• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.10a
• /
• pp.671-673
• /
• 2016

기술의 발전에 따라 소형 디바이스에서도 데이터를 수집하고 전송하는 것이 가능해졌다. 따라서 최근 IoT와 헬스케어가 부각되고 있으며 여기서 발생한 데이터에 대한 많은 연구가 진행되고 있다. 그 중에서도 헬스케어 장비에 내장된 심전도 센서를 이용하여 시계열 데이터를 수집할 수 있고, 여기서 수집한 데이터는 부정맥 등의 심장질환 진단의 중요한 지표로서 사용될 수 있다. 시계열 데이터는 시계열 분석 방법을 사용하여 정상 패턴과 비정상 패턴으로 분류할 수 있지만, 대량의 시계열 분석 방법은 수행시간이 많이 소요되기 때문에 이를 단축 할 필요성이 있다. 본 논문에서는 시계열 데이터 분석 기법 중 하나인 Shapelet을 사용하여 심전도 데이터의 패턴을 정상 및 비정상으로 분류하였고, 병렬처리 기법을 적용하여 수행시간을 단축하였다. 실험 결과, 각각의 심전도 데이터는 87%의 정확도로 분류되었고, Shapelets을 탐색하는 구간의 병렬처리를 통하여 수행 시간이 약 60%로 감소하였음을 확인하였다.

• The Korean Journal of Applied Statistics
• /
• v.18 no.3
• /
• pp.627-637
• /
• 2005

Small area estimation has been studied using various methods such as direct, indirect, synthetic and based on regression or time series model . In this paper we investigate a motel-based small area estimation which takes into account the spare time autoregressive model. The Economic Active Population Surveys in 2001 are used for analysis and the results from space-time autoregressive(STAR) and simultaneous autoregressive(SAR) model are compared with using MSE, MAE and MB.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.20-20
• /
• 2018

다년동안 지속되는 가뭄현상이 빈번하게 발생하고 있지만, 우리나라에서는 지금까지 장기 가뭄보다 단기 가뭄에 초점을 맞춰 연구가 진행되어 왔다. 다년 가뭄을 반영하지 않고 댐의 저수용량을 평가할 경우, 저수용량이 과소평가될 수 있기 때문에 다년간의 가뭄을 반영한 시계열 모형을 통해 다양한 시나리오를 생성하고 분석해야 한다. 본 연구에서는 2015년부터 2017년까지 장기 가뭄이 발생한 보령댐의 1998년-2017년까지의 관측 월평균 유입량 자료를 바탕으로 Autoregressive Moving Average(ARMA)시계열 모형과 Hurst Coefficient를 추가하여 장기지속성을 반영하도록 개발된 시계열 모형인 Autoregressive Fractionally Integreated Moving Average(ARFIMA)를 사용하여 보령댐 500년 기간의 유입량 자료를 생성하였다. Hurst Coefficient는 Hurst가 제안한 Rescaled Range(R/S)방법 외에도 경험식, 이론식을 모두 사용하여 산정하였다. 생성된 자료가 관측 자료의 장기지속성을 잘 반영하는지에 대한 검증을 위해 관측자료의 누적유입량으로부터 선형 이동평균방법을 사용하여 가뭄기준을 산정하고, 생성한 유입량 자료가 장기가뭄을 반영하고 있는지 판단하였다. 그 결과 가뭄의 장기지속성을 잘 반영하는 시계열 모형을 선정하였으며, 향후 연구를 통해 미래 기후변화 시나리오를 반영한 장기가뭄 분석을 수행할 예정이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.29-29
• /
• 2015

수자원의 지속적인 관리 및 효율적인 활용을 위하여 수문량의 예측과 분석은 필수적인 과정이라 할 수 있으며 이에 따라 다양한 수문 모형이 구축되고 강우, 유량 등 대표적인 수문량의 예측이 수행되어져 왔다. 그 중에서도 수문 시계열 모형은 시간의 흐름에 따라 일정하게 기록되어온 수문 자료를 확률적인 과정을 통하여 모형을 구축하고 이를 바탕으로 미래 수문량을 예측하는 데활용되는 모형으로, 과거에 기록된 수문 패턴이 미래에도 지속된다는 가정 하에 구축된다. 일반적으로 시계열 모형은 하나의 자료계열로 모형을 구축하는 단변량 모형과 원 자료계열 외에 다른 자료계열을 고려하여 모형을 구축하는 다변량 모형이 있으며, 다변량 모형은 원 자료계열에 영향을 미치는 외부변수를 고려함으로써 두 자료계열간의 상관성을 모형에 반영할 수 있는 장점을 가지고 있다. 또한 자료계열의 계절성을 고려하여 시계열 모형을 구축할 경우, 수문 시계열이 가지고 있는 계절적 영향을 잘 반영할 수 있다. 따라서 본 연구에서는 계절성을 고려한 다변량 시계열 모형인 SARIMAX(Seasonal AutoRegressive Integrated Moving Average with eXogenous) 모형을 이용하여 대표적인 수공구조물인 댐의 유입량 예측을 수행하였다. 일반적으로 댐 유입량 예측에는 댐의 유입량과 상관성이 높은 강우가 외부변수로 사용되어져 왔으나, 이 외에도 영향을 미칠 수 있는 지점특성치를 고려하여 모형을 구축한 후 비교하였다.

• The Korean Journal of Applied Statistics
• /
• v.31 no.6
• /
• pp.707-719
• /
• 2018

Various time series representation methods have been proposed for efficient time series clustering and classification. Lin et al. (DMKD, 15, 107-144, 2007) proposed a symbolic aggregate approximation (SAX) method based on symbolic representations after approximating the original time series using piecewise local mean. The performance of SAX therefore depends heavily on how well the piecewise local averages approximate original time series features. SAX equally divides the entire series into an arbitrary number of segments; however, it is not sufficient to capture key features from complex, large-scale time series data. Therefore, this paper considers data-adaptive local constant approximation of the time series using the unbalanced Haar wavelet transformation. The proposed method is shown to outperforms SAX in many real-world data applications.

• The Korean Journal of Applied Statistics
• /
• v.34 no.2
• /
• pp.205-223
• /
• 2021

In this paper, we study a method to determine the existence of unit roots by using the adaptive lasso. The previously proposed method that applied the adaptive lasso to the original time series has low power when there is an unknown trend. Therefore, we propose a modified version that fits the ADF regression model without deterministic component using the adaptive lasso to the detrended series instead of the original series. Our Monte Carlo simulation experiments show that the modified method improves the power over the original method and works well in large samples.

• The Korean Journal of Applied Statistics
• /
• v.36 no.1
• /
• pp.21-32
• /
• 2023

The amount of money processed in medicine from the Korea Consumer Agency was studied by the various time series models. The medical data set from the Korea Consumer Agency were consisted of counseling, damage relief and conciliation. For the analysis of time series, autoregressive moving average model, vector autoregressive model and the transfer function model were used. We considered the stationarity and cross correlation function for the identification and fitting. As a result, the transfer function model showed a better prediction. Whereas, the vector autoregressive model also provided good information for the degree and duration of the influence of variables.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.99-99
• /
• 2021

본 연구에서는 기상 자료와 적설 특성 자료의 관계를 도출하고, 이와 추계 일기 생성 모형을 활용하여 합성 적설심 시계열을 모의하는 방법에 대하여 제안한다. 추계 일기 생성 모형에서는 적설량을 직접 모의하지 않기 때문에 강수량을 적설량으로 변환해야한다. 이를 위해 도입한 관계식은 다음과 같다. 첫째로 기상청 적설 예보의 적설 유무 판단 기준을 이용하였다. 이 기준에서는 상대습도와 지상기온에 따라 강수의 형태를 비, 눈, 진눈깨비로 구분한다. 둘째로 강수가 적설로 판단되었을 때 강수량을 신적설심으로 환산하는 수상당량비를 지상기온과 회귀 분석하였다. 선행 연구에 따라 3시간 1 mm 이상 5 mm 이하 강수와 3시간 5 mm 이상 강수 사상에 대하여 나누어 sigmoid형 곡선을 이용하여 회귀 분석하였다. 마지막으로 융설에 의한 적설심 감소량을 지상기온과 복사량의 함수로 표현하였으며, 각 변수의 계수는 입자 군집 최적화 방법을 통하여 보정하였다. 추계 일기 생성 모형으로는 AWE-GEN 모형을 활용하였으며, 시험 자료로 강릉(105) 종관기상관측소의 24년 기간(1982-2005) 자료를 활용하여 합성 적설심 시계열을 생성하였다. 합성 적설심 시계열 모의 과정은 다음과 같다. (1) 추계 일기 생성 모형으로 합성 일기 자료 생성, (2) 강수 발생 시 적설 유무 판단, (3) 적설로 판단 시 수상당량비를 계산하여 신적설심 추정, (4) 기존 적설심에 신적설심을 더하고, 적설심 감소량만큼 감소. 위와 같은 과정으로 200년 길이 합성 적설심 시계열을 모의한 결과 극한 사상을 과소 추정하는 경향이 나타나 추가적인 개선이 필요한 것으로 판단된다.

• The Korean Journal of Applied Statistics
• /
• v.36 no.6
• /
• pp.573-589
• /
• 2023

In a piecewise linear trend model, the change points coincide with the mean change points of the first differenced time series. Therefore, by detecting the mean change points of the first differenced time series, one can estimate the change points of the piecewise linear trend model. In this paper, based on this fact, a method is proposed for detecting change points of the piecewise linear trend model using the simple moving average of the first differenced time series rather than estimates of the slope or residuals. Our Monte Carlo simulation experiments show that the proposed method performs well in estimating the number of change points not only when the error terms in the piecewise linear trend model are independent but also when they are serially correlated.

• Proceedings of the Korean Society of Soil and Groundwater Environment Conference
• /
• 2000.11a
• /
• pp.64-68
• /
• 2000

장기간 관측된 지하수위 자료를 시계열분석 중의 하나인 전이함수 모형(Transfer Function - Noise model)을 이용하여 분석하였다. 일반적으로 전이함수 모형은 입력 변수와 출력변수와의 관계가 선형적일 때 적용이 가능하며, 자료가 시간에 대해 연속적으로 존재해야 하는 제한이 있다. 강수량과 지하수위의 변동은 비선형적인 관계를 가지고 있어 이러한 전이함수 모형을 직접 적용하는데는 어려움이 있다. 이러한 비선형성의 정도를 감소시키기 위해 물리모형(HYDRUS)을 이용하여 침투량을 계산하고 이를 입력변수로 사용하여 전이함수 모형을 적용하였다. 침투량을 입력변수로 모형을 추정하였을 때, 강수량을 직접 입력자료로 사용했을 경우보다 ME(mean error), RMSE(root-mean-squre error), MAE(mean absolute error)에서 상대적으로 작은 값을 보여주고 있다. TFN 모형의 모수를 추정하기 위해서 Kalman 필터 알고리즘과 최우추정법(Maximum Likelihood Estimation)을 이용하였다. Kalman 필터 알고리즘을 이용하여 불규칙한 관측주기를 갖는 시계열이나 결측값이 있는 시계열에 대해서도 전이함수 모형을 구하였으며, 이를 통해 결측값에 대한 추정이 가능하였다.