• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.11a
• /
• pp.848-851
• /
• 2010

IEEE 802.11 DCF(Distributed Coordination Function)의 성능은 채널에 접근하기 위하여 경쟁하는 단말수에 큰 영향을 받는다. 이에 경쟁하는 단말 수를 예측하기 위하여 많은 방법들이 제안되고 있지만 기존의 방법들은 채널 오류를 고려하지 않고 있다. 따라서 본 논문에서는 기존의 제안된 방법들 중 ARMA(Auto Regressive Moving Average) 필터(Filter)가 적용된 경쟁 단말 수 예측 방법을 수정 및 개선하여 채널 오류를 반영한 단말 수 예측 방법을 제시하였다. 시뮬레이션 결과 제안된 방법은 채널 오류가 존재하는 환경에서 효과적으로 경쟁하는 단말 수를 예측할 수 있음을 확인하였다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.29 no.2B
• /
• pp.217-227
• /
• 2004

With a rapid growth in the Internet technology, the network traffic is increasing swiftly. As for the increase of traffic, it had a large influence on performance of a total network. Therefore, a traffic management became an important issue of network management. In this paper, we study a forecast plan of network traffic in order to analyze network traffic and to establish efficient correspondence. We use time series forecast models and determine fitness whether the model can forecast network traffic exactly. In order to predict a model, AR, MA, ARMA, and ARIMA must be applied. The suitable model can be found that can express the nature of traffic for the forecast among these models. We determines whether it is satisfied with stationary in the assumption step of the model. The stationary can get the results by using ACF(Auto Correlation Function) and PACF(Partial Auto Correlation Function). If the result of this function cannot satisfy then the forecast model is unsuitable. Therefore, we are going to get the correct model that is to satisfy stationary assumption. So, we proposes a way to classify in order to get time series materials to satisfy stationary. The correct prediction method is managed traffic of a network with a way to be better than now. It is possible to manage traffic dynamically if it can be used.

• Journal of Korea Water Resources Association
• /
• v.31 no.6
• /
• pp.769-777
• /
• 1998

In this study, various time series are analyzed to check nonlinearities of the data. The nonlinearity of a system can be investigated by testing the randomness of the time series data. To test the randomness, four nonparametric test statistics and a new test statistic, called the BDS statistic are used and the results and the results are compared. The Brock, Dechert, and Scheinkman (BDS) statistic is originated from the statistical properties of the correlation integral which is used for searching for chaos and has been shown very effective in distinguishing nonlinear structures in dynamic systems from random structures. As a result of application to linear and nonlinear models which are well known, the BDS statistic is found to be more effective than nonparametric test statistics in identifying nonlinear structure in the time series. Hydrologic time series data are fitted to ARMA type models and the statistics are applied to the residuals. The results show that the BDS statistic can distinguish chaotic nonlinearity from randomness and that the BDS statistic can also be used for verifying the validity of the fitted model.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.29 no.2B
• /
• pp.163-171
• /
• 2009

Classical linear models have been generally used to analyze and forecast hydrologic time series. However, there is growing evidence of nonlinear structure in natural phenomena and hydrologic time series associated with their patterns and fluctuations. Therefore, the classical linear techniques for time series analysis and forecasting may not be appropriate for nonlinear processes. In recent, the BDS (Brock-Dechert-Scheinkman) statistic instead of conventional techniques has been used for detecting nonlinearity of time series. The BDS statistic was derived from the statistical properties of the correlation integral which is used to analyze chaotic system and has been effectively used for distinguishing nonlinear structure in dynamic system from random structures. DVS (Deterministic Versus Stochastic) algorithm has been used for detecting chaos and stochastic systems and for forecasting of chaotic system. This study showed the DVS algorithm can be also used for detecting nonlinearity of the time series. In this study, the stochastic and hydrologic time series are analyzed to detect their nonlinearity. The linear and nonlinear stochastic time series generated from ARMA and TAR (Threshold Auto Regressive) models, a daily streamflow at St. Johns river near Cocoa, Florida, USA and Great Salt Lake Volume (GSL) data, Utah, USA are analyzed, daily inflow series of Soyang dam and the results are compared. The results showed the BDS statistic is a powerful tool for distinguishing between linearity and nonlinearity of the time series and DVS plot can be also effectively used for distinguishing the nonlinearity of the time series.

• Communications for Statistical Applications and Methods
• /
• v.19 no.3
• /
• pp.507-516
• /
• 2012

We study time series models for seasonal time series data with a covariance structure that depends on time and the periodic autocorrelation at various lags $k$. In this paper, we introduce an ARMA model with periodically varying coefficients(PARMA) and analyze Arosa ozone data with a periodic correlation in the practical case study. Finally, we use a PARMA model and a seasonal ARIMA model for data analysis and show the performance of a PARMA model with a comparison to the SARIMA model.

• The Journal of Asian Finance, Economics and Business
• /
• v.7 no.12
• /
• pp.657-664
• /
• 2020

We investigate the impact of roads and highways within the provinces on the regional trade of China using the augmented Gravity Model and theory of modeling trade. We take a panel data covering 31 provinces of China over 20 years period (1998-2017) for the estimations. We apply ARMA-OLS model, fixed and random effects, and robust findings by Hausman test. The results imply that road and highway lengths within the provinces have a significantly positive impact on the value of the province-wise exports. The positive impact is due to the fact the increased coverage of roads and highways increase accessibility to resources and mobility of goods and services within the regions. Moreover, employment in the transportation sector, per capita GDP and population of the provinces also illustrate positive and significant influence on regional exports and trade. The impact of China's WTO accession on regional exports has been positive, while the financial crisis has had a negative impact. The year dummies show that, in the years following the financial crisis, China was able to regress from the external shock as trade within the provinces increased. The increase in exports after financial crisis is mainly due to the government policies and support to every province.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.614-618
• /
• 2005

수문시계열 분석과 예측은 대부분 ARMA(AutoRegressive Moving Average) 형태의 선형적인 추계학적인 모형을 이용하였으나 자현현상이 복잡해지고 비선형적인 특성을 가짐에 따라 선형적인 해석은 수문시계열의 분석과 예측에 있어서 많은 오류를 내포하고 있다. 이와 같은 문제를 해결하기 위한 시도로 Chaos이론이란 개념이 사용되기 시작하였으며, 수자원분야에서는 1980년대 후반부터 물수지 방정식 및 강우유출에 대한 카오스적 특성분석 등 많은 연구가 진행되었다. 본 연구에서는 영산강유역의 본류를 대표하는 나주지점을 대상으로 2003년 1월 1일 00시부터 2004년 12월 31일 23시까지 17,544개의 시수위 자료에 대하여 해당 년도의 Rating-Curve식을 적용 환산한 유출량자료에 데한 카오스적 특성을 분석하였다. 카오스적 특성을 분석하기에 앞서 원자료에 대하여 이동평균법과 Savitzky-Golay Filter를 적용하여 잡음을 제거하였으며, 1차원의 단일변량의 자료에 대한 상태공간(Phase Space)의 재건을 통하여 비교검토 하였다. 이러한 일련의 과정을 거친 자료에 대하여 상관차원법을 이용하여 영산강 유역의 나주지점의 시유출량 자료에 대한 카오스적 특성을 분석한 결과 저차원의 수렴으로 카오스 특성을 가졌다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.62-67
• /
• 2009

본 연구에서는 경기도 설마천 지역에 위치한 독립사면에서 시간에 따라 연속 측정한 토양수분을 이용하여 시계열 분석 을 수행하였다. 토양수분의 측정 방법은 장기간 토양수분의 확보에 신뢰성을 인정받은 TDR을 이용하였다. 관측망의 설계를 통하여 선정한 측정지점에 탐침을 매설하고 공간적인 분포를 가진 시계열 형태의 데이터를 수집하였다. 유출은 해당 사이트 인근에 위치한 사방댐과 전격비교의 수위계에서 실측한 값을 사용 하였다. 전이함수 모형을 사면에서의 토양수분 전이과정에 대응되도록 물리적으로 전개하고 실측한 토양수분 시계열 데이터로 분석한 결과와 비교하였다. 전이 함수 모형은 토양수분 시계열 데이터를 입력변수로 하고 유출 데이터를 반응 변수로 하여 전개하여 토양수분 변화량과 유출간의 전이함수 모형을 도출하였다. 시계열 모형의 전개는 크게 자료전처리, 모형구조의 규명, 모수추정, 모형진단 등의 과정을 통해서 적절한 모형을 도출하였다. 산지 사면에서의 토양수분을 전이함수에 의하여 전개한 모형은 지형적 분포 양상에 따라 특색을 나타내었다. 또한 2003년 가을과 2004년 봄의 전이함수 모형 추정을 통하여 계절별 특성이 나타났고, 모형양상에 원인을 검토해 보았다. 본 연구는 전이함수를 이용한 토양수분의 시계열 분석이 사면에서의 토양수분 변동특성을 지형적, 계절적 특성과 연계하여 이해하고 특성화 하는 과정의 적절한 도구가 될 수 있음을 보여주고 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1272-1276
• /
• 2009

극치강우사상에 의한 설계 홍수량의 갑작스런 증 감은 홍수, 가뭄과 같은 기상학적 요인에 기인한 재난을 발생시킨다. 많은 연구자들은 보다 정확한 확률강우량의 예측과 유출량의 예측을 위해 많은 노력을 하고 있다. 본 연구에서는 강원도 강릉 강우관측소를 대상으로 강우-빈도곡선의 불확실성 분석을 수행하였다. 관측 자료의 수집에서 발생하는 불확실성을 최소화 하고자 ARMA 모형을 이용하여 합성강우자료를 구축하였으며, 발생된 합성강우량을 Bootstrap 방법을 이용하여 대규모의 자료집단으로 발생시킴으로서 신뢰구간에 사용할 자료집단을 발생시켰다. 본 연구에서는 극치강우사상에 적합한 것으로 알려진 Gumbel 분포와 일반극치 분포(GEV 분포) 모형을 선정하였으며 각 확률분포모형에 대한 매개변수 추정방법으로 최우도법, 확률가중모멘트법 그리고 베이지안 추론방법을 사용하여 각 매개변수의 최후 추정치를 산정하였다. 또한 원 자료를 이용하여 최우도법, 확률가중모멘트법 그리고 베이지안 추론방법을 통해 매개변수를 산정 후 강우-빈도 곡선을 추정하여 합성강우자료의 Bootstrap 방법에 의해 발생된 자료로부터 산정한 강우-빈도 곡선의 신뢰구간과 비교함으로서 불확실성이 낮은 확률강우량을 산정할 수 있는 매개변수 추정방법을 평가하고자하였다.

• Industrial Engineering and Management Systems
• /
• v.8 no.4
• /
• pp.257-263
• /
• 2009

Focusing on the idea that the equation of exponential smoothing method (ESM) is equivalent to (1, 1) order ARMA model equation, new method of estimation of smoothing constant in exponential smoothing method is proposed before by us which satisfies minimum variance of forecasting error. Theoretical solution was derived in a simple way. Mere application of ESM does not make good forecasting accuracy for the time series which has non-linear trend and/or trend by month. A new method to cope with this issue is required. In this paper, combining the trend removal method with this method, we aim to improve forecasting accuracy. An approach to this method is executed in the following method. Trend removal by a linear function is applied to the original shipping data of consumer goods. The combination of linear and non-linear function is also introduced in trend removal. For the comparison, monthly trend is removed after that. Theoretical solution of smoothing constant of ESM is calculated for both of the monthly trend removing data and the non monthly trend removing data. Then forecasting is executed on these data. The new method shows that it is useful especially for the time series that has stable characteristics and has rather strong seasonal trend and also the case that has non-linear trend. The effectiveness of this method should be examined in various cases.