• Journal of the Korea Society of Computer and Information
• /
• v.28 no.4
• /
• pp.1-11
• /
• 2023

In this paper, instead of using recurrent neural network, we compare a classification performance of time series imaging algorithms using convolution neural network. There are traditional algorithms that imaging time series data (e.g. GAF(Gramian Angular Field), MTF(Markov Transition Field), RP(Recurrence Plot)) in TSC(Time Series Classification) community. Furthermore, we compare STFT(Short Time Fourier Transform) algorithm that can acquire spectrogram that visualize feature of voice data. We experiment CNN's performance by adjusting hyper parameters of imaging algorithms. When evaluate with GunPoint dataset in UCR archive, STFT(Short-Time Fourier transform) has higher accuracy than other algorithms. GAF has 98~99% accuracy either, but there is a disadvantage that size of image is massive.

• 전기의세계
• /
• v.54 no.8
• /
• pp.20-25
• /
• 2005

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• 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.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1344-1348
• /
• 2008

HMS(Hydrological Modelling system)는 유역의 지형자료와 강우와 같은 기상관련 시계열 자료 등 수문 유출과 관련되는 많은 매개변수를 포함하고 있으며, 모형의 구동을 위해서는 다양한 공간 비공간 자료 및 시계열 자료가 요구된다. 특히 다양한 비공간 정보의 경우 이를 모형에 적용하기 위해서는 비공간 정보에 대한 열람, 선택, 편집, 적용 시나리오의 설정, 입력변수의 적절성 평가, 모형 구동결과의 검 보정 등 복잡한 절차가 필요하다. 최근 들어 공간자료의 효율적 처리를 위해서 지리정보시스템과 수리 수문모델들 간의 연계를 통한 자료 생성과 입력 및 분석과정을 일괄적으로 처리하고자 하는 연구들이 발표되고 있다. 본 연구에서는 한국형 수자원지리정보시스템인 HyGIS와 HMS 모형의 연계 시스템인 HyGIS-HMS의 개t선과 적용성 평가를 목표로 하고 있다. 이를 위하여 HyGIS-HMS 데이터 모델을 기반으로 하는 시스템의 운영 프로세스를 재정립하였다. HyGIS에서 구축된 공간 DB를 이용하여 HMS 모형의 입력 지형인자를 계산하고 있으며, 수문시계열 자료는 HyGIS의 시계열 DB를 이용하고 있다. HMS에서는 공간 자료와 시계열 자료 외에도 다양한 비공간 자료를 이용하고 있다. 이러한 비공간 정보를 DB기반 시스템에 맞추어 효과적으로 관리 및 사용하기 위하여 HyGIS-HMS에서는 Static DB를 이용하고 있으며, Static DB에서 모형의 입력자료로 직접 이용되는 자료와 모형의 수행결과는 Dynamic DB를 이용하고 있다. 또한 개발된 시스템을 경안천 유역에 적용하여 2006년과 2007년의 유출특성을 분석하였다. 이러한 개발환경의 적용을 통해 HyGIS 데이터모델과 HyGIS-Model의 운영환경이 HyGIS-HMS개발에 효과적으로 이용될 수 있는 것으로 나타났다.

• 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.

• Spatial Information Research
• /
• v.14 no.1 s.36
• /
• pp.163-176
• /
• 2006

The concept of 'spatial association' explains spatial distribution pattern of geographical phenomenon based on similarity with neighborhoods, as in the Tobler's Law of Geography: 'Everything is related to everything else, but near things are more related than distant things.' In this study, we develop a time-series exploratory analysis tool for discovering temporal patterns of spatial association by combining spatial statistics and geo-visualization, and thus present a possibility to support spatial decision-making process. As for the spatial proximity weight matrix indispensable to measuring global and local spatial association, we employ a variety of flexible weighting schemes using geometric characteristics of areal unit. In addition, we renovate the existing visualization methods for more effective understanding of the procedures and results of time-series analysis on spatial association: for instance, temporal parallel coordinate plot with box plot, animated map for spatial association, and 3D Moran scatterplot. The feasibility of our system is verified by time-series analysis experiments on the spatial association of land price fluctuation rate for all administrative units in Korea, $1995{\sim}2004$.

• 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.

• Journal of the Korean Society of Marine Environment & Safety
• /
• v.29 no.5
• /
• pp.505-511
• /
• 2023

In the present study, a deep learning model was established to predict the motion response of small fishing vessels. Hydrodynamic performances were evaluated for two small fishing vessels for the dataset of deep learning model. The deep learning model of the Long Short-Term Memory (LSTM) which is one of the recurrent neural network was utilized. The input data of LSTM model consisted of time series of six(6) degrees of freedom motions and wave height and the output label was selected as the time series data of six(6) degrees of freedom motions. The hyperparameter and input window length studies were performed to optimize LSTM model. The time series motion response according to different wave direction was predicted by establised LSTM. The predicted time series motion response showed good overall agreement with the analysis results. As the length of the time series increased, differences between the predicted values and analysis results were increased, which is due to the reduced influence of long-term data in the training process. The overall error of the predicted data indicated that more than 85% of the data showed an error within 10%. The established LSTM model is expected to be utilized in monitoring and alarm systems for small fishing vessels.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.04a
• /
• pp.523-526
• /
• 2009

시계열 데이터에서 패턴을 분석하는 기법은 많은 발전이 이루어져 오고 있으나 주식시장의 경우 패턴 분석 및 예측에 관련되어 많은 연구가 이루어져 있지 않고 있다. 이는 주가의 등락 자체가 본질적으로 무작위하다고 생각되어지고 있기 때문이다. 본 연구에서는 주가의 등락이 보여주는 무작위성의 정도를 Kolmogorov Complexity로 측정, 그 무작위성의 정도와 본 논문에서 제시한 반전역정렬로 예측하는 주가의 예측 간의 상관관계를 보인다. 이를 위하여 KOSPI 주식 데이터 28년 690개의 데이터를 수집하여 이들 주식 데이터의 등락을 양자화된 문자열로 변환하여 본 논문에서 제시한 방법의 의미를 평가하였다. 그 결과 Kolmogorov Complexity가 높은 경우에는 주가 변동 예측이 어려우며, Kolmogorov Complexity가 낮은 경우에는 주식 변동 예측은 가능하나 등락 예측 율은 단기 예측은 12%이상의 예측율을 보일 수 없으며, 장기 예측의 경우 54%의 예측율로 수렴함을 확인하였다.

• The KIPS Transactions:PartD
• /
• v.13D no.3 s.106
• /
• pp.357-368
• /
• 2006

This paper discusses the way of processing time-series subsequence matching under time warping. Time warping enables finding sequences with similar patterns even when they are of different lengths. The prefix-querying method is the first index-based approach that performs time-series subsequence matching under time warping without false dismissals. This method employs the $L_{\infty}$ as a base distance function for allowing users to issue queries conveniently. In this paper, we extend the prefix-querying method for absorbing $L_1$, which is the most-widely used as a base distance function in time-series subsequence matching under time warping, instead of $L_{\infty}$. We also formally prove that the proposed method does not incur any false dismissals in the subsequence matching. To show the superiority of our method, we conduct performance evaluation via a variety of experiments. The results reveal that our method achieves significant performance improvement in orders of magnitude compared with previous methods.