• Journal of the Korean Statistical Society
• /
• 제35권4호
• /
• pp.453-458
• /
• 2006

It is well known fact for the iid data that the limiting standard errors of sample autocorrelations are all unity for all time lags and they are asymptotically independent for different lags (Brockwell and Davis, 1991). It is also usual practice in time series modeling that this fact continues to be valid for white noise series which is a sequence of uncorrelated random variables. This paper contradicts this usual practice for white noise. We consider a sequence of martingale differences which belongs to white noise time series and derive exact joint asymptotic distributions of sample autocorrelations. Some implications of the result are illustrated for conditionally heteroscedastic time series.

• 응용통계연구
• /
• 제20권2호
• /
• pp.219-227
• /
• 2007

시계열 모형은 통신망 트래픽의 예측과 분석에 유용하게 쓰여 왔다. 본 논문에서는 통신망 트래픽의 예측을 위하여 다양한 시계열 모형을 소개하고 성능평가를 하고자 한다. 이를 위하여 실제 통신망 트래픽 자료에 선형 및 비선형 시계열모형을 적합 시키고 비선형 시계열모형이 선형 시계열 모형보다 예측의 정확도가 우수함을 보이고자 한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1993년도 Fifth International Fuzzy Systems Association World Congress 93
• /
• pp.857-860
• /
• 1993

In this paper, we apply the self generating neuro fuzzy model (SGNFM) to the dimension analysis of the chaotic time series. Firstly, we formulate a nonlinear time series identification problem with nonlinear autoregressive (NARMAX) model. Secondly, we propose an identification algorithm using SGNFM. We apply this method to the estimation of embedding dimension for chaotic time series, since the embedding dimension plays an essential role for the identification and the prediction of chaotic time series. In this estimation method, identification problems with gradually increasing embedding dimension are solved, and the identified result is used for computing correlation coefficients between the predicted time series and the observed one. We apply this method to the dimension estimation of a chaotic pulsation in a finger's capillary vessels.

• International Journal of Computer Science & Network Security
• /
• 제22권2호
• /
• pp.185-192
• /
• 2022

Forecasting and time series modelling plays a vital role in the data analysis process. Time Series is widely used in analytics & data science. Forecasting stock prices is a popular and important topic in financial and academic studies. A stock market is an unregulated place for forecasting due to the absence of essential rules for estimating or predicting a stock price in the stock market. Therefore, predicting stock prices is a time-series problem and challenging. Machine learning has many methods and applications instrumental in implementing stock price forecasting, such as technical analysis, fundamental analysis, time series analysis, statistical analysis. This paper will discuss implementing the stock price, forecasting, and research using prophet and LSTM models. This process and task are very complex and involve uncertainty. Although the stock price never is predicted due to its ambiguous field, this paper aims to apply the concept of forecasting and data analysis to predict stocks.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.210-212
• /
• 2022

제조업에서 생산 설비의 상태를 모니터링하기 위해 각종 센서를 부착하고 있으며, 이를 통해 획득된 데이터의 경우 시계열 데이터인 경우가 많다. 생산 설비의 이상 여부를 판단하기 위해서는시계열 데이터로부터 패턴을 추출하는 과정이 선행되어야 하며 다양한 방법이 연구되고 있다. 본 논문에서는 수집된 다변량 시계열 데이터로부터 패턴을 추출하기 위해 매트릭스 프로파일 알고리즘을 적용하였으며, 이를 통해 현재 CNC 머신으로부터 수집 중인 다중 센서 데이터의 패턴을 추출하였다.

• 산업경영시스템학회지
• /
• 제37권2호
• /
• pp.27-34
• /
• 2014

In this paper, we investigate the statistical correlation of the time series for temperature measured at the heat box in the automobile drying process. We show, in terms of the sample variance, that a significant non-linear correlation exists in the time series that consist of absolute temperature changes. To investigate further the non-linear correlation, we utilize the volatility, an important concept in the financial market, and induce volatility time series from absolute temperature changes. We analyze the time series of volatilities in terms of the de-trended fluctuation analysis (DFA), a method especially suitable for testing the long-range correlation of non-stationary data, from the correlation perspective. We uncover that the volatility exhibits a long-range correlation regardless of the window size. We also analyze the cross correlation between two (inlet and outlet) volatility time series to characterize any correlation between the two, and disclose the dependence of the correlation strength on the time lag. These results can contribute as important factors to the modeling of forecasting and management of the heat box's temperature.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제8권7호
• /
• pp.289-302
• /
• 2019

시계열의 구조 변화란, 전체 시계열 자료를 구성하는 기간에서 관측치들의 분포가 상대적으로 안정적이다가, 특정 시점에서 분포 특성의 급격한 변화를 보이는 것을 의미한다. 비정상(non-stationary) 장기 시계열 안에서도, 단기적인 추세의 변화가 일시적인 것인지, 아니면 구조적으로 변한 것인지를 적시에 판단하는 것은 중요하다. 이는 시계열 추세의 변화를 상시 감지하여, 변화에 맞는 적정한 대응을 할 필요가 있기 때문이다. 본 연구에서는 단위근 검정법을 기반으로 한 검정 결과를 시각화함으로써, 의사결정자가 시계열의 구조 변화를 손쉽게 파악할 수 있는 방안을 제시하였다. 특히 시계열을 분할한 후 검정하는 방법을 통해, 장기 시계열일 때에도 단기 구조 변화를 파악할 수 있도록 하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 학술대회 논문집 정보 및 제어부문
• /
• pp.622-624
• /
• 2005

This paper proposes a time series prediction method for the nonllinear system using the fuzzy system and its genetic algorithm, At first, we obtain the optimal fuzzy membership function using the genetic algorithm. With the optimal fuzzy rules and its input differences, a better time prediction series system may be obtained. We obtain a good result for the time prediction of the electric load.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제4권9호
• /
• pp.377-384
• /
• 2015

본 논문에서는 왜곡 제거 시계열 매칭의 시각화 도구를 제안한다. 시계열 매칭에서 왜곡 제거 지원은 정확한 유사 시계열 검색을 위한 매우 중요한 요소이다. 본 논문에서는 시계열에서 발생하는 잡음, 위치 이동, 진폭 조정, 선형 추세의 왜곡들을 이동평균 변환, 정규화 변환, 선형 추세 제거 기법을 사용하여 제거한 후, 시계열 매칭을 수행하고 그 결과를 시각화한다. 본 논문에서 제안하는 시각화 도구는 클라이언트-서버 모델을 기반으로 구현된다. 클라이언트는 사용자가 선택한 시계열의 왜곡을 제거하여 서버에 전달하고, 매칭 결과의 시각화를 수행한다. 서버는 R*-트리 기반의 다차원 인덱스로 왜곡 제거 시계열 매칭을 효율적으로 수행한다. 왜곡 제거 시계열 매칭의 결과는 다섯 가지 차트로 달리 표현하여 사용자가 직관적이고 쉽게 이해할 수 있도록 구현한다.

• 정보처리학회논문지B
• /
• 제9B권3호
• /
• pp.277-286
• /
• 2002

양자역학 섭동이론과 유전자프로그래밍(GP) 기법을 접목시킴으로써 실세계(Real-world)에서 발생하는 카오스 시계열에 대하여 수학모델을 구축, 예측하기 위한 새로운 알고리즘을 개발하였다. 시계열 분석과 양자역학 파동방정식의 해를 구하는 섭동이론과의 절차적 유사성을 논하고, 이것을 GP로 구현하는 전형적 접근방안을 제시한다. 함수집합(Function Set)으로서 직교함수(Orthogonal Functions)를 이용하고 병렬 집단을 사용하는 GP를 이용하여 원 시계열에 대한 초기 수학모델을 구하고, 원 시계열 데이터로부터 모델의 평가값을 뺀 나머지로 구성되는 잔여 시계열에 대하여 다시 GP를 적용하는 과정을 일정한 종료조건이 충족될 때가지 반복함으로써 실세계 카오스 시계열에 대한 정확성 높은 수학모델을 구축하는데 성공하였다. 타 방법론과의 비교와 향후 해결과제에 대하여도 소개한다.