• Journal of the Korean Data and Information Science Society
• /
• v.27 no.6
• /
• pp.1511-1523
• /
• 2016

The increasing trend of the five violent crimes (murder, robbery, rape, violence, theft) in Korea is not independent of social and economic factors. Several social science research have discussed about this issue but most of them do not properly reflect the nature of the time-series data. Based on several time series models, we studied about the endogenous factors (time, seasonal and cycle factors) and exogenous factors (economical, social change and crime control factors) on violent crime occur in Korea. Autocorrelation were also taken into account. Through this study, we want to help to make preventive policy by explaining the cause of violent crime and predicting the future incidence of it.

• Water for future
• /
• v.14 no.2
• /
• pp.71-79
• /
• 1981

This study is established of simulation models form the stochastic and statistic analysis of monthly rainfall and monthly runoff on south Han river. The time series simulation of monthly runoff is introduced with a linear stochastic model for simulating synthetic monthly runoff data. And, time series model of monthly pricipitation and monthly runoff is introduced to be a pure random time series with known statical parameter, which is characterized by an exponential recession curve with one parameter, and is develope expressing the statistical parameter for length of carryover.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.79-79
• /
• 2017

강우 자료는 수공구조물 설계목적에 따라 다양한 시공간적 범주가 필요하다. 그러나 시간단위 이하 시계열 강우자료는 미계측 유역 및 관측연한 등의 제약으로 연속적인 시계열을 확보하는데 어려움이 있다. 이러한 점에서 포아송분포 기반 강우발생모형은 강우시계열의 통계적 특성을 나타내는 5개 매개변수로 다양한 시간 범주의 연속강우시계열을 생성할 수 있다는 장점이 있다. 강우발생모의 핵심은 과거자료의 통계특성을 효과적으로 복원할 수 있어야 하며, 다양한 기상학적 특성들 또한 적절하게 모의될 수 있어야 한다는 점이다. 즉, 다음과 같은 기준으로 모의적합성을 평가할 수 있다. 첫째, 지속기간별 관측시계열과 모의시계열의 통계적 유사성을 평가하고, 둘째, 확률분포를 따르는 각 매개변수의 사후분포를 제시하여 불확실성을 정량화하고, 셋째, 추정된 매개변수의 물리적 범위의 적정성 검토가 필요하다. 본 연구에서는 강우발생모형으로 널리 알려진 Neyman-Scott Rectangular Pulse(NSRP) 모형과 Bayesian 모형을 연계한 Bayesian NSRP 모형 개발을 통해 강우관측소 전지점에 대한 매개변수 지도를 제시하고자 한다. 본 연구결과는 임의 유역에 대한 강우발생 시나리오를 제공하여, 다양한 형태의 유출결과를 도출할 수 있으며, 무엇보다 유출결과를 확률적으로 평가할 수 있다는 장점이 있다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 1998.10a
• /
• pp.665-670
• /
• 1998

본 연구에서는 시계열자료의 ARMA 모형화를 위해 의사결정트리 분류기상에 존재하는 인공신경망의 구조를 개선하여 이들 각각의 인공신경망으로부터 도출된 결과를 Dempster's rule of combination을 이용하여 결합할 수 있는 방법론을 제시하고 있다. 인공신경망을 이용한 기존의 ARMA 모형화 방법과 비교한 결과, 본 연구에서는 제시한 방법이 주어진 ESACF 특성패턴에 대해 보다 정확하게 ARMA 모형화를 하는 것으로 나타났다.

• Proceedings of the Korean Statistical Society Conference
• /
• 2000.11a
• /
• pp.17-22
• /
• 2000

시계열 자료를 분석할 때 쉽게 접근하는 통계적 방법은 ARMA 모형이며 신경망 학습 방법 중에서는 다층 퍼셉트론에서의 Back-propagation 알고리즘이 일반적이다. Back-propagation을 비롯한 신경망 학습의 구조는 자료의 특성에 따라 경험적으로 결정하는 것으로 알려져 있다. 그러나 바로 이 점이 신경망 학습방법의 이용을 어렵게 하는 요인이기도 하다. 본 연구는 ARMA 모형 중 몇 개 유형의 자료에 대하여 Back-propagation 알고리즘을 적용함에 있어 어떠한 구조로 학습하는 것이 효율적인가를 입력층과 은닉층의 크기, 활성화 함수를 중심으로 검토하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04b
• /
• pp.514-516
• /
• 2001

본 논문은 시차를 두고 촬영된 두 장의 치과용 디지털 X-Ray 영상으로부터 임플란트 시술환자에서 자주 발생하는 임플란트 주위염을 검출하는 자동화된 시계열 분석 방안을 제안한다. 분석자에 따라서 결과의 차이를 보이는 수동적인 시계열분석방법의 문제점을 극복하고 보다 객관적이고 정략적인 결과를 얻는 방안을 제시한다. 보다 신속하고 정확한 검출을 위해서 본 연구에서는 치아의 구조 분석을 통해서 환부 탐색 영역을 줄이고 작은 변화도 민감하게 검출할 수 있는 환부영역을 분리할 수 있는 방안을 제안한다. 또한 분리된 환부의 특성을 수치적으로 표현할 수 있는 방안도 함께 제시된다.

• Journal of Korean Society of Transportation
• /
• v.19 no.6
• /
• pp.65-73
• /
• 2001

Until recently, we use only weekly and monthly adjustment factors in order to estimate the AADT. By the way. we can suppose that the traffic is time series data related to flow of time. So we tried to analyse traffic patterns using time series analysis and apply them to estimate the AADT. We could divide traffic patterns into trend, cyclic variation, seasonal variation and irregular variation like as time series data. Also, in order to reduce random error components, we have looked for the weather conditions as an influential factor. There are many weather conditions such as rainfalls, but, temperatures, and sunshine hours among others but we selected rainfalls and lowest temperatures. And then, we have estimated the AADT using time series factors. To compare the results of, we have applied both irregular variation joined to weather factors and that not joined to. RMSE and U-test were opted at methods to appreciate results of AADT estimation.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.8 no.1
• /
• pp.113-119
• /
• 2013

In this paper, n order to degrade of diagnosis of power supply by using Poincare map and fractal dimension with temperature measured by infrared camera. we review the characteristic of temperature variation according to pattern variation of power supply in chemical industry complex. As a simulation results we can be realized the characteristic behaviors of nonlinear dynamics in the poincare mal and fractal dimension. In the future verification method requires through additional research.

• Journal of KSNVE
• /
• v.8 no.6
• /
• pp.1103-1112
• /
• 1998

A new time series method, directional ARMAX (dARMAX) model-based approach. is proposed for rotor dynamics identification. The dARMAX processes complex-valued signals, utilizing the complex modal testing theory which enables the separation of the backward and forward modes in the two-sided frequency domain and makes effective modal parameter identification possible, to account for the dynamic characteristics inherent in rotating machinery. This paper is divided into two parts : The dARMAX modeling, analysis. and fitting strategy are presented in the first part. whereas a evaluation of its performance characteristics based on both simulated and experimental data is presented in the second.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.07a
• /
• pp.141-142
• /
• 2018

기존 데이터의 패턴 예측에는 통계를 기반으로 한 수학적 모델이 주로 사용되었으나 새로운 데이터에 대한 피드백이 부족하기 때문에 장기간의 데이터 예측에 한계가 있다. 또한 데이터의 특성이 다양하고 복잡한 경우에는 수학적 모델의 결합 및 계산과정이 어려워진다. 따라서 본 논문에서는 데이터의 학습 및 예측에 기존 정적 모델이 아닌 기계학습 중 시계열 데이터 분석 (Time Series Analysis) 을 기반으로 연구를 진행하였다. 기계학습은 복잡한 특성을 가진 데이터를 학습하여 미래의 데이터 값을 예측하거나 분류하는데 있어서 정확도 및 처리시간 측면에서의 성능을 향상시킬 수 있다.