• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.10 no.6
• /
• pp.145-152
• /
• 2010

Bayesian information criterion is used to do clustering for time series data. To acquire more stable clusters, multiple seeds are chosen first for the algorithm. Once clusters being set up, most similar time series data in the cluster to the one under consideration are to be chosen for prediction test. These chosen time series data are used to extract valid Markov rules by which we test the prediction accuracy. We confirmed that clustering with multiple seeds led to better prediction performance.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.93-96
• /
• 2022

IoT 기기의 보급 및 확산으로 많은 산업군에서 이를 바탕으로 시계열 데이터를 획득하고 분석하려는 시도가 확대되고 있다. 시간의 흐름에 따라 저장된 데이터들은 주기에 따라 특정 패턴을 갖는 경우가 많으며 이러한 패턴을 파악한다면 주요 산업군의 의사 결정에 도움이 된다. 그러나 IoT 기기의 수집 오류 및 네트워크 환경에 의해 대부분의 시계열 데이터들은 누락 데이터, 이상 데이터를 갖고 있으며 이를 처리하지 않고 분석할 경우 오히려 잘못된 결과를 초래한다. 본 논문에서는 패턴 파악을 위해 '시간, 일, 주, 월, 년' 등 시간의 주기를 기준으로 데이터를 분할하며 이에 기반하여 데이터셋을 재구성하고 활용 가능한 데이터와 불가능한 데이터로 구분한다. 선별된 데이터셋은 클러스터링에 적용하였으며, 제안하는 방법을 적용할 경우 주기를 갖는 시계열 데이터를 활용하는 분석 및 학습에서 더 나은 결과를 보임을 확인하였다.

• KIPS Transactions on Software and Data Engineering
• /
• v.11 no.2
• /
• pp.81-86
• /
• 2022

Given that time series are used in various fields, such as finance, IoT, and manufacturing, data analytical methods for accurate time-series forecasting can serve to increase operational efficiency. Among time-series analysis methods, multi-horizon forecasting provides a better understanding of data because it can extract meaningful statistics and other characteristics of the entire time-series. Furthermore, time-series data with exogenous information can be accurately predicted by using multi-horizon forecasting methods. However, traditional deep learning-based models for time-series do not account for the heterogeneity of inputs. We proposed an improved time-series predicting method, called the temporal fusion transformer method, which combines multi-horizon forecasting with interpretable insights into temporal dynamics. Various real-world data such as stock prices, fine dust concentrates and electricity consumption were considered in experiments. Experimental results showed that our temporal fusion transformer method has better time-series forecasting performance than existing models.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1007-1012
• /
• 2008

유역통합수자원관리의 시작은 기상예측정보의 제공으로부터 시작된다. 하지만, 기상예측정보는 단기, 중기, 장기로 구분되며, 제공되는 정보가 수자원 운영에 필요한 정보와 시간적으로나 공간적으로 차이가 나며, 가공에 많은 전문가들의 노력이 필요하여 실무에서의 적용에 많은 어려움이 따른다. 따라서 본 연구에서는 이러한 문제들을 해결하고 용이하게 수자원 운영자에게 필요한 기상정보를 적절한 형태의 가공을 통하여 자동적으로 제공해 주는데 그 목적이 있다. 이러한 시스템의 구축을 통해 향후 수자원 운영에 있어 필수적인 의사결정 정보를 제공해 주어 수자원의 이용효율을 높이고자 한다. 구축된 시스템은 금강 유역에 대해 소유역단위로 장기 유출의 입력자료인 일단위 예측 강수를 30일간 제공하도록 시스템을 구축하였다. 단기(1일$\sim$2일)에는 RDAPS의 모의 결과인 Grib파일을 자동 추출하여 예측 강수를 제공한다. 1일에 두 번 모의되는 RDAPS의 결과를 일단위로 제공하기 위해 여러 가지 case별 분석을 실시하여 가장 적합한 기법을 이용하여 일단위 시계열을 구축하는 시스템을 설계하였다. 중기(3일$\sim$10일)에는 GDAPS 결과인 Grib파일을 자동 추출하여 유역단위 시계열을 구축한 뒤 과거 자료를 이용한 연 평균 자료를 이용하여 가중치를 곱하여 시계열을 구축하였다. 장기(11일$\sim$30일) 시계열의 구축을 위해서는 단기 및 중기 예측 시계열을 이용하여 과거 시계열 자료와의 통계적 비교 분석을 이용하여 유사 시계열을 추출한 후 과거 자료에 대한 평균값과 기상 전망을 이용하여 가중치를 부여하는 방법 등을 이용하여 시스템을 구축하였다. 본 시스템은 한국수자원공사에서 운영 중인 RRFS모형의 입력 자료를 자동 생성할 수 있는 기능을 제공하도록 설계되었다. 이러한 시스템의 구축을 통해 기상정보를 다루는데 익숙하지 않은 수자원 운영자들에게 비교적 용이하게 유역단위 기상예측 정보를 추출하는데 큰 도움이 될 것으로 기대한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.10a
• /
• pp.585-588
• /
• 2018

시계열 데이터의 특징을 추출하여 분석하는 과정에서 시게열 데이터가 가지는 고차원성은 차원의 저주(Course of Dimensionality)로 인해 데이터내의 유효한 정보를 찾는데 어려움을 만든다. 이러한 문제를 해결하기 위해 차원 축소 기법(dimensionality reduction)이 널리 사용되고 있지만, 축소 과정에서 발생하는 정보의 희석으로 인하여 시계열 데이터에 대한 군집화(clustering)등을 수행하는데 있어서 성능의 변화를 가져온다. 본 논문은 이러한 현상을 관찰하기 위해 이산 웨이블릿 변환(Discrete Wavelet Transform:DWT)과 오토 인코더(AutoEncoder)를 차원 축소 기법으로 활용하여 시계열 데이터의 차원을 압축 한 뒤, 압축된 데이터를 K-평균(K-means) 알고리즘에 적용하여 군집화의 효율성을 비교하였다. 성능 비교 결과, DWT는 압축된 차원수 그리고 오토인코더는 시계열 데이터에 대한 충분한 학습이 각각 보장된다면 좋은 군집화 성능을 보이는 것을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.3-3
• /
• 2023

수자원위성은 C-band 영상레이더(synthetic aperture radar, SAR)를 탑재한 중형급의 수자원 관리 및 수재해 감시 전용 위성이다. 수자원위성은 물 환경과 관련된 다양한 분야에 활용되어 고부가가치의 정보를 제공할 것으로 예상되는데, 특히 시계열 레이더 간섭기법(SAR interferometry, InSAR)의 적용을 통해 댐·보와 같은 수자원시설물의 미세변위 탐지 및 안정성 평가에 효과적으로 사용될 것으로 기대된다. 시계열 영상레이더 간섭기법은 고정산란체를 이용하는 Persistent Scatterer InSAR(PSInSAR) 기법과 분산산란체 기반의 Small BAseline Subset(SBAS) InSAR 기법으로 대표된다. 이 연구에서는 수자원위성에 적합한 수리시설물 시계열 변위 모니터링 알고리즘 개발을 목적으로, Sentinel-1 위성의 C-band SAR 기반 시계열 레이더 간섭기법의 적용성을 평가하고 알고리즘 개발에 고려해야 할 사항들을 분석하였다. 2020년 여름 수재해가 발생한 섬진강댐과 담양댐 및 수변부를 테스트 사이트로 선정하고, 2019년부터 2021년까지의 Sentinel-1 시계열 SAR 영상에 PSInSAR와 SBAS InSAR를 적용하여 시계열 변위를 관측하였다. 댐체에서는 PSInSAR가 SBAS InSAR에 비해 신뢰할 수 있는 시계열 변위를 산출하였다. 그러나 시계열 분석 기간이 길어짐에 따라 PSInSAR 시계열 변위의 정밀도가 낮아지는 경향이 관측되었다. 수변부에서 PSInSAR는 변위 정보를 거의 제공하지 못했다. SBAS InSAR는 수변부의 시계열 변위 모니터링에 효과적이었으나, 여름철 장마 등으로 인해 레이더 간섭도의 긴밀도(coherence)가 낮아질 경우 부정확한 변위를 산출하였다. 앞으로 국내의 다양한 수자원시설물을 대상으로 Sentinel-1 위성을 이용한 시계열 변위 모니터링 알고리즘의 적용성 평가 연구가 진행될 예정이며, 연구 결과를 수자원위성의 관측 특성에 적합한 변위 탐지 알고리즘의 개발에 활용하고자 한다.

• The KIPS Transactions:PartD
• /
• v.14D no.7
• /
• pp.727-732
• /
• 2007

Most of previous work on indexing and searching time series focused on the similarity matching and retrieval of one-attribute time series. However, multimedia databases such as music, video need to handle the similarity search in multi-attribute time series. The limitation of the current similarity models for multi-attribute sequences is that there is no consideration for attributes' sequences. The multi-attribute sequences are composed of several attributes' sequences. Since the users may want to find the similar patterns considering attributes's sequences, it is more appropriate to consider the similarity between two multi-attribute sequences in the viewpoint of attributes' sequences. In this paper, we propose the similarity search method based on attributes's sequences in multi-attribute time series databases. The proposed method can efficiently reduce the search space and guarantees no false dismissals. In addition, we give preliminary experimental results to show the effectiveness of the proposed method.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10b
• /
• pp.342-344
• /
• 1999

신경트리(evolutionary neural trees)는 트리 구조의 신경망 모델로서 진화 알고리즘으로 학습하기에 적합한 구조이다. 본 연구에서는 진화 신경트리를 시계열 예측에 적용하였다. 시계열 데이터는 대개 잡음이 포함되어 있으며 동역학적인 특성을 지닌다. 본 논문에서는 견고한 예측 결과를 획득하기 위해 한 개의 신경트리가 아닌 여러개의 신경트리를 결합하여 예측 모델을 구성하는 committee machine을 소개한다. 출력 패턴가에 correlation이 최소가 되도록 상이한 신경트리를 선택하여 결합함으로써 모델 결합 효과를 최대화하는 방법을 사용하였다. 인공적인 잡음을 포함한 시계열 예측 문제와 실세계 데이터에 대한 실험에서 예측에 대한 정확도가 단일 모델을 사용한 경우 보다 향상되었다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 1998.10a
• /
• pp.791-805
• /
• 1998

음성데이타베이스 이미지 데이터베이스 등과 같은 응용에서 다차원 구조의 시계열 패턴을 효율적으로 처리하기 위한 인덱스 구조가 필요하다. 이러한 인덱스구조로 시계열 패턴 인덱스(9)가 제안되었다. 본 논문에서는 시계열 패턴 인덱스가 실제 응용에 적용가능한가를 판단하기 위하여 , 다양한 분포의 대량 데이터를 이용한 실험을 통한 성능을 비교한다. 성능 실험결과 저장시의 성능은 균일 분포에서 좋은 성능을 나타냈다. 질의 처리시의 성능은 모든 분포에서 좋은 후보 선택의 결과를 나타냈다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.247-249
• /
• 2000

본 논문에서는 대개 잡음이 포함되어 있고 불규칙적인 특성을 갖고 있는 시계열 자료에 대해 신경 트리 모델을 사용하여 시계열 예측 문제를 해결하고자 한다. 주어진 시계열 자료에 적합한 구조와 가중치를 갖는 신경트리를 찾기 위해 베이지안 진화 알고리즘을 적용한 결과, 자료의 개수가 적어 과적합될 우려가 있는 경우 제안된 방법은 모델의 복잡도가 커지는 것을 억제하고 일반화 성능이 급격하게 나빠지지 않는다는 것을 확인하였다.