• Science of Emotion and Sensibility
• /
• v.3 no.2
• /
• pp.85-101
• /
• 2000

감성은 의사결정에 많은 영향을 미침에도 불구하고, 시계열예측에 있어서의 연구는 매우 적은 편이다. 본 연구는 감성이 시계열 예측에 미치는 영향을 시계열정보의 형태 (그래프, 계정성)와 더불어 살펴보았다. 감성은 피험자로 하여금 인터넷시험을 보게 하고 즉시 그 결과를 아려줌으로 유발하였다. 시험결과가 좋은 피험자에게는 상금을 주어서 그 효과를 극대화하도록 하였다. 본 연구는 팩토리얼로 설계되었으며, 86명의 학생이 인터넷에서 운용되는 실험프로그램을 직접 사용하였다. 그 결과 감성은 그 자체로는 효과가 없었지만, 정보가 주어진 형태와 관련되어 그 효과가 타나났다는 점이 매우 흥미롭다. 특히 좋은 감성이 유발된 경우, 계절성이 테이블형태로 (그래프에서 잘 표현될 수 있다는 점에도 불구하고) 더욱 정확하게 처리하는 경향이 있었다. 또한 피험자의 뇌파를 분석한 결과 전두엽 베타파가 정확성에 많은 기여를 하는 것으로 나타났다.

• Communications for Statistical Applications and Methods
• /
• v.1 no.1
• /
• pp.131-140
• /
• 1994

Box-Jenkins 시계열 분석에서 모형검진을 위한 통계량으로 잔차의 자기상관함수를 이용한 Box와 Pierce(1970)의 포트맨토우 검정과 Ljung과 Box(1978)의 변형된 포트맨토우 검정을 Basawa(1987)가 제안한 예측오차를 이용한 모형 검진 방법과 비교, 분석하였다. 시뮬레이션 연구를 수행하여 경험적 평균, 분산 및 유의 수준을 비교하여 과대적합의 방법을 이용하여 검정력을 비교하였다.

• 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.

• Journal of the Korean Data and Information Science Society
• /
• v.28 no.1
• /
• pp.11-20
• /
• 2017

In this paper, we introduced linear spatial time series (space-time autoregressive and moving average model) and nonlinear spatial time series (space-time bilinear model). Also we estimated the parameters by Kalman Filter method and made comparative studies of power of forecast in the final model. We proposed several weight matrices such as equal proportion allocation, reciprocal proportion between distances, and proportion of population sizes. For applications, we collected Mumps data at Korea Center for Disease Control and Prevention from January 2001 until August 2008. We compared three approaches of weight matrices using the Mumps data. Finally, we also decided the most effective model based on sum of square forecast error.

• Journal of Korea Water Resources Association
• /
• v.39 no.3 s.164
• /
• pp.253-259
• /
• 2006

In almost all previous hydrological studies, the standard approach adopted for nonlinear time series analysis is to perform system characterization first followed by forecasting. However, a practical inverse approach for forecasting nonlinear hydrological time series was proposed recently To investigate the applicability standard approach method and inverse approach, this study used a theoretical time series (Mackey-Glass time series) and daily streamflows of the Bear River in Idaho. To predict a theoretical time series and daily streamflow, this study used local approximation method. From chaos analysis, chaotic characteristics are found in daily streamflow of the Bear River in Idaho. Resulting from 1, 3 and 5-day prediction, inverse approach method is shown to be better than the standard approach for a theoretical chaotic time series and daily streamflow.

• Journal of the Korean Geotechnical Society
• /
• v.40 no.2
• /
• pp.65-79
• /
• 2024

This study employs traditional statistical auto-regressive integrated moving average (ARIMA) and deep learning-based long short-term memory (LSTM) models to predict the deformation of earth retaining walls using inclinometer data from excavation sites. It compares the predictive capabilities of both models. The ARIMA model excels in analyzing linear patterns as time progresses, while the LSTM model is adept at handling complex nonlinear patterns and long-term dependencies in the data. This research includes preprocessing of inclinometer measurement data, performance evaluation across various data lengths and input conditions, and demonstrates that the LSTM model provides statistically significant improvements in prediction accuracy over the ARIMA model. The findings suggest that LSTM models can effectively assess the stability of retaining walls at excavation sites. Additionally, this study is expected to contribute to the development of safety monitoring systems at excavation sites and the advancement of time series prediction models.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2016.05a
• /
• pp.1-3
• /
• 2016

연안여객운송은 도서와 육지의 인적 및 물적 교류가 이루어질 수 있도록 하는 유일한 교통수단으로서 그 중요성이 매우 크다. 그럼에도 불구하고 연안여객선에서의 수익성이 낮다는 이유로 그 중요성을 인식하지 못하고 있는 것이 사실이다. 그렇지만 앞으로의 연안여객 수요에 따라 향후 도서민들에게 안정적인 서비스를 제공하기 위해 선박의 추가 투입 및 시설 확충을 위한 의사결정에서 가장 기본이 되는 것이 연안여객의 수요를 예측하는 것이다. 본 논문 에서는 가장 많은 여객 수요를 가지고 있는 제주지역 중에서도 세월호 이후에 끊긴 인천과 제주 항로에 초점을 맞추어 연구를 진행할 것이다. 2007년 1월부터 2013년 12월 까지 84개의 월별 자료를 바탕으로 예측 기법 중에서도 계량적 기법인 시계열 분석을 통해 여객 수요를 예측하고자 한다. 예측 작업에 있어 항상 우수한 성과를 보이는 단 하나의 모형은 존재하지 않기 때문에 예측에 수반된 불확실성을 줄이기 위해 다양한 예측모형을 사용한다. 여러 방법론 중에서 가장 적합도가 높은 모형을 찾아 여객 수요를 예측하고 결과를 도출하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1012-1016
• /
• 2009

수자원 시스템 거동예측은 수문학적 지속성여부에 대한 판단이 선행 되어야 하며 가용한 시계열자료에 대한 추계학적 분석을 통하여 실시하여야 한다. 본 연구에서는 계절형 ARIMA모형을 통한 안동댐 유역의 강우량, 증발산량 및 유출량 시계열자료를 예측함에 있어 전형적인 Box-jenkins의 방법을 따랐고 모형의 식별, 추정, 검진의 3단계를 거쳐 모형화 하였다. 최적 수문시계열 예측 모형을 통하여 안동댐 유역의 강우량, 증발산량 및 유출량 시계열자료로 월별 수문시스템 거동을 예측하였으며, 예측된 결과를 토대로 TANK모형과 ARIMA+TANK결합모형에 의한 장기유출모의를 실시하였다. 분석결과 관측자료의 특성을 비교적 잘 반영 하였으며, 댐 유입량 예측을 위한 추계학적 결합모형의 적용가능성을 검토하였다. 이는 유출량자료의 보유년한이 짧은 대상유역에 월강우량과 증발산량자료 등의 수문시계열 인자 예측을 통한 유출을 모의함으로서 수자원의 중 장기 전략수립에 도움을 줄 것으로 사료된다.

• Journal of the Korean Data and Information Science Society
• /
• v.28 no.2
• /
• pp.395-406
• /
• 2017

The purpose of this study is to identify the pattern of daily electricity demand through clustering and classification. The hourly data was collected by KPS (Korea Power Exchange) between 2008 and 2012. The time trend was eliminated for conducting the pattern of daily electricity demand because electricity demand data is times series data. We have considered k-means clustering, Gaussian mixture model clustering, and functional clustering in order to find the optimal clustering method. The classification analysis was conducted to understand the relationship between external factors, day of the week, holiday, and weather. Data was divided into training data and test data. Training data consisted of external factors and clustered number between 2008 and 2011. Test data was daily data of external factors in 2012. Decision tree, random forest, Support vector machine, and Naive Bayes were used. As a result, Gaussian model based clustering and random forest showed the best prediction performance when the number of cluster was 8.

• Journal of Digital Convergence
• /
• v.12 no.7
• /
• pp.261-266
• /
• 2014

When the number of parameters in the time series model are diverse, it is hard to forecast because of the increasing error by a parameter estimation. If the homogeneity hypothesis which was obtained from the same model about severeal data for the time series is selected, it is easy to get the predictive value better. Nonlinear time-series panel data for each parameter for each time series, since there are so many parameters that are present, and the large number of parameters according to the parameter estimation error increases the accuracy of the forecast deteriorated. Panel present in the time series of multiple independent homogeneity is satisfied by a comprehensive time series to estimate and to test of the parameters. For studying about the homogeneity test for the m independent non-linear of the time series panel data, it needs to set the model and to make the normal conditions for the model, and to derive the homogeneity test statistic. Finally, it shows to obtain the limit distribution according to ${\chi}^2$ distribution. In actual analysis,, we can examine the result for the homogeneity test about nonlinear time series panel data which are 2 groups of stock price data.