• Journal of Communications and Networks
• /
• 제13권6호
• /
• pp.621-624
• /
• 2011

With the rapid growth of internet traffic, accurate and reliable prediction of internet traffic has been a key issue in network management and planning. This paper proposes an autoregressive-generalized autoregressive conditional heteroscedasticity (AR-GARCH) error model for forecasting internet traffic and evaluates its performance by comparing it with seasonal autoregressive integrated moving average (ARIMA) models in terms of root mean square error (RMSE) criterion. The results indicated that the seasonal AR-GARCH models outperformed the seasonal ARIMA models in terms of forecasting accuracy with respect to the RMSE criterion.

• 한국안전학회지
• /
• 제16권1호
• /
• pp.88-93
• /
• 2001

본 연구에서는 복합소재인 GFRP(Glass Fiber Reinforced Polyester)의 2차원 절삭공정에서 절삭 메커니즘과 소재의 신뢰도 및 안전성과 밀접한 관련이 있는 표면정도를 중심으로 한 공정의 특성화를 시도하고, 주파수 분석에 관하여도 논의한다. 구체적으로는, 공정중 발생하는 절삭력 신호를 AR(Autoregressive) 모델링하여 해석에 사용한다. 특히, 특징추출과정을 통해 AR계수로 이루어진 패턴벡터 중 다양한 절삭 메카니즘에 민감한 계수만 선택할 수 있다. 이들 계수와 절삭 메커니즘과의 실험적 관계를 설정함으로써 섬유경사각(Fiber orientation angle), 절삭 변수 그리고 공구형상이 절삭 메커니즘에 미치는 영향을 평가하였다.

• 한국지반공학회지:지반
• /
• 제9권3호
• /
• pp.67-76
• /
• 1993

우리나라는 많은 산막지역으로이루어져 있으며 우기에 많은산사태의 발생으로 인하여 인명과 재산의 손실을 입고 있다. 따라서, 산사태의 발생에 대한 예측 시스템과 위험도 분석 연구가 필요하며, 본 연구의 목적은 관측된 지하수위의 분석을 통하여 산사태 발생을 예측하는 가능성에 대한 것이다. 이를 위하여 AR 모델을 사용하여 모델계수를 일정하게 하는 경우와 변화시키는 경우로 나누어 분석하였다. AR모델계수를 일정하게 하는 경우에는 AR(1), AR(2), AR(3) 모델을 선택하여 각 각의 모델계수를 구하였고, AR모델계수를 변화시키는 경우에는 변형된 AR(1)과 전형적인 AR (2) 모델을 과정 모델로 이용하여 Kalman Filtering 기법에 의하여 모델계수를 구하였다. 그 결과, 모델계수를 변화시키는 실시간 예측 방법이나 AR모델계수가 일정한 경우 모두 산사면 에서의 지하수위를 잘 예측해주며, 지하수위 뿐만아니라 시간별 강우강도를 고려함으로써 더욱 정 확한 예측을 할 수 있을 것으로 사료된다.

• 응용통계연구
• /
• 제16권1호
• /
• pp.141-150
• /
• 2003

본 논문은 베이즈인자(Bayes factor)를 이용하여 정상(stationary) AR(1)모형의 자기회귀계수에 대해 다중검정하는 방법을 제시한다. 모수들에 대한 사전분포로는 무정보 사전분포(noninformative prior distribution)를 가정한다. 이러한 경우에 통상적으로 사용되는 베이즈인자를 근사없이 정확히 계산하여 각 모형에 대한 사후확률(posterior probability)을 얻는다. 최종적으로 모의실험 자료 및 실제 자료에 적용하여 이론의 결과가 잘 부합되는지를 검토한다.

• Communications for Statistical Applications and Methods
• /
• 제8권3호
• /
• pp.777-786
• /
• 2001

The autoregressive models have been used to describe a wade variety of time series. Then the problem of determining the order in the times series model is very important in data analysis. We consider the Bayesian approach for finding the order of autoregressive(AR) error models using the latent variable which is motivated by Tanner and Wong(1987). The latent variables are combined with the coefficient parameters and the sequential steps are proposed to set up the prior of the latent variables. Markov chain Monte Carlo method(Gibbs sampler and Metropolis-Hasting algorithm) is used in order to overcome the difficulties of Bayesian computations. Three examples including AR(3) error model are presented to illustrate our proposed methodology.

• Communications for Statistical Applications and Methods
• /
• 제3권2호
• /
• pp.77-83
• /
• 1996

This paper is concerned with an estimation problem for the AR(1) process $Y_t, t=0, {\pm}1, {\cdots}$with time carying autoregressive coefficient, where coefficient itself is also stochastic process. Attention is directed to the problem of finding a consistent estimator of ${\Phi}$, the mean level of autoregressive coefficient. The asymptotic distribution of the resulting consistent estimator of ${\Phi}$, is them discussed. We do not assume any time series model for the time varying autoregressive coefficient.

• Smart Structures and Systems
• /
• 제17권6호
• /
• pp.1017-1030
• /
• 2016

This study focuses on the system identification of reinforced concrete bridges using vector autoregressive model (VAR). First, the time series output response from a bridge establishes the autoregressive (AR) models. AR models are one of the most accurate methods for stationary time series. Burg's algorithm estimates the autoregressive coefficients (ARCs) at p-lag by reducing the sum of the forward and the backward errors. The computed ARCs are assembled in the state system matrix and the eigen-system realization algorithm (ERA) computes: the eigenvector matrix that contains the vectors of the mode shapes, and the eigenvalue matrix that contains the associated natural frequencies. By taking advantage of the characteristic of the AR model with ERA (ARMERA), civil engineering can address problems related to damage detection. Operational modal analysis using ARMERA is applied to three experiments. One experiment is coupled with an artificial neural network algorithm and it can detect damage locations and extension. The neural network uses a specific number of ARCs as input and multiple submatrix scaling factors of the structural stiffness matrix as output to represent the damage.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 춘계학술대회
• /
• pp.883-887
• /
• 2009

본 논문은 AR(P) 입력에 대해 MPDSAP 알고리즘의 적응과정의 MSE의 통계적 분석을 제시한다. 부밴드 구조에서 인접투사 알고리즘은 적응필터에 다위상 분해와 노블아이덴티티를 적용함으로써 NLMS 알고리즘으로 변환된다. 또한, P차의 Autoregressive(AR) 입력은 정규직교 분해필터에 의해 사전에 백색화 될 수 있다. 부밴드 구조에서 AR(P) 입력의 사전-백색화(pre-whitening)는 SAP 적응필터의 MSE 행동의 통계적 해석을 위한 간단하고 유효한 근사화를 제공한다.

• Communications for Statistical Applications and Methods
• /
• 제18권6호
• /
• pp.809-816
• /
• 2011

A tree-indexed autoregressive(AR) process is a time series defined on a tree which is generated by a branching process and/or a deterministic splitting mechanism. This short article is concerned with conditional heteroscedastic structure of the tree-indexed AR models. It has been usual in the literature to analyze conditional mean structure (rather than conditional variance) of tree-indexed AR models. This article pursues to identify quadratic conditional heteroscedasticity inherent in various tree-indexed AR models in a unified way, and thus providing some perspectives to the future works in this area. The identical conditional variance of sisters sharing the same mother will be referred to as the branching heteroscedasticity(BH, for short). A quasilikelihood but preliminary estimation of the quadratic BH is discussed and relevant limit distributions are derived.

• 한국심리학회지 : 문화 및 사회문제
• /
• 제16권4호
• /
• pp.447-468
• /
• 2010

본 연구의 목적은 자기회귀 교차지연 모델 (ARCL: autoregressive cross-lagged model)을 통해 검증된 청소년 비행과 일탈적 자아개념의 상호적 인과관계(이은주, 정익중, 2009)를 잠재 상태-특성 자기회귀 모델 (LST-AR: latent state-trait autoregressive model)의 적용을 통해 재검증하는데 있다. 일반적으로 상호적 인과관계의 검증을 위해 ARCL 모델이 적용되지만, 일탈적 자아개념이 갖고 있는 특성적 요인의 변량을 통제하지 않은 상태에서 비행과의 상호적 영향을 분석하게 되면 비행이 일탈적 자아개념에 미치는 영향에 대한 해석이 왜곡될 수 있다. 따라서 LST-AR 모델을 통해 일탈적 자아개념의 안정적 특성 및 변동적 상태를 구분하고, 특성적 요인을 통제한 후 상태적 일탈자아와 비행의 상호적 인과관계를 살펴보았다. 본 연구의 분석에는 한국청소년패널조사의 중2에서 고3까지 5년 종단자료가 활용되었다. 연구결과, 일탈적 자아개념과 비행의 상호적 인과관계가 재검증되었을 뿐만 아니라 일탈적 자아개념의 안정적 특성 및 변동적 상태 요인에 따라 비행과의 상호적 인과관계가 다를 수 있음도 확인되었다. 마지막으로 상호적 인과관계의 연구에서 안정적 특성과 변동적 상태 요인의 구분에 대한 방법론적 의미가 논의되었다.