본 연구에서는 수문 및 기후 시계열 자료에 존재하는 경향성을 분석하기 위하여 MK 검정, Spearman's Rho 검정, Linear Regression 검정, 비모수 Cusum 검정, Cumulative Deviation 검정, Worsley Likelihood Ratio 검정, Rank Sum 검정, Student's t 검정 등의 8가지 기법을 사용하였다. 관측된 연 강우량과 유입량 시계열 자료, 나이테 자료 그리고 SOI 자료에 적용하여 그 결과를 비교 분석 하였다. 분석 결과 시계열 자료에는 어떤 기울기를 가지거나 어느 시점을 기준으로 평균이 변화하는 두 가지의 경향성이 존재함을 확인 할 수 있었다. 경향성을 나타낸 8개의 강우자료중 4개 지점이 평균이동(shift)을 나타내었으며, 18개 지역의 나이테 지수중 8개 지역과 월별 SOI자료 중 3, 4월자료에서 경향성의 존재가 확인되었고, 소양강댐 유입량 자료에서는 경향성이 나타나지 않았다. 특히, 나이테 지수의 경우에는 평균이동으로 인한 경향성만을 가지고 있는 자료가 확인되었다. 또한 정상성 검정을 위한 ADF 검정과 비선형성 검정을 위한 BDS 통계검정 기법을 적용하였다. 본 연구를 통하여 여러 경향성 분석 기법을 비교할 수 있었으며, 실제 관측된 수문 및 기후 시계열에 존재하는 경향성을 확인 할 수 있었고, 연구 결과를 통하여 수문시계열 해석시 다양한 분석을 통한 경향성의 존재여부를 확인 하여야 한다는 것을 알 수 있었다.
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.
The effect of seasonality on water quality variation is very significant. Generally, it reduce the power of the trend extraction. A parametric time-series model was used for detecting trends in historic constituent concentration data. The effect of seasonality is able to remove from time series decomposition technique. According to such statistic methode, long-term water quality trend analysis system (NTrend 1.0) was developed by Nakdong River Water Environmental Research Center. The trend analysis of BOD variation was conducted with NTrend 1.0 at Goreong and Moolkum site in Nakdong river to show the effect of water quality management action plan. Power test of trend extraction was tried each case of 'deseasonalized and deannulized' data and 'deseasonalized' data. Analysis period was from 1989 to 2006, and it's period was divided again three times, 1989~1993, 1994~1999 and 2000~2006 according to action plan period. The BOD trend was downward in Goreong site during three times and it's trend slope was very steep, and upward in Moolkum during 1989~1993, but it was turned downward during 1994~1999 and 2000~2006. It was revealed that it's very effective to reduce the concentration of BOD by water quality management action plan in that watershed. The result of power test was shown that it is high for trend extraction power in case of 'deseasonalized' data.
본 연구에서는 시계열 예측을 위해 선형 모형과 비선형 모형의 하이브리드 모형 및 순수 모형의 성과를 비교 평가하였다. 이를 위해 5가지 서로 다른 패턴을 가지는 데이터를 생성하여 시뮬레이션을 진행하였다. 본 연구에서 고려한 선형 모형은 AR(autoregressive model)과 SARIMA(seasonal autoregressive integrated moving average model)이고 비선형 모형은 인공신경망(artificial neural networks model)과 GAM(generalized additive model)이다. 특히, GAM은 여러 장점에도 불구하고 시계열 예측을 위한 비선형 모형으로 기존 연구들에서는 거의 쓰이지 않았던 모형이다. 시뮬레이션 결과, seasonality를 가지는 시계열에 대해서는 AR 및 AR-AR 모형이, trend를 가지는 시계열에 대해서는 SARIMA 및 SARIMA와 다른 모형의 하이브리드 모형이 다른 모형에 비해 높은 성과를 보였다. 한편, 인공신경망과 GAM을 비교하면, 트렌드와 계절성이 더해진 시계열에 대해 SARIMA와 GAM의 하이브리드 모형이 거의 모든 노이즈(noise) 수준에 대해 높은 성과를 보인 반면, 노이즈 수준이 미미한 경우에 한해 SARIMA와 인공신경망의 하이브리드 모형이 높은 성과를 보였다.
수문시계열 자료에 변동성, 도약성, 경향성, 주기성 등이 있으면 이러한 자료는 일반적으로 비정상성을 가지며, 특히 경향성 판단을 통한 다양한 방법들이 제시되어 왔다. 그러나 다양한 방법 간의 검정능력에 대한 평가는 많이 이루어지지 않았으며, 그로인해 동일 자료에 대한 다른 방법의 적용으로 반대의 결과가 나오는 경우도 발생하게 된다. 따라서 본 연구에서는 통계적 특성에 따른 경향성 분석의 변화를 파악하고, 경향성 분석방법 간의 검정능력을 파악해 보았다. 이를 위해 경향성 분석기법인 Mann-Kendall 검정, Hotelling-Pabst 검정, t 검정, Sen 검정을 적용하였으며 기울기, 표본크기, 표준편차에 따라 다양한 모의실험을 수행하였다. 그 결과 t 검정이 다른 검정에 비해 상대적으로 높은 검정력을 보였고, Mann-Kendall 검정, Hotelling-Pabst 검정, Sen 검정은 비슷한 결과를 보였다.
Recently, the chaotic method is employed to forecast a near future of uncertain phenomena. This method makes it possible by restructuring an attractor of given time-series data in multi-dimensional space through Takens' embedding theory. However, many economical time-series data are not sufficiently chaotic. In other words, it is hard to forecast the future trend of such economical data on the basis of chaotic theory. In this paper, time-series data are divided into wave components using wavelet transform. It is shown that some divided components of time-series data show much more chaotic in the sense of correlation dimension than the original time-series data. The highly chaotic nature of the divided component enables us to precisely forecast the value or the movement of the time-series data in near future. The up and down movement of TOPICS value is shown so highly predicted by this method as 70%.
Communications for Statistical Applications and Methods
/
제7권2호
/
pp.513-523
/
2000
The X-12-ARIMA program was utilized on the analysis of the time series trend on 76 Korean industrial activities data in order to ensure that the trading day effect adjustment as well as the seasonal effect adjustment is needed to extract the fundamental trend-cycle factors from various economic time series data. The trading day effect is strongly correlated with the activity of production and shipping but not with the activity of inventory. Furthermore, the industrial activities were classified with respect to the sensitivity on the tranding day effect.
In this paper, a modified RBF(Radial Basis Function) network structure is suggested for the prediction of a time-series with non-linear, non-stationary characteristics. Coventional RBF network predicting time series by using past outputs sense the trajectory of the time series and react when there exists strong relation between input and hidden activation function's RBF center. But this response is highly sensitive to level and trend of time serieses. In order to overcome such dependencies, hidden activation functions are modified to react to the increments of input variable and multiplied by increment(or dectement) for prediction. When the suggested structure is applied to prediction of Macyey-Glass chaotic time series, Lorenz equation, and Rossler equation, improved performances are obtained.
This study employs a structural time series method in order to model and estimate stochastic trend of surface temperatures of the globe, Northern Hemisphere, and Northeast Asia ($20^{\circ}N{\sim}60^{\circ}N$, $100^{\circ}E{\sim}150^{\circ}E$). For this study the reanalysis data CRUTEM3 (CRU/Hadley Centre gridded land-surface air temperature Version 3) is used. The results show that in these three regions range from $0.268^{\circ}C$ to $0.336^{\circ}C$ in 1997, whereas these vary from $0.423^{\circ}C$ to $0.583^{\circ}C$ in 2007. The annual mean temperature over Northeast Asia has increased by $0.031^{\circ}C$ in 2007 compared to 1997. The climate change in surface temperatures over Northeast Asia is slightly higher than that over the Northern Hemisphere.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.