• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2007년도 학술발표회 논문집
• /
• pp.1437-1440
• /
• 2007

Many hydroclimatic time series are marked by interannual and longer quasi-period features that are associated with narrow band oscillatory climate modes. A time series modeling approach that directly considers such structures is developed and presented. The essence of the approach is to first develop a wavelet decomposition of the time series that retains only the statistically significant wavelet components, and to then model each such component and the residual time series as univariate autoregressive processes. The efficacy of this approach is demonstrated through the simulation of observed and paleo reconstructions of climate indices related to ENSO and AMO, tree ring and rainfall time series. Long ensemble simulations that preserve the spectral attributes of the time series in each ensemble member can be generated. The usual low order statistics are preserved by the proposed model, and its long memory performance is superior to the direction application of an autoregressive model.

• International journal of advanced smart convergence
• /
• 제9권2호
• /
• pp.20-27
• /
• 2020

Sound event detection in real-world environments suffers from the interference of non-stationary and time-varying noise. This paper presents an adaptive noise reduction method for sound event detection based on non-negative matrix factorization (NMF). In this paper, we proposed a deep learning model that integrates Convolution Neural Network (CNN) with Non-Negative Matrix Factorization (NMF). To improve the separation quality of the NMF, it includes noise update technique that learns and adapts the characteristics of the current noise in real time. The noise update technique analyzes the sparsity and activity of the noise bias at the present time and decides the update training based on the noise candidate group obtained every frame in the previous noise reduction stage. Noise bias ranks selected as candidates for update training are updated in real time with discrimination NMF training. This NMF was applied to CNN and Hidden Markov Model(HMM) to achieve improvement for performance of sound event detection. Since CNN has a more obvious performance improvement effect, it can be widely used in sound source based CNN algorithm.

• 대한토목학회논문집
• /
• 제5권4호
• /
• pp.57-64
• /
• 1985

유출 특성이 정상이라는 가정하에 침투능식의 매개 변수들을 추정하기 위해 다음의 절차를 고안하였다 : (1) 최적화기법에 의하여 유출모형의 제 매개변수를 추정한다. (2) 추정된 매개 변수들이 정상이라는 가정하의 기간 동안에 발생한 호우들에 대해 적합성을 보이도록 유효우량을 제어한다. (3) (1)~(2)의 절차를 반복하여 모든 매개 변수들이 평형상태에이르면 최적 제어된 손실우량을 수식으로 표현하기 위하여 비선형 fitting 을 적용한다. 이때 손실우량은 강우심도를 반영하도록 한다. 횡성 유역의 연속된 3개의 호우에 대해 위 기법을 적용한 결과, 선정된 얼개와 고안된 절차는 관측치에 충분한 적합성을 보였고 과거 연구와도 비교하였다.

• 산업기술연구
• /
• 제28권B호
• /
• pp.101-109
• /
• 2008

In general, non-stationary or chaos time series forecasting is very difficult since there exists a drift and/or nonlinearities in them. To overcome this situation, we suggest a new prediction method based on multiple model TS fuzzy predictors combined with preprocessing of time series data, where, instead of time series data, the differences of them are applied to predictors as input. In preprocessing procedure, the candidates of optimal difference interval are determined by using con-elation analysis and corresponding difference data are generated. And then, for each of them, TS fuzzy predictor is constructed by using k-means clustering algorithm and least squares method. Finally, the best predictor which minimizes the performance index is selected and it works on hereafter for prediction. Computer simulation is performed to show the effectiveness and usefulness of our method.

• 한국대기환경학회지
• /
• 제4권2호
• /
• pp.72-81
• /
• 1988

The typical ARIMA model which was developed by Box and Jenkins, was applied to the monthly $SO_2$ data collected at Seoungsoo and Oryudong in metropolitan area over five years, 1982 to 1986. To find out the changing pattern of $SO_2$ concentration, autocorrelation and partial autocorrelation analysis were undertaken. The three steps of time series model building were followed and the residual series was found to be a random white noise. The results of this study is summarized as follows. 1) The monthly $SO_2$ series was found to be a non-stationary series which which has a periodicity of 12 months. After eliminating the periodicity by differencing, the monthly $SO_2$ series became a stationary series. 2) The ARIMA seasonal model of the $SO_2$ was determined to be ARIMA $(1, 0, 0)(0, 1, 0,)_{12}$ model. 3) The model equations based on the prediction were: for Seoungsoodong: $Y_t = 0.5214Y_{t-1} + Y_{t-12} - 0.5214Y_{t-13} + a_t$ for Oryudong: $Y_t = 0.8549Y_{t-1} + Y_{t-12} - 0.8549Y_{t-13} + a_t$ 4) The validity of the model identified was checked by compairing the measured $SO_2$ values and one-month-ahead predicted values. The result of correlation and regression analysis is as follows. Seoungsoodong: $Y = 0.8710X + 0.0062 r = 0.8768$ Oryudong : $Y = 0.8758X + 0.0073 r = 0.9512$

• 제어로봇시스템학회논문지
• /
• 제9권11호
• /
• pp.874-882
• /
• 2003

The condition assessment of engineering systems has increased in importance because the manpower needed to operate and supervise various plants has been reduced. Especially, induction motors are at the core of most engineering processes, and there is an indispensable need to monitor their health and performance. So detection and diagnosis of motor faults is a base to improve efficiency of the industrial plant. In this paper, a model-based fault detection system is developed for induction motors, using steady state vibration signals. Early various fault detection systems using vibration signals are a trivial method and those methods are prone to have missed fault or false alarms. The suggested motor fault detection system was developed using a model-based reference value. The stationary signal had been extracted from the non-stationary signal using a data segmentation method. The signal processing method applied in this research is FFT. A reference model with spectra signal is developed and then the residuals of the vibration signal are generated. The ratio of RMS values of vibration residuals is proposed as a fault indicator for detecting faults. The developed fault detection system is tested on 800 hp motor and it is shown to be effective for detecting faults in the air-gap eccentricities and broken rotor bars. The suggested system is shown to be effective for reducing missed faults and false alarms. Moreover, the suggested system has advantages in the automation of fault detection algorithms in a random signal system, and the reference model is not complicated.

• 한국해양학회지
• /
• 제19권1호
• /
• pp.36-43
• /
• 1984

複雜한 沿岸地形 및 水深變化를 考慮한 黃海 및 東支那海의 三次元 水動力學的 羞恥모델을 開發하여 定常均一風의 應力에 의한 海流의 手織分布를 算定하였다. 北西風 및 南西風의 秒速 약 10m에 該當하는 海面應力 1.6dyne/$\textrm{cm}^2$에 의한 陸棚體系의 反應을 調査하기 위한 手織實驗에서 動的 循環形態를 提示하고 檢討하였다.

• 한국정보과학회논문지:정보통신
• /
• 제34권3호
• /
• pp.156-167
• /
• 2007

본 논문에서는 VBR(Variable-Bit-Rate) 트래픽의 비선형적이고 버스티한 특성을 모델화 한 GOP ARIMA(ARIMA for Group Of Pictures) 모델을 칼만 필터 알고리즘을 이용하여 실시간으로 예측하는 기법을 제안한다. 칼만 필터를 이용한 예측 기법은 GOP ARIMA의 상태공간 모델링 과정과 향후 N초 간의 트래픽을 예측하는 과정으로 구성된다. 실험을 위해 GOP의 크기가 각각 15인 세 가지 종류의 MPEG VBR 트래픽(뉴스, 드라마, 스포츠)을 제작하였고, 칼만 필터를 이용한 세 가지 종류의 트래픽의 예측 결과를 선형 예측법과 이중 지수 평활법을 이용해 예측한 결과와 비교해 예측 성능이 상대적으로 우수함을 확인할 수 있었다. 또한 예측값에 신뢰 구간을 설정하는 신뢰 구간 분석법을 통해 트래픽 관점에서 장면 변화를 예측하는 방법을 제시하였다. 본 논문의 칼만 필터 기반의 예측 알고리즘은 MPEG 기반 VBR 트래픽을 비롯한 기타 인터넷 트래픽을 실시간으로 예측하는 방법과 이를 이용해 인터넷 서버의 설계 및 자원 할당 정책 등을 위한 트래픽 엔지니어링 연구에 기여할 수 있을 것이다.

• 응용통계연구
• /
• 제26권6호
• /
• pp.987-998
• /
• 2013

이 논문에서는 한국의 대기질을 결정하는 중요한 수치인 미세먼지(PM10)에 대한 통계적 고찰을 한다. 2011년 매시 관찰된 자료 분석을 토대로 미세먼지가 매우 높은 시차에서도 강한 양의 상관관계를 가지는 장기 종속 시계열의 특징을 보임을 밝힌다. 또한 주변분포는 꼬리가 두터운 모형으로서 로그-정규분포보다는 일반화 파레토 분포가 훨씬 더 자료를 잘 적합함을 보인다. 하지만 이러한 높은 상관관계는 종종 단순한 평균변화 모형에 의한 그럴듯싸한 가짜 효과에 기인하기도 하여 통계모형을 세우는데 많은 혼동을 준다. 따라서 이 논문에서는 강한 종속성이 장기 종속 시계열에 의한 것인지 아니면 비정상 평균변화에 의한 것인지 근본적인 물리적 모형에 대한 논의를 통계적인 가설 검정을 통해 살펴본다. 그 결과 미세먼지의 강한 종속성은 구조변화에의한 착시 효과임을 밝힌다.

• 한국수자원학회논문집
• /
• 제52권10호
• /
• pp.671-680
• /
• 2019

기후변화에 따른 수문순환 요소들의 변화로 인해 미래에는 전 세계적으로 수문사상의 규모 및 빈도가 증가할 것이라는 많은 선행연구들이 있다. 하지만 북한지역의 미래 강수량에 대한 정량적 연구와 평가는 미비한 실정이다. 북한지역 역시 우리나라와 마찬가지로 극한강수에 따른 피해가 발생될 것으로 예상되기 때문에 북한지역에 관한 연구는 지속적으로 진행되어야 한다. 따라서 본 연구에서는 정상성 및 비정상성 빈도해석을 통해 북한지역의 미래(2020-2060년) 극한강수를 산정하고 현재기후(1981-2017년)와 비교 분석하였다. 비정상성 빈도해석은 RCP기후변화시나리오에 따라 모의된 HadGEM2-AO모델의 외부인자(JFM(1-3월), AMJ(4-6월), JAS(7-9월), OND(10-12월)의 평균 강수량)를 고려하여 수행하였다. 북한지역 극치 강우 사상과 유사한 경향을 보이는 외부인자 선정을 위해 앙상블 경험적 모드분해법을 활용하여 연 최대 강우자료의 잔차를 추출하였다. 추출된 잔차와 외부인자 사이의 상관성분석을 실시하였다. 8개 지점(강계, 삼지연, 장진, 양덕, 함흥, 신포, 장전, 신계)에서 3개의 외부인자(AMJ, JAS, OND)가 경향이 있음을 확인하였다. 선정된 외부인자를 고려하여 비정상성 GEV모형을 구축하고 빈도해석을 수행하였다. 그 결과, RCP4.5에서는 8개 지점 중 4개 지점이 현재기후 대비 미래극한강수량이 감소하는 경향을 보였고 3개 지점이 증가하는 것으로 나타났다. 반면에 RCP8.5에서는 2개 지점이 감소하는 경향을 5개 지점이 증가하는 것으로 분석되었다.