• Journal of Broadcast Engineering
• /
• v.27 no.6
• /
• pp.872-884
• /
• 2022

With the development of the IoT industry, different types of time series data are being generated in various industries, and it is evolving into research that reproduces and utilizes it through re-integration. In addition, due to data processing speed and issues of the utilization system in the actual industry, there is a growing tendency to compress the size of data when using time series data and integrate it. However, since the guidelines for integrating time series data are not clear and each characteristic such as data description time interval and time section is different, it is difficult to use it after batch integration. In this paper, two integration methods are proposed based on the integration criteria setting method and the problems that arise during integration of time series data. Based on this, integration framework of a heterogeneous time series data was constructed that is considered the characteristics of time series data, and it was confirmed that different heterogeneous time series data compressed can be used for integration and various machine learning.

• Journal of the Korea Society of Computer and Information
• /
• v.14 no.5
• /
• pp.19-28
• /
• 2009

Prediction problem of the time-series data has been a research issue for a long time among many researchers and a number of methods have been proposed in the literatures. In this paper, a method is proposed that similarities among time-series data are examined by use of Hidden Markov Model and Likelihood and future direction of the data movement is determined. Query sequence is modeled by Hidden Markov Modeling and then the model is examined over the pre-recorded time-series to find the subsequence which has the greatest similarity between the model and the extracted subsequence. The similarity is evaluated by likelihood. When the best subsequence is chosen, the next portion of the subsequence is used to predict the next phase of the data movement. A number of experiments with different parameters have been conducted to confirm the validity of the method. We used KOSPI to verify suggested method.

• Communications for Statistical Applications and Methods
• /
• v.3 no.1
• /
• pp.29-37
• /
• 1996

계절성을 갖는 승법 계절 혼합 시계열 모형들의 동질성 검정을 위하여 Wald 검정 통계량을 구하고 그 극한 분포가 ${\chi}^2$-분포함을 보였으며 시뮬레이션 연구를 통하여 뒷받침하였다. 도시 규모가 비슷한 우리나라 지역별 평균 온도자료를 가지고 이 동질성 검정을 수행하여 시계열을 지역별로 모형화하여 예측한 것과 동질성이 있는 것을 묶고 모형화하여 예측한 것에 대한 예측 오차를 비교하였다.

• Communications for Statistical Applications and Methods
• /
• v.1 no.1
• /
• pp.119-130
• /
• 1994

각종 통계패키지 내에 수용되어 있는 시계열 분석방법은 패키지의 특성이나 기능에 따라 다소 차이가 있다. 본 논문에서는 일반덕으로 많이 사용되고 있는 8종류의 통계패키지 (EXECUSTAT, MINITAB, RATS, SAS, SCA, S-PLUS, TSP)에서 시계열 분석이 어떻게 이루어지는지를 비교 검토하였다. 지수평활법과 ARIMA 모형에 의한 분석방법을 중심으로 비교하였으며, 아울러 사용자 관점에서 편리하고 보다 효율적인 패키지가 갖추어야 할 기능들을 제시하였다.

• Journal of Digital Convergence
• /
• v.10 no.9
• /
• pp.357-362
• /
• 2012

We have compared and predicted for non-linear time series data which are real data having different variences using GRCA(1) model and neural network method. In particular, using Korea Composite Stock Price Index rate, mean square errors of prediction are obtained in genaralized random coefficient autoregressive model and neural network method. Neural network method prove to be better in short-term forecasting, however GRCA(1) model perform well in long-term forecasting.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.818-822
• /
• 2008

북한 농업용수 수요량의 파악은 앞으로 다가올 농업 수자원 분야의 과제에 대처하고 통일 후의 수자원 개발 계획을 수립하기 위한 가장 기본적인 요소이다. 그러나 농업용수 수요량 파악을 위한 북한에의 접근은 불가능한 것이 사실이며, 위성영상을 이용한 원격탐사 기법의 활용은 이러한 문제를 해결할 수 있는 가장 효과적인 방법이다. 이에 본 연구에서는 먼저 시계열 MODIS 영상을 이용하여 북한 전 지역을 대상으로 논의 분포를 추출한 후, MODIS 영상의 해상도에 의해 발생하게 되는 논 추출의 불확실성이 지형학적 인자에 따라 어떻게 나타나는지 살펴보고 이를 적용하여 논 추출 결과를 보완하였다. 또한 북한 지역에 적용 가능한 농업용수 수요량 산정 방법을 선정하고 시계열 MODIS 영상을 이용하여 추출된 논 지역을 대상으로 북한 전역의 연간 농업용수 수요량을 추정하였다. 본 연구에서 정립된 시계열 MODIS 영상을 이용한 논 추출 방법 및 북한의 농업용수 수요량 산정 방법은 향후 북한의 농업용수 관련 연구에 대한 중요한 기초 자료가 될 수 있을 것으로 기대된다.

• The Journal of Information Systems
• /
• v.10 no.2
• /
• pp.151-164
• /
• 2001

현재의 항공사 기내식 수요예측 시스템으로는 항공기 운항의 지연이나 초과 주문으로 인한 손실 문제를 해결하기 힘든 것으로 알려져 있다. 이러한 문제를 해결하기 위해 본 연구에서는 항공기 기내식 시계열 자료만을 입력변수로 사용한 단순인공신경망모형(simple neural network model), 단순인공신경망모형에 전통적인 시계열 기법(본 연구에서는 지수 평활법)의 예측 결과를 입력변수로 추가한 혼합인공신경망모형(hybrid neural network model), 그리고 혼합인공신경 망 모형에 상관관계가 높은 다른 시계열 자료(본 논문에서는 유사 노선의 다른 항공기 기내식 시계열 자료)를 인공신경망의 입력변수로 추가시킨 하이퍼혼합인공신경망모형(hyper hybrid neural network model)을 새로운 항공기 기내식 수요예측 기법으로 제안하고, 이들 모형의 예측력을 비교 분석하였다. 분석 결과 하이퍼혼합인공신경망 모형의 예측력이 가장 우수한 것으로 나타나, 인공신경 망을 기반으로 한 수요예측에 있어 상관관계가 높은 다른 시계열 자료를 입력변수로 추가함으로써 인공신경망모형의 예측력을 개선시킬 수 있음을 알 수 있었다

• The Korean Journal of Financial Studies
• /
• v.2 no.2
• /
• pp.1-64
• /
• 1995

이 논문은 자본시장이 무작위 행보를 운동법칙으로 삼고 있는가, 아니면 정상성의 시계열에 의하여 움직이고 있는가를 심도있게 분석한다. 주가가 무작위 행보를 따른다는 가설을 긍정적 입장에서, 부정적 측면에서, 그리고 이 양자가 공존하고 있다는 관점에서 각 측면에 합당한 방법론을 통한 실증적 분석에 의하여 검정한다. 여러 검증방법을 사용하여 종합주가지수 수익률을 분석하였는 바, 주가 시계열은 무작위 행보가 아니라 정상성의 확률과정(stationary precess) 임이 밝혀졌다. 이와 같은 결과는 우리나라의 증권시장의 성질 중의 하나가 평균회귀라는 것을 입증하는 증거이다. 그리고 평균회귀가 단기적으로 발생하여 그 속도가 매우 빠르다. 주가 시계열에 충격이 가해져 영향을 받을 때 3일 정도가 경과하면 그 충격이 거의 모두 소멸하고 있다. 우리나라 증권시장은 volatility가 높다. 주가는 상당히 높은 자기상관 관계를 갖고 있으며, 이 상관계수가 음수로서 약 -0.50이다. 무척 빠른 속도의 평균회귀와 높은 시계열 상관에 비추어 볼 때 우리나라의 자본시장이 효율적 시장이라는 가설에는 큰 의심이 든다. 뿐만 아니라 이 실증적 결과는 단기적 예측 가능성이 존재할 수 있음을 시사하고 있다. 주가 시계열은 이분산성(異分散性)이 꽤 높다.

• The Korean Journal of Applied Statistics
• /
• v.23 no.5
• /
• pp.813-822
• /
• 2010

We investigate a possible achievement in dimension reduction of time series via partially quantified principal component. Partial quantification technique allows us in modeling to accommodate artificial variable(s) of practical importance which is defined subjectively by the data analyst. Suggested procedures are described and in turn illustrated in detail by analyzing monthly unemployment rates in Korea.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2000.10a
• /
• pp.281-284
• /
• 2000

시계열 예측에 있어서 과거의 측정치 보다 최근의 측정치가 미래의 측정치 예측에 중요한 영향을 미친다. 시계열 예측에 있어서 최근의 측정치와 과거의 측정치가 미래의 값을 예측하는 인자로서 차별화 되어 학습해야 할 것이다. 기존의 시계열에 대한 신경망 접근에서는 최근의 측정치에 대한 학습 패턴과 과거의 측정치에 대한 학습 패턴을 동일하게 학습하였다. 이 논문에서는 과거의 학습패턴과 최근의 학습 패턴을 학습 횟수 면에서 차별화 하였다. 이러한 학습을 이 논문에서는 차별학습이라 한다. 차별학습에서는 주어진 학습 패턴을 시간 순으로 나열하고 일정 개수로 분할한다. 시간의 역순에 의해 등차 또는 등비의 형태로 학습 횟수를 설정한다. 각 학습 패턴의 분말집단을 시간의 역순으로 일정 횟수를 감소시켜 학습 횟수를 설정하는 등차차별학습과 일정 비율로 감소시켜 학습횟수를 설정하는 등비차별학습을 소개한다. 기존의 신경망 접근 방법과 이 논문에서 제안한 신경망 접근방법을 비교하기 위해 Mackay-Galss 공식에 의해 인공적으로 생성된 시계열 데이터를 예로 사용하였다.