• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.11a
• /
• pp.224-226
• /
• 2022

다양한 소스로부터 수집되고 연동되는 데이터를 모델링하는 기술로 그래프 데이터베이스를 활용한 분석 기법이 각광받고 있다. 이 연구에서는 항로표지에서 관측되는 상태 및 주변 정보를 모델링하고, 고장진단 및 예측에 적용할 수 있는 기계학습 기법을 소개한다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2021.11a
• /
• pp.54-56
• /
• 2021

다양한 소스로부터 수집되고 연동되는 데이터를 모델링하는 기술로 그래프 데이터베이스를 활용한 분석 기법이 각광받고 있다. 이 연구에서는 항로표지에서 관측되는 상태 및 주변 정보를 모델링하고, 고장진단 및 예측에 적용할 수 있는 기계학습 기법을 소개한다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.29 no.2B
• /
• pp.163-171
• /
• 2009

Classical linear models have been generally used to analyze and forecast hydrologic time series. However, there is growing evidence of nonlinear structure in natural phenomena and hydrologic time series associated with their patterns and fluctuations. Therefore, the classical linear techniques for time series analysis and forecasting may not be appropriate for nonlinear processes. In recent, the BDS (Brock-Dechert-Scheinkman) statistic instead of conventional techniques has been used for detecting nonlinearity of time series. The BDS statistic was derived from the statistical properties of the correlation integral which is used to analyze chaotic system and has been effectively used for distinguishing nonlinear structure in dynamic system from random structures. DVS (Deterministic Versus Stochastic) algorithm has been used for detecting chaos and stochastic systems and for forecasting of chaotic system. This study showed the DVS algorithm can be also used for detecting nonlinearity of the time series. In this study, the stochastic and hydrologic time series are analyzed to detect their nonlinearity. The linear and nonlinear stochastic time series generated from ARMA and TAR (Threshold Auto Regressive) models, a daily streamflow at St. Johns river near Cocoa, Florida, USA and Great Salt Lake Volume (GSL) data, Utah, USA are analyzed, daily inflow series of Soyang dam and the results are compared. The results showed the BDS statistic is a powerful tool for distinguishing between linearity and nonlinearity of the time series and DVS plot can be also effectively used for distinguishing the nonlinearity of the time series.

• Korean Management Science Review
• /
• v.1
• /
• pp.68-80
• /
• 1984

Box-Jenkins 시계열 분석법은 변수에 관한 정보가 부족하거나 너무 많은 변수가 영향을 미치고 있는 경우에도 과학적인 예측치를 구할 수 있는 단기예측 방법이다. Box-Jenkins 모형은 자동회귀 모형(Autoregressive Model), 이동평균 모형 (Moving average Model), 계절적 시계열 모형을 통합한 일반적인 모형이기 때문에 특별한 불안정성을 보이지 않는 경우에는 모두 모형화 할 수 있으며, 모형에 관계된 계수의 수를 최소화 하면서 만족스러운 모형을 찾을 수 있다. Box-Jenkins예측방법은 모형선정, 매개변수추정, 적합성 검정의 3단계를 반복으로 수행함으로써 최적모형에 이르게 하게 하고 있기 때문에 최소의 가능한 모형으로부터 시작하여 부적당한 부분을 제거시켜 나감으로써 시행착오의 과정을 최소화 할 수 있다. 일반 사용자가 Box-Jenkins 시계열 분석법을 쉽게 사용할 수 있도록 Box-Jenkins Package가 개발되었으며 여기서는 KAIST 전산 개발 센터에 설치된 Package를 소개하고 그 사용예를 보였다.

• Knowledge Management Research
• /
• v.22 no.4
• /
• pp.119-133
• /
• 2021

As a large amount of data is produced in each industry, a number of time series pattern prediction studies are being conducted to make quick business decisions. However, there is a limit to predicting specific patterns in nonlinear time series data due to the uncertainty inherent in the data, and there are difficulties in making strategic decisions in corporate management. In addition, in recent decades, various studies have been conducted on data such as demand/supply and financial markets that are suitable for industrial purposes to predict time series data of irregular random walk models, but predict specific rules and achieve sustainable corporate objectives There are difficulties. In this study, the prediction results were compared and analyzed using the Chaos analysis method for roulette data and financial market data, and meaningful results were derived. And, this study confirmed that chaos analysis is useful for finding a new method in analyzing time series data. By comparing and analyzing the characteristics of roulette games with the time series of Korean stock index future, it was derived that predictive power can be improved if the trend is confirmed, and it is meaningful in determining whether nonlinear time series data with high uncertainty have a specific pattern.

• The Korean Journal of Applied Statistics
• /
• v.19 no.2
• /
• pp.319-330
• /
• 2006

A signal in real world usually composes of multiple signals having different scales of frequencies. For example sun-spot data is fluctuated over 11 year and 85 year. Economic data is supposed to be compound of seasonal component, cyclic component and long-term trend. Decomposition of the signal is one of the main topics in time series analysis. However when the signal is subject to nonstationarity, traditional time series analysis such as spectral analysis is not suitable. Huang et. at(1998) proposed data-adaptive method called empirical mode decomposition (EMD) . Due to its robustness to nonstationarity, EMD has been applied to various fields. Huang et. at, however, have not considered denoising when data is contaminated by error. In this paper we propose efficient denoising method utilizing cross-validation.

• Proceedings of the Korean Information Science Society Conference
• /
• 2010.06c
• /
• pp.364-369
• /
• 2010

본 논문에서는 뉴스 텍스트 마이닝을 수행하여 2005년 1월부터 2008년 12월까지 4년 간의 뉴스 데이터에 대해 주가에 호재인지 악재인지 여부에 대해 학습을 하고, 이를 근거로 신규 발행된 뉴스가 주가 상승 또는 하락에 영향을 미치는지를 예측하는 알고리즘을 제안한다. 뉴스 텍스트 마이닝을 위해 변형된 Bag of Words 모델과 Naive Bayesian 분류기법을 사용하였으며, 특히 주가 예측에 있어서 뉴스 마이닝에만 의존하던 기존의 관련 연구와는 달리 예측의 정확성을 높이기 위해 주가의 시계열 데이터 분석기법인 RSI를 추가로 작용하였다. 2009년 11월부터 2010년 2월까지 4개월간 42,355건의 뉴스 데이터에 대해 실험한 결과, 기존 연구 대비 의미 있는 결과인 55.01%의 예측성공률을 얻었다.

• Journal of Wetlands Research
• /
• v.21 no.1
• /
• pp.66-76
• /
• 2019

Recently, natural disasters such as floods and droughts are frequently occurred due to climate change and the damage is also increasing. Wetland is known to play an important role in reducing and minimizing the damage. In particular, water level variability needs to be analyzed in order to understand the various functions of wetland as well as the reduction of damage caused by natural disaster. Therefore, in this study, we fitted water level series of Upo wetland in Changnyeong, Gyeongnam province to a proper time series model and residual test was performed to confirm the appropriateness of the model. In other words, ARIMA model was constructed and its residual tests were performed using existing nonparametric statistics, BDS statistic, and Close Returns Histogram(CRH). The results of residual tests were compared and especially, we showed the applicability of CRH to analyze the residuals of time series model. As a result, CRH produced not only accurate randomness test result, but also produced result in a simple calculation process compared to the other methods. Therefore, we have shown that CRH and BDS statistic can be effective tools for analyzing residual in time series model.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.323-323
• /
• 2018

최근 기후변화에 대한 관심이 증대됨에 따라 미래 기후모델자료를 기반으로 연구가 다양하게 진행되고 있다. 기후변화가 적용된 자료는 미래 수자원관리, 방재를 위한 수공구조물의 설계 등 다양한 방식으로 실무에 적용되고 있다. 하지만 기후모델로부터 모의된 결과는 어느 정도 관측자료와 차이가 발생하게 되며, 이러한 계통적 오차는 모델 내부에서 해결하기가 쉽지 않다. 그렇기 때문에 기후모델로부터 모의된 결과를 보정하기 위해 편의보정 기법을 활용한다. 그리고 미래 기후모델자료는 불확실성을 내재하고 있기 때문에 다양한 편의보정 기법을 적용하여 불확실성의 범위를 확인해 보았다. 사용된 편의보정 기법으로는 Quantile Mapping(QM), Quantile Delta Mapping(QDM), Detrended Quantile Mapping(DQM), Delta Change Method(DCM)을 이용하였다. 편의보정에 적용한 확률분포형은 일반극치분포(GEV분포), Type-1 극치분포(Gumbel분포)를 사용하였다. GEV분포를 기본으로 하여 조건적으로 GEV분포를 사용할 수 없는 경우, Gumbel분포를 사용하였다. 본 연구에서는 독일의 전지구기후모델(Global Climate Model, GCM)인 MPI-ESM-LR에 RCP 8.5 사나리오를 강제장으로 하여 지역기후모델(Regional Climate Model, RCM)인 WRF를 이용하여 동역학적으로 다운스케일한 강우자료를 사용하였다. 강우자료 중에서 강릉, 인천, 부산, 목포지점에 해당하는 자료를 추출하여 연 최대 강우강도 시계열을 산정하고 4가지 편의보정 기법을 이용하여 편의보정을 하였다. 편의보정 수행된 연 최대 강우강도 시계열을 scale-invariance 기법으로 다운스케일하여 미래 IDF곡선을 유도한 뒤, 편의보정별로 유도한 IDF곡선의 비교를 통해 편의보정기법이 미래 IDF곡선에 미치는 영향을 분석하였다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.31 no.1B
• /
• pp.37-45
• /
• 2011

We studied noise influence on nonlinear chaotic system by using Logistic data series which is known as a typical nonlinear chaotic system. We regenerated Logistic data series by the method of adding noise according to noise level. And, we performed some analyses such as phase space reconstruction, correlation dimension, BDS statistics, and DVS Algorithms which are known as the methods of nonlinear deterministic or chaotic analysis. If we see the results of analysis, the characteristics of data series are gradually changed from nonlinear chaotic data series to random stochastic data series according to increasing noise level. We applied Low Pass Filter (LPF) and Kalman Filter techniques for the investigation of removing effect of the added noise to data series. Typical nonparametric method cannot distinguish nonlinear random series but the BDS statistic can distinguish the nonlinear randomness of the time series. Therefore this study used the BDS statistic which is well known as nonlinear statistical method for the investigation of randomness of time series for the effect of removing noise of data series. We found that Kalman filter is better method to remove the noise of chaotic data series even for high noise level.