• Communications for Statistical Applications and Methods
• /
• 제26권5호
• /
• pp.497-506
• /
• 2019

Forecasting the U.S. employment level is made using machine learning methods of the artificial neural network: deep neural network, long short term memory (LSTM), gated recurrent unit (GRU). We consider the big data of the federal reserve economic data among which 105 important macroeconomic variables chosen by McCracken and Ng (Journal of Business and Economic Statistics, 34, 574-589, 2016) are considered as predictors. We investigate the influence of the two statistical issues of the dimension reduction and time series differencing on the machine learning forecast. An out-of-sample forecast comparison shows that (LSTM, GRU) with differencing performs better than the autoregressive model and the dimension reduction improves long-term forecasts and some short-term forecasts.

• 품질경영학회지
• /
• 제50권4호
• /
• pp.701-716
• /
• 2022

Purpose: This study aims to predict the dry cargo transportation market economy. The subject of this study is the BDI (Baltic Dry Index) time-series, an index representing the dry cargo transport market. Methods: In order to increase the accuracy of the BDI time-series, we have pre-processed the original time-series via time-series decomposition and data augmentation techniques and have used them for ANN learning. The ANN algorithms used are Multi-Layer Perceptron (MLP), Recurrent Neural Network (RNN), and Long Short-Term Memory (LSTM) to compare and analyze the case of learning and predicting by applying time-series decomposition and data augmentation techniques. The forecast period aims to make short-term predictions at the time of t+1. The period to be studied is from '22. 01. 07 to '22. 08. 26. Results: Only for the case of the MAPE (Mean Absolute Percentage Error) indicator, all ANN models used in the research has resulted in higher accuracy (1.422% on average) in multivariate prediction. Although it is not a remarkable improvement in prediction accuracy compared to uni-variate prediction results, it can be said that the improvement in ANN prediction performance has been achieved by utilizing time-series decomposition and data augmentation techniques that were significant and targeted throughout this study. Conclusion: Nevertheless, due to the nature of ANN, additional performance improvements can be expected according to the adjustment of the hyper-parameter. Therefore, it is necessary to try various applications of multiple learning algorithms and ANN optimization techniques. Such an approach would help solve problems with a small number of available data, such as the rapidly changing business environment or the current shipping market.

• 한국환경과학회지
• /
• 제15권9호
• /
• pp.865-870
• /
• 2006

Recently, Total Organic Carbon (TOC) which can be measured instantly can be used as an organic pollutant index instead of BOD or COD due to the diversity of pollutants and non-degradable problem. The primary purpose of the present study is to reveal the properties of time series data for TOC which have been measured by real-time monitoring in Juam Lake and, in particularly, to understand the long- and short-term characteristics with the extraction of the respective components based on the different return periods. For the purpose, we proposed Discrete Wavelet Transform (DWT) as the methodology. The results from the DWT showed that the different components according to the respective periodicities could be extracted from the time series data for TOC and the variation of each component with respect to time could emerge from the return periods and the respective energy ratios of the decomposed components against the raw data.

• Journal of the Korean Data and Information Science Society
• /
• 제18권1호
• /
• pp.73-80
• /
• 2007

Cointegration(together with VARMA(vector ARMA)) has been proven to be useful for analyzing multivariate non-stationary data in the field of financial time series. It provides a linear combination (which turns out to be stationary series) of non-stationary component series. This linear combination equation is referred to as long term equilibrium between the component series. We consider two sets of Korean bivariate financial time series and then illustrate cointegration analysis. Specifically estimated VAR(vector AR) and VECM(vector error correction model) are obtained and CV(cointegrating vector) is found for each data sets.

• 한국지반신소재학회논문집
• /
• 제21권2호
• /
• pp.11-19
• /
• 2022

본 연구에서는 하수관거 내부에서 촬영된 균열 데이터를 활용하여 균열검출에 대한 시계열 예측 성능을 개선하기 위해 GoogleNet의 전이학습과 CNN- LSTM(Long Short-Term Memory) 결합 방법을 제안하였다. LSTM은 합성곱방법(CNN)의 장기의존성 문제를 해결할 수 있으며 공간 및 시간적 특징을 동시에 모델링 할 수 있다. 제안 방법의 성능을 검증하기 위해 하수관거 내부 균열 데이터를 활용하여 학습데이터, 초기학습률 및 최대 Epochs를 변화하면서 RMSE를 비교한 결과 모든 시험 구간에서 제안 방법의 예측 성능이 우수함을 알 수 있다. 또한 데이터가 발생하는 시점에 대한 예측 성능을 살펴본 결과 역시 제안방법이 우수하게 나타나 균열검출의 예측에서 제안 방법이 효율적인 것을 검증하였다. 기존 합성곱방법(CNN) 단독 모델과 비교함으로써 본 연구를 통해 확보된 제안 방법과 실험 결과를 활용할 경우 콘크리트 구조물의 균열데이터뿐만 아니라 시계열 데이터가 많이 발생하는 환경, 인문과학 등 다양한 영역에서 응용이 가능하다.

• Smart Structures and Systems
• /
• 제21권2호
• /
• pp.171-185
• /
• 2018

Maintenance of deteriorated bridge structures has always been one of the challenging issues in developing countries as it is directly related to daily life of people including trade and economy. An effective maintenance strategy is highly dependent on timely inspections on the bridge health condition. This study is intended to investigate an approach for detecting bridge damage for the long-term health monitoring by use of copula theory. Long-term measured data for the seven-span plate-Gerber bridge is investigated. Autoregressive time series models constructed for the observed accelerations taken from the bridge are utilized for the computation of damage indicator for the bridge. The copula model is used to analyze the statistical changes associated with the modal parameters. The changes in the modal parameters with the time are identified by the copula statistical properties. Applicability of the proposed method is also discussed based on a comparison study among other approaches.

• Spatial Information Research
• /
• 제20권4호
• /
• pp.47-55
• /
• 2012

정규식생지수(NDVI)는 식생자원을 모니터링할 수 있도록 설계된 식생지수(VI-Vegetation Index) 중 하나로 여러 응용 분야에서 가장 많이 사용되고 있는 지수이다. 산림 분야에서도 NDVI가 많이 활용되고 있는데 본 논문에서는 산림 변화 모니터링을 위해 MODIS NDVI를 활용하는 방법론이 연구되었다. 특정 시점을 기준으로 NDVI 값을 비교 및 분류하여 변화를 탐지하는 방법은 기계나 기상상태의 영향으로 자료의 정확성이 떨어질 수 있고 장기적인 변화를 탐지하는데도 어려움이 있다. 이러한 점을 고려하여 본 논문에서는 하모닉 모형을 이용하여 NDVI 시계열 자료를 통해 NDVI 패턴을 고려하는 방법론을 제시하였다. 먼저 하모닉 모형을 적용하여 미관측 자료나 자료의 오류를 보정한 NDVI 시계열 자료를 재구축하고 추정된 하모닉 요소의 모수를 기준으로 장기적 패턴을 통해 식생의 변화를 모니터링할 수 있다. 제안된 방법은 한반도 지역의 2009년 8월 21일부터 2011년 9월 6일까지 총 49개의 MODIS NDVI 시계열 자료에 적용하여 모형의 유용성을 입증하였다.

• 정보과학회 논문지
• /
• 제44권6호
• /
• pp.607-612
• /
• 2017

도시에서 홍수 피해를 방지하기 위한 침수를 예측하기 위해 본 논문에서는 딥러닝(Deep Learning) 기법을 적용한다. 딥러닝 기법 중 시계열 데이터 분석에 적합한 Recurrent Neural Networks (RNNs)을 활용하여 강의 수위 관측 데이터를 학습하고 침수 가능성을 예측하였다. 예측 정확도 검증을 위해 사용한 데이터는 미국의 트리니티강의 데이터로, 학습을 위해 2013 년부터 2015 년까지 데이터를 사용하였고 평가 데이터로는 2016 년 데이터를 사용하였다. 입력은 16개의 레코드로 구성된 15분단위의 시계열 데이터를 사용하였고, 출력으로는 30분과 60분 후의 강의 수위 예측 정보이다. 실험에 사용한 딥러닝 모델들은 표준 RNN, RNN-BPTT(Back Propagation Through Time), LSTM(Long Short-Term Memory)을 사용했는데, 그 중 LSTM의 NE(Nash Efficiency)가 0.98을 넘는 정확도로 기존 연구에 비해 매우 높은 성능 향상을 보였고, 표준 RNN과 RNN-BPTT에 비해서도 좋은 성능을 보였다.

• Ocean and Polar Research
• /
• 제28권4호
• /
• pp.415-423
• /
• 2006

Interannual variation and long-term trends of coastal sea surface temperature (SST) in Korea were investigated by analyzing 27 coastal SST time series from 1969 to 2004. Long-term linear increasing trend was remarkable with the rate over $0.02^{\circ}C/year$ at almost all the stations. The slope of long-term linear trend was larger at the stations along the eastern coast than in the western and southern regions. It was also noticeable that there was a common tendency of interannual variability with the period of 3-5 years at most of the stations. SST was lower in the 1970's and early 1980's while it was higher in the 1990's and early 2000's after the increase in the late 1980's. The pattern of the interannual variability of SST was similar to that of air temperature. Increasing trend of minimum SST in winter was obvious at most stations na it was larger along the eastern coast, while the linear trend of maximum SST in summer was less definite. Therefore, the decreasing tendency of annual amplitude was mainly due to the increasing tendency of SST in winter.

• 자원ㆍ환경경제연구
• /
• 제26권3호
• /
• pp.287-317
• /
• 2017

경제성장과정에서 석면을 활용해왔지만, 석면이 치명적인 환경성질환을 유발하는 1급 발암물질로 지정되면서 전 세계적으로 엄격한 석면사용규제 조치를 실시하고 있다. 석면노출과 환경성질환의 발현 간에 수십 년에 걸친 장기 잠복기가 존재한다는 특성을 고려하여, 한국의 석면 소비량과 악성중피종 발병 간의 시차를 분석하고 장기관계를 추정한다. 이와 함께, 한국에 비해 상대적으로 석면규제가 오랜 기간 이루어지고 장기시계열 자료를 갖춘 영국과 미국을 대상으로 한 비교분석도 병행한다. 시차분석에서는, 3개 국가 모두에서 30년 이상의 장기시차가 존재할 때, 석면 소비와 악성중피종 발병 간의 교차상관성이 높은 것으로 나타난다. 또한 변수간 장기시차가 존재할 경우 석면 소비량과 악성중피종 발병 간에 장기균형관계가 존재한다. 그리고 시차분포모형을 활용한 결과, 석면 소비량이 장기시차를 두고 악성중피종에 유의한 정의 영향을 미치고 있다.