합하고 활용할 경우 그 기준이 없기 때문에 전문적 지식이 없다면 처리에 어려움을 겪는다. 그러므로 서로 다른 특성의 데이터를 새로운 기준에 의거하여 통합하는 것을 목적으로 필요한 메타 정보를 정의하고 이를 기준으로 데이터를 재가공할 수 있도록 하였다.

• Proceedings of the Korea Database Society Conference
• /
• 1999.06a
• /
• pp.271-280
• /
• 1999

인공신경망을 시계열예측에 적용하는 경우에 고려되어야 할 문제중, 특히 모형에 적합한 입력변수의 생성이 중요시되고 있는데, 이러한 분야는 인공신경망의 모형생성과정에서 입력변수에 대한 전처리기법으로써 다양하게 제시되어 왔다. 가장 최근의 입력변수 전처리기법으로써 제시되고 있는 신호처리기법은 전통적 주기분할처리방법인 푸리에변환기법(Fourier transforms)을 비롯하여 이를 확장시킨 개념인 웨이블릿변환기법(wavelet transforms) 등으로 대별될 수 있다. 이는 기본적으로 시계열이 다수의 주기(cycle)들로 구성된 상이한 시계열들의 집합이라는 가정에서 출발하고 있다. 전통적으로 이러한 시계열은 전기 또는 전자공학에서 주파수영역분할, 즉 고주파 및 저주파수를 분할하기 위한 기법에 적용되어 왔다. 그러나, 최근에는 이러한 연구가 다양한 분야에 활발하게 응용되기 시작하였으며, 그 중의 대표적인 예가 바로 경영분야의 재무시계열에 대한 분석이다 전통적으로 재무시계열은 장, 단기의사결정을 가진 시장참여자들간의 거래특성이 시계열에 각기 달리 가격으로 반영되기 때문에 이러한 상이한 집단들의 고유한 거래움직임으로 말미암아 예를 들어, 주식시장이 프랙탈구조를 가지고 있다고 보기도 한다. 이처럼 재무시계열은 다양한 사회현상의 집합체라고 볼 수 있으며, 그만큼 예측모형을 구축하는데 어려움이 따른다. 본 연구는 이러한 시계열의 주기적 특성에 기반을 둔 신호처리분석으로서 기존의 시계열로부터 노이즈를 줄여 주면서 보다 의미 있는 정보로 변환시켜 줄 수 있는 웨이블릿분석 방법론을 새로운 필터링기법으로 사용하여 현재 많은 연구가 진행되고 있는 인공신경망과의 모형결합을 통해 기존연구와는 다른 새로운 통합예측방법론을 제시하고자 한다. 본 연구에서 제시하는 통합방법론은 크게 2단계 과정을 거쳐 예측모형으로 완성이 된다. 즉, 1차 모형단계에서 원시 재무시계열은 먼저 웨이블릿분석을 통해서 노이즈가 필터링 되는 동시에, 과거 재무시계열의 프랙탈 구조, 즉 비선형적인 움직임을 보다 잘 반영시켜 주는 다차원 주기요소를 가지는 시계열로 분해, 생성되며, 이렇게 주기에 따라 장단기로 분할된 시계열들은 2차 모형단계에서 신경망의 새로운 입력변수로서 사용되어 최종적인 인공 신경망모델을 구축하는 데 반영된다.

• The Korean Journal of Financial Management
• /
• v.16 no.1
• /
• pp.171-191
• /
• 1999

시간의 흐름에 걸친 주가시계열의 행동양식에 대한 연구에서는 선형성, 비선형성, 장기기억, 항상성분 등에 대한 명확한 결론을 내리고 있지 못한 실정이다. 주가 시계열과정을 설명하고 예측하기 위한 여러 모형들에 대한 실증연구에는 설명력과 예측력을 완벽하게 갖추고 있지 못하고 있다는 증거들이 제시되고 있다. 계절적 변동을 주가시계열에 적용하지 않는 관계로 이와 같은 결과가 발생할 가능성이 존재한다. 분기별 종합주가지수의 수익률에 계절적 단위근이 존재하고 있음이 실증분석을 통하여 밝혀졌다. 이 시계열에서는 계절적 단위근을 제거하기 위하여서는 제4계 시차 작용소가 적절한 필터임이 인정되었다. 월별 종합주가지수의 수익률에서도 계절적 단위근이 존재하고 있다. 따라서 제12계 시차 작용소를 사용하여 계절적 단위근을 제거하여야 할 것이다. 분기별 수익률에는 제4차 시차 작용소를, 월별수익률에서는 제12차 시차 작용소를 필터로 사용하여 이 시계열들을 차분화하고 이 차분화를 통하여 계절적 단위근을 제거한 후에 이 시계열들의 시계열적 성질과 특성을 탐구해야 할 것이다. 이 과정을 통할 때 시계열 과정에 대한 계량경제학적 모형에 대한 정확한 추론이 가능하게 된다.

• Proceedings of the Korean Society of Disaster Information Conference
• /
• 2016.11a
• /
• pp.255-256
• /
• 2016

우리나라의 2015년 노인 인구는 전체 인구의 13.1%를 차지하고 2015년 경찰청 교통사고통계에 의하면 65세 이상 노인의 교통사고 사망률은 전체 교통사고 사망률의 약 2.57배 높은 것으로 나타났다. 본 연구에서는 노인 운전자와 성인 운전자의 사망사고에 대한 시계열 모형을 확인하고 추세에 큰 차이가 있는지 확인하고자 하였다. 분석방법인 시계열분석은 단기예측에 신뢰성이 더 높은 것으로 알려져 있다. ARIMA 모형으로 시계열분석을 하기 위해서는 최소 50~60개 이상의 관측값이 필요하며 따라서 본 연구에서는 인천광역시를 대상으로 2010년부터 2015년까지 6년간의 교통사고 데이터를 노인 운전자와 성인 운전자로 구분하고 사망사고에 대한 시계열 모형을 확인하였다.

• Journal of the Korean Data and Information Science Society
• /
• v.25 no.3
• /
• pp.579-599
• /
• 2014

The purpose of this study was to identify the trends and risk of bias of research using time series analysis on health and welfare in Korea and to suggest a direction for future health and welfare research. The database searches identified 6,543 papers. Following the process for screening and selecting, a total of 91 papers were included in the systematic review. There has been a steady increase in the number of articles using time series analysis from 1987 to 2013. Time series analysis was applied in medicine and health science journals. The main goals were explanation and description. Most of the subjects were heath status and utilization of healthcare services. The main model used in the time series analysis was ARIMA followed by time series regression. The data were gathered from various sources, including the national statistical office and government agencies. For assessing risk of bias, some studies were found to have inadequate sample sizes or showed no time series graphs and plots. These findings suggest greater widespread utilization of time series analysis in the field of health and welfare and to use the appropriate analysis methods and statistical procedures to obtain more reliable results to improve the quality of research.

• Korean Journal of Remote Sensing
• /
• v.39 no.5_4
• /
• pp.1085-1095
• /
• 2023

Time-series data generated from satellite data are crucial resources for change detection and monitoring across various fields. Existing research in time-series data generation primarily relies on single-image analysis to maintain data uniformity, with ongoing efforts to enhance spatial and temporal resolutions by utilizing diverse image sources. Despite the emphasized significance of time-series data, there is a notable absence of automated data collection and preprocessing for research purposes. In this paper, to address this limitation, we propose a system that automates the collection of satellite information in user-specified areas to generate time-series data. This research aims to collect data from various satellite sources in a specific region and convert them into time-series data, developing an automatic satellite image collection system for this purpose. By utilizing this system, users can collect and extract data for their specific regions of interest, making the data immediately usable. Experimental results have shown the feasibility of automatically acquiring freely available Landsat and Sentinel images from the web and incorporating manually inputted high-resolution satellite images. Comparisons between automatically collected and edited images based on high-resolution satellite data demonstrated minimal discrepancies, with no significant errors in the generated output.

• The Korean Journal of Applied Statistics
• /
• v.32 no.5
• /
• pp.671-681
• /
• 2019

Studies on predicting arrhythmia using machine learning have been actively conducted with increasing number of arrhythmia patients. Existing studies have predicted arrhythmia based on multivariate data of feature variables extracted from RR interval data at a specific time point. In this study, we consider that the pattern of the heart state changes with time can be important information for the arrhythmia prediction. Therefore, we investigate the usefulness of predicting the arrhythmia with multivariate time series data obtained by extracting and accumulating the multivariate vectors of the feature variables at various time points. When considering 1-nearest neighbor classification method and its ensemble for comparison, it is confirmed that the multivariate time series data based method can have better classification performance than the multivariate data based method if we select an appropriate time series distance function.

• 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.

• Journal of the Korea Convergence Society
• /
• v.12 no.10
• /
• pp.9-17
• /
• 2021

With the advancement of big data analysis, artificial intelligence, machine learning, etc., data analytics technology has developed to help with optimal decision-making. However, in certain areas, the lack of data restricts the use of these techniques. For example, real estate related data often have a long release cycle because of its recent release or being a non-liquid asset. In order to overcome these limitations, we studied the scalability of the existing time series through the TimeGAN model. A total of 45 time series related to weekly real estate data were collected within the period of 2012 to 2021, and a total of 15 final time series were selected by considering the correlation between the time series. As a result of data expansion through the TimeGAN model for the 15 time series, it was found that the statistical distribution between the real data and the extended data was similar through the PCA and t-SNE visualization algorithms.