• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.2254-2257
• /
• 2008

홍수와 가뭄, 수질오염 등의 피해에 대한 대책과 보다 효율적인 수자원 관리를 위해서 원자료에 대한 분석이 선행되어야 한다. 따라서 본 연구에서는 나주지점을 대상으로 하여 총유기탄소(Total Organic Carbon: TOC) 자료와 유출량 자료를 수집하였으며, 각 자료에 대하여 상세한 주기성분을 파악하기 위하여 웨이블렛 변환을 적용하였다. 대상지점으로 선정한 나주지점은 전라남도 나주시 나주대교 상류에 위치하고 있으며, 유역면적이 $2,0587.2km^2$이며, 유로 연장은 65.5km이다. 유출량과 수질자료의 주기성 분석을 위해 유기물의 양을 나타내는 수질지표인 TOC와 나주수위관측소에서 관측된 2003년${\sim}$2004년의 시수위자료를 유출량으로 환산한 값을 사용하였으며, 이 자료의 상세한 주기성 파악을 위해 웨이블렛 변환을 사용하였다. 일반적으로 주기성을 파악하기 위하여 푸리에 변환을 사용하지만, 푸리에 변환은 시간정보와 주파수를 동시에 파악할 수 없을 뿐만 아니라, 자료에 불연속성과 고주파수 성분이 포함될 경우 분석이 난이하다. 이러한 푸리에 변환의 단점을 보안한 것이 웨이블렛 변환이며, 푸리에 변환보다 계산속도가 빠르다. 또한 주어진 자료에 대하여 시간과 주파수 영역에서 동시에 파악하는 것이 가능하며, 불규칙한 자료를 평탄하게 함으로서 보다 상세한 주기성을 찾아낼 수 있다. 따라서 본 연구에서 추출한 각 자료의 상세 주기성분들은 향후 수자원 관리를 위한 기초자료로 활용될 수 있을 것으로 기대된다.

• Journal of the Korean earth science society
• /
• v.35 no.1
• /
• pp.69-87
• /
• 2014

This paper suggests a conditional simulation framework based on multiple data transformations for geostatistical simulation of compositional data. First, log-ratio transformation is applied to original compositional data in order to apply conventional statistical methodologies. As for the next transformations that follow, minimum/maximum autocorrelation factors (MAF) and indicator transformations are sequentially applied. MAF transformation is applied to generate independent new variables and as a result, an independent simulation of individual variables can be applied. Indicator transformation is also applied to non-parametric conditional cumulative distribution function modeling of variables that do not follow multi-Gaussian random function models. Finally, inverse transformations are applied in the reverse order of those transformations that are applied. A case study with surface sediment compositions in tidal flats is carried out to illustrate the applicability of the presented simulation framework. All simulation results satisfied the constraints of compositional data and reproduced well the statistical characteristics of the sample data. Through surface sediment classification based on multiple simulation results of compositions, the probabilistic evaluation of classification results was possible, an evaluation unavailable in a conventional kriging approach. Therefore, it is expected that the presented simulation framework can be effectively applied to geostatistical simulation of various compositional data.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.269-273
• /
• 2008

기상청(KMA, Korea Meteorological Administration)에서는 기상수치예보모델을 적용하여 수치예보를 하고 있으며 전지구 모델로는 GDAPS(Global Date Assimilation and Prediction System)를 지역모델은 RDAPS(Regional Date Assimilation and Prediction System)를 사용하고 있다. 수치예보결과를 이용하여 유출량을 예측할 경우 일반적으로 해상도가 높은 지역모델인 RDAPS의 수치예보 결과값을 사용한다. RDAPS는 00UTC와 12UTC에 3시간으로 누적된 자료를 30km 격자에 대하여 예측시간으로부터 48시간에 대하여 자료를 생성한다. 일강우자료를 입력자료로 사용하는 강우-유출 모형의 경우 3시간 누적 자료를 나타나는 RDAPS 수치예보 결과를 이용 시 3시간 scale에서 일(day)시간 scale로 변환시켜주어야 한다. 본 연구에서는 RDAPS의 수치예보 결과의 일(day)시간 scale 변환 방법에 따른 정확도를 비교하여 RDAPS 수치예보 결과의 일(day)시간 scale 변환에 대한 정확도를 비교하여 일(day)시간 scale 변환에 대한 지침을 제공하고자 한다. RDAPS 수치예보 결과값의 특징을 이용하여 RDAPS 결과값을 일(day)시간 scale로 변환하는 방법으로 총 9개방법을 적용하였으며, 참 값으로는 기상청 강수자료를 사용하였으며, 금강유역을 대상으로 유역평균강수량을 계산하여 각 변환 방법에 따른 정확도를 비교하였다.

• Proceedings of the Korean Society of Soil and Groundwater Environment Conference
• /
• 2003.09a
• /
• pp.222-226
• /
• 2003

경남 밀양지역의 대수층별 지하수위 분포 특성을 파악하기 위하여 2002년 봄에 총 503개 지하수공을 대상으로 지하수위를 측정하였다. 조사된 자료는 수치가 낮은 지점들에 집중되어 있어 정규분포를 이루지 않으나, 대수변환 된 자료는 정규분포를 나타내었다. 표고와 천층 및 심층 지하수위의 회귀 분석을 실시한 결과, 모두 정(＋)의 상관관계가 높은 것으로 나타났다. 베리오그램 분석이나 교차 베리오그램 분석 결과, 원시자료보다 대수변환 된 자료가 반베리오그램이나 교차 반베리오그램의 적합선에 더 잘 맞는 것으로 나타났다. 교차 타당성 분석 결과, 천층 지하수위에 대한 정규크리깅 및 코크리깅 모델링에서 원시 자료가 대수변환 된 자료보다 추정치에 더 가깝게 나타났고, 심층 지하수위에 대한 정규크리깅 및 코크리깅 모델링에서는 원시 자료보다 대수변환 된 자료가 추정치에 더 가깝게 나타났다. 정규크리깅이나 코크리깅을 이용하여 작성된 대수층별 지하수위 등고선도에서 등고선의 분포는 대체로 비슷하지만, 코크리깅에 의해 작성된 지하수위 등고선도가 정규크리깅에 의한 지하수위 등고선도보다 더 정밀한 것으로 나타났다. 이것은 원시 자료뿐만 아니라 대수변환 된 자료를 이용한 지하수위 등고선도에서도 같은 결과가 도출되었다.

• Journal of Korea Port Economic Association
• /
• v.23 no.2
• /
• pp.109-120
• /
• 2007

The purpose of this paper is to verify the two problems(normalization for the different inputs and outputs data, translation invariant for the negative data) which will be occurred in measuring the seaport DEA(data envelopment analysis) efficiency. The main result is as follow: Normalization and translation invariant in the BCC model for measuring the seaport efficiency by using 26 Korean seaport data in 1995 with two inputs(berthing capacity, cargo handling capacity) and three outputs(import cargo throughput, export cargo throughput, number of ship calls) was verified. The main policy implication of this paper is that the port management authority should collect the more specific data and publish these data on the inputs and outputs in the seaports with consideration of negative(ex. accident numbers in each seaport) and positive value for analyzing the efficiency by the scholars, because normalization and translation invariant in the data was verified.

• The KIPS Transactions:PartD
• /
• v.8D no.4
• /
• pp.421-426
• /
• 2001

A formal development method is used to develop software rigorously and systematically. In a formal development method, we specify system by a formal specification language and gradually develop the system more concretely until we can implement the system. VDM is one of formal specification languages. VDM uses mathematical data structures such as sets, sequences, and maps to specify the system, but most programming languages do not have such data structures. Therefore, these data structures should be converted. We can convert mathematical data structures in VDM to a linked list, a data structure in a programming language. In this article, we propose a method to convert a set, a sequence, and a map in VDM to a linked list in a programming language and prove the correctness of this conversion mathematically.

• Proceedings of the Korean Statistical Society Conference
• /
• 2002.05a
• /
• pp.153-158
• /
• 2002

시계열 자료의 분석에서 분산이 일정하지 않을 경우 이에 대한 해결방법으로 변환이 사용된다. 그러나 이러한 변환은 분산을 안정화시킴으로서 추정 및 검정에 타당성을 주는 반면 새로운 편의를 생성하거나(Granger & Newbold,1976) 모형을 복잡하게 만듦으로써 해석의 어려움도 수반한다. 신과 강(2001)은 평균이 크고 그에 비해 분산이 작을 경우 Box-Cox 멱 변환이 시계열 자료에 대하여 별 영향을 미치지 않음을 연구하였다. 본 논문은 이에 대한 확장으로 공간자료에서도 이 이론이 성립함을 밝혔다.

• The Korean Journal of Applied Statistics
• /
• v.20 no.3
• /
• pp.541-550
• /
• 2007

One of main aspects of time series analysis is to forecast future values of series based on values up to a given time. The prediction interval for future values is usually obtained under the normality assumption. When the assumption is seriously violated, a transformation of data may permit the valid use of the normal theory. We investigate the prediction problem for future values in the original scale when transformations are applied in ARMA models. In this paper, we introduce the methodology based on Yeo-Johnson transformation to solve the problem of skewed data whose modelling is relatively difficult in the analysis of time series. Simulation studies show that the coverage probabilities of proposed intervals are closer to the nominal level than those of usual intervals.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.1037-1041
• /
• 2006

본 연구에서는 수질자료에 내재되어 있는 주기성 및 경향성 등을 파악하기 위해 웨이블렛 변환을 적용하였으며 비선형 시계열자료에 대한 예측력이 우수한 인공신경망을 적용하여 예측모형을 개발하였다. 대상자료는 섬진강 유역의 주암호 수질자동측정망 지점에서 측정되고 있는 수질자료 중 2002년 1월 1일 ${\sim}$ 2004년 12월 31일까지의 일 TOC 수질자료를 이용하였다. 웨이블렛 변환을 위해 사용한 기저함수로는 Daubechies의 10번 웨이블렛 함수('db10')를 사용하였으며, 각 스케일링 및 웨이블렛 함수를 이용하여 5단계까지 변환하였다. 최종 변환된 근사성분과 D5, D4, D3, D2의 상세성분 자료를 이용하여 1시간후 TOC 예측 모형을 구성하였으며 그 결과 은닉층의 노드의 수가 17개인 모형인 Model_5_17 모형이 가장 우수한 예측력을 보였다.

• Journal of Digital Convergence
• /
• v.12 no.6
• /
• pp.155-160
• /
• 2014

When we collect marketing data, we can only obtain the bimonthly or quarterly data but the monthly data be available. If we evaluate or predict monthly market condition or establish monthly marketing strategies, we need to disaggregate these bimonthly or quarterly data to the monthly data. In this paper, for bimonthly or quarterly data, we introduce some methods of disaggregation to monthly data. These disaggregation methods include the simple average method, the growth rate method, the weighting method by the judgment of experts, and variable decomposition method using 12 month moving cumulative sum. In this paper, we applied variable decomposition method to disaggregate for bimonthly data of sum of electronics sales in a European country. We, also, introduce how to use this method to predict the future data.