• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.287-287
• /
• 2020

2016년말 우리나라의 지하수 관측망은 국가지하수관측망, 지역지하수관측망, 수질전용측정망, 해수침투 관측망 등 다양한 목적하에 약 5,790개가 운영되고 있으며, 평균적으로 약 10년 정도의 관측 기간을 보유하고 있다. 이들 중에서 일 1회 이상 자동관측이 이루어지는 679개를 대상으로 지하수위 시계열자료의 특성을 분석하였다. ARIMA 분석 결과, AR(p) 모델은 전체의 56.8%인 386개, MA(q) 모델은 90.7%인 616개, Integration(d) 모델은 96.5%인 655개로 나타났다. AR(p) 모델중 가장 많은 경우를 보인 것은 AR(1), AR(2), AR(3) 등의 순이며, MA(q) 모델중 가장 많은 경우를 보인 것은 MA(2), MA(1), MA(3) 등의 순이며, Integration(d) 모델은 I(1), I(2)의 순으로 나타났다. AR(1) 모델이 가장 많은 것은 강우에 대한 지하수위의 교차상관의 lag time이 1 ~ 2일인 경우가 가장 많으므로 이전 시점의 지하수위에 의하여 현재 지하수위가 결정된다는 점을 의미한다. Integration이 많이 나타난 이유는 주기적 또는 지속적인 변동성이 지하수위에 나타나고 있음을 보여준다. 지하수위의 시계열 특성의 분류 및 그 원인을 평가하여 각 관측소별 지하수위 변동성을 정의함으로써 추후 지하수위 시계열자료의 분석 목적에 부합하는 자료 선별에 기여하고자 한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권2호
• /
• pp.81-86
• /
• 2022

시계열 데이터는 주식, IoT, 공장 자동화와 같은 다양한 실생활에서 수집되고 활용되고 있으며, 정확한 시계열 예측은 해당 분야에서 운영 효율성을 높일 수 있어서 전통적으로 중요한 연구 주제이다. 전반적인 시계열 데이터의 향상된 특징을 추출할 수 있는 대표적인 시계열 데이터 분석 방법인 다층 수평 예측은 최근 부가적 정보를 포함하는 시계열 데이터에 내재한 이질성(heterogeneity)까지 포괄적으로 분석에 활용하여 향상된 시계열 예측한다. 하지만 대부분의 심층 학습 기반 시계열 분석 모델들은 시계열 데이터의 이질성을 반영하지 못했다. 따라서 우리는 잘 알려진 temporal fusion transformers 방법을 사용하여 실생활과 밀접한 실제 데이터를 이질성을 고려한 다층 수평 예측에 적용하였다. 결과적으로 주식, 미세먼지, 전기 소비량과 같은 실생활 시계열 데이터에 적용한 방법이 기존 예측 모델보다 향상된 정확도를 가짐을 확인할 수 있었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권12호
• /
• pp.579-586
• /
• 2021

시계열 예측은 과거 시점의 정보를 토대로 미래 시점의 정보를 예측하는 것을 말한다. 향후 시점의 정보를 정확하게 예측하는 것은 다양한 분야 전략 수립, 정책 결정 등을 위해 활용되기 때문에 매우 중요하다. 최근에는 트랜스포머 모델이 시계열 예측 모델로서 주로 연구되고 있다. 그러나 기존의 트랜스포머의 모델은 예측 순차를 출력할 때 출력 결과를 다시 입력하는 자가회귀 구조로 되어 있다는 한계점이 있다. 이 한계점은 멀리 떨어진 시점을 예측할 때 정확도가 떨어진다는 문제점을 초래한다. 본 논문에서는 이러한 문제점을 개선하고 더 정확한 시계열 예측을 위해 스타일 변환 기법에 착안한 순차 디코딩 모델을 제안한다. 제안하는 모델은 트랜스포머-인코더에서 과거 정보의 특성을 추출하고, 이를 스타일-기반 디코더에 반영하여 예측 시계열을 생성하는 구조로 되어 있다. 이 구조는 자가회귀 방식의 기존의 트랜스포머의 디코더 구조와 다르게, 예측 순차를 한꺼번에 출력하기 때문에 더 먼 시점의 정보를 좀 더 정확히 예측할 수 있다는 장점이 있다. 서로 다른 데이터 특성을 가지는 다양한 시계열 데이터셋으로 예측 실험을 진행한 결과, 본 논문에서 제시한 모델이 기존의 다른 시계열 예측 모델보다 예측 정확도가 우수하다는 것을 보인다.

• 산업경영시스템학회지
• /
• 제21권47호
• /
• pp.69-85
• /
• 1998

본 연구에서는 부품 및 시스템 고장률 모형에 대한 추계적 과정 접근법을 제시하고 기존의 이론 분포 중심 접근법에서 탈피하여 부품고장률을 시계열 모형으로 설정하고 이에 따른 복합시스템 고장율의 선형결합에 대한 모델을 제시하며 주요 모델에 대한 수치예를 든다. 또한 Burn-In 테스트에 사용되는 욕조(Bathtub) 고장률 모형에 대한 기존의 혼합분포 접근법의 대체 방법으로 비선형 시계열 모형을 제안한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 제39회 하계학술대회
• /
• pp.1547-1548
• /
• 2008

본 논문에서는 유동적 비정상 시계열의 패턴과 규칙성을 잘 반영할 수 있는 최적의 차분 간격 후보군을 이용한 TS 퍼지 모델로 다중 퍼지 모델을 구현하였고, 각각의 모델들의 예측 특성을 반영하기 위하여 러프집합을 이용한 모델선택법을 제안하였다. 또한 TS퍼지 모델의 파라미터 식별에는 적절한 오차보정 메커니즘을 추가하여 더욱 예측 성능을 향상 시켰다.

• 한국지능시스템학회논문지
• /
• 제11권3호
• /
• pp.264-269
• /
• 2001

본 논문에서는 악보를 시계열로 해석하여 퍼지 로직을 이용한 모델링에 대하여 다루고자 한다. 악보에 나타난 음악적 기호들은 음의 길이와 높이 등의 많은 정보들은 나타낸다. 본 논문에서는 멜로디, 음높이와 음색들을 사용하여 악보의 시각적 정보를 시계열 자료로 변환한다. 시계열 자료의 특징을 추출하기 위해 시계열 자료에 슬라이딩 윈도우를 통과시켜 다시 한번 새로운 시계열 자료로 변환한다. 변환된 시계열 자료를 분석하기 위해 Box-Jenkins의 시계열 분석 방법을 사용하고 분석된 시계열의 특징을 바탕으로 퍼지 모델을 구성한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 제39회 하계학술대회
• /
• pp.1855-1856
• /
• 2008

본 연구에서는 공정 중에 민감하게 반응하는 플라즈마로부터 수집되는 이온에너지 분포(IED : Ion Energy Distribution)와 시계열 신경망 모델링을 결합한 플라즈마 감시 기술을 개발하였다. NIEA(Non-invasive ion analyzer)를 이용하여 IED를 측정하였으며, 모델링에 사용된 신경망은 자기 상관 시계열 신경망(A-NTS : Auto-Correlated Neural Time-Series)이다. 모델 개발을 위한 학습과 테스트 데이터로는 Duty ratio 100%에서 수집한 IED를 이용하였으며, 개발된 모델의 감시 성능은 60%에서 수집된 IED로 평가하였다. 학습인자 k와 m의 범위는 각각 1-3 으로 총 9종류의 (k, m) 조합에 대해서 모델 성능을 평가하였다. 신경망 은닉층 뉴런수는 2-9의 범위에서 최적화하였다. 최적화된 모델은 (2, 3)과 뉴런수 2에서 구해졌으며, 0.335의 예측 에러를 보였다. 60% IED 데이터로 평가한 결과 플라즈마 고장에의 민감도는 62% 이상이었다. 이는 IED의 A-NTS 모델이 플라즈마 고장의 감시에 효과적으로 적용될 수 있음을 의미한다.

• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2000년도 하계종합학술대회논문집
• /
• pp.289-292
• /
• 2000

선형 자귀회귀(AR) 모델을 근거로한 HRV 파워 스펙트럼해석은 비침습적으로 자율신경의 반응을 정량화하는데 폭넓게 사용된다. 본 연구는 단구간(2분 미만)의 심전도와 맥파 신호로부터 시계열 HRV의 파워스펙트럼을 추정한다. 시계열은 정상인을 대상으로 검출한 심전도와 맥파신호의 특징점 시간간격(RRI, PPI)으로부터 구하였다. 발생된 시계열은 다항식 보간법에 의해 AR모델에 적합하게 재구성하였으며, AR모델 계수는 Burg법에 의해 계산하였다. AR모델을 적용한 단구간의 심전도와 맥파의 심박변동에 대한 파워스펙트럼밀도는 저주파수(LF)와 고주파수(HF)에서 매끄러운 스펙트럼 파워를 나타내고 있다. 또한 동일한 피험자의 심전도와 맥파의 파워스펙트럼밀도를 비교한 결과 동일한 모양을 나타내었다.

• 한국인터넷방송통신학회논문지
• /
• 제23권2호
• /
• pp.103-111
• /
• 2023

본 논문은 시계열 데이터에 존재하는 이상값을 정상값으로 변환하는 새로운 데이터 보정기법을 제안한다. 최근 IT기술의 발전으로 센서를 통해 방대한 시계열 데이터가 수집되고 있다. 하지만 센서의 고장, 비정상적 환경으로 인해, 대부분의 시계열 데이터는 다수의 이상값을 포함할 수 있다. 이상값이 포함된 원천 데이터를 그대로 사용하여 예측모델을 구축하는 경우, 고신뢰도의 예측 서비스가 실현되기 어렵다. 이에 본 논문은 LSTM-GAN 모델을 활용하여 원천 시계열 데이터에 존재하는 이상값을 탐지하고, DTW(Dynamic Time Warping) 및 GAN 기법을 결합하여 분할된 윈도우 단위로 이상값을 정상값으로 보정하는 기법을 제안한다. 기본 아이디어는 탐지된 이상값이 포함된 윈도우에 인접한 정상 분포 데이터의 통계정보를 DTW에 적용하여 연쇄적으로 GAN 모델을 구축하여 정상적 시계열 데이터를 생성하는 것이다. 오픈 NAB 데이터를 활용한 실험을 통해, 우리는 제안 기법이 기존 2개의 보정기법보다 성능이 우수함을 보인다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2006년도 춘계학술발표대회
• /
• pp.23-26
• /
• 2006

기존의 데이터 마이닝 예측 기법 중 회귀분석은 학습 단계에서 생성된 모델을 변경 없이 새로운 데이터에 적용하였다. 그러나 시계열 데이터에 모델 변경 없이 동일하게 적용하면 시간이 지남에 따라 정확도가 낮아지는 단점이 있다. 따라서 이 논문에서는 시간에 따라 변화하는 시계열데이터의 특성을 고려하여 점진적으로 회귀 모델을 갱신하는 기법을 제안한다. 이 기법은 입력되는 모든 데이터를 회귀 모델에 적용하여 점진적으로 모델을 갱신한다. 제안된 기법의 타당성은 RME(Relative Mean Error)와 RMSE(Root Mean Square Error)를 이용하여 측정하였다. 정확도 측정 실험 결과 제안 기법인 IMQR(Incremental Multiple Quadratic Regression) 기법이 MLR(Multiple Linear Regression), MQR(Multiple Quadratic Regression), SVR(Support Vector Regression) 기법에 비해 RME 가 평균 2%, RMSE 가 평균 0.02 정도 우수한 결과를 얻었다.