• KIPS Transactions on Software and Data Engineering
• /
• v.8 no.7
• /
• pp.289-302
• /
• 2019

Structural change of time series means that the distribution of observations is relatively stable in the period of constituting the entire time series data, but shows a sudden change of the distribution characteristic at a specific time point. Within a non-stationary long-term time series, it is important to determine in a timely manner whether the change in short-term trends is transient or structurally changed. This is because it is necessary to always detect the change of the time series trend and to take appropriate measures to cope with the change. In this paper, we propose a method for decision makers to easily grasp the structural changes of time series by visualizing the test results based on the unit root test. Particularly, it is possible to grasp the short-term structural changes even in the long-term time series through the method of dividing the time series and testing it.

• The Korean Journal of Applied Statistics
• /
• v.26 no.1
• /
• pp.1-14
• /
• 2013

ARIMA and ARIMA+IGARCH models are fitted and compared for daily Korean won/US dollar exchange rate data over 17 years. A linear structural change model and an autoregressive structural change model are fitted for multiple change-point estimation since there seems to be structural change with this data.

• The Korean Journal of Applied Statistics
• /
• v.36 no.6
• /
• pp.573-589
• /
• 2023

In a piecewise linear trend model, the change points coincide with the mean change points of the first differenced time series. Therefore, by detecting the mean change points of the first differenced time series, one can estimate the change points of the piecewise linear trend model. In this paper, based on this fact, a method is proposed for detecting change points of the piecewise linear trend model using the simple moving average of the first differenced time series rather than estimates of the slope or residuals. Our Monte Carlo simulation experiments show that the proposed method performs well in estimating the number of change points not only when the error terms in the piecewise linear trend model are independent but also when they are serially correlated.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 1995.04a
• /
• pp.572-584
• /
• 1995

공정으로부터 얻어지는 공정특성치는 일반적으로 시계열로 모형화 할 수 있다. 그러므로 공정의 상태변화 감지는 공정을 묘사하는 시계열 모형의 출력에 대한 통계적 분석이나 모형을 형성하고 있는 파라미터들에 대한 감시를 통하여 가능하게 된다. 공정의 상태변화를 감시하기 위한 기존의 방법들은 공정 모형의 구조나 파라미터가 알려져 있거나 가정한 방법론을 제시하고 있다. 그러나 공정변화의 원인을 진단하거나 변동형태 또는 변동시점의 감지에 있어 통계적인 분포가 알려지지 않은 경우나 동적구조를 가진 데이터의 변동감지에는 많은 제약이 존재한다. 또한, 실제로 동적으로 변화하는 공정의 모형구조와 파라미터를 모든 경우에 파악하여 사전에 특정 시계열 모형으로 가정하기는 어렵다. 본 연구에서는 공정으로부터 얻어지는 데이터들을 뉴럴 모형화하여 이들의 이노베이션(innovation)에 대한 연속적인 검정을 통하여 공정의 상태변화를 감지하는 방법을 제시한다. 또한 새롭게 변화된 공정모형의 파라미터 집합에 대한 규명을 특정 시계열 모형을 가정하지 않은 일반화된 모형들에 대한 분류를 통하여 실시하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.10a
• /
• pp.398-402
• /
• 2018

비정상(non-stationary) 장기 시계열 안에서도, 단기적으로 추세의 변화가 일시적인 것인지, 아니면 구조적으로 변한 것인지를 적시에 판단하는 것은 중요하다. 이는 시계열 추세의 변화를 상시 감지하여, 변화에 맞는 적정한 수준의 대응을 할 필요가 있기 때문이다. 본 연구에서는 장기 시계열이 주어진 상황에서, 단위근 검정법을 기반으로 단기적으로 구조변화를 감지하여, 이러한 변화가 얼마나 지속될 것인지를 시각적으로 판단할 수 있는 방법을 제시하고자 한다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2000.11a
• /
• pp.325-332
• /
• 2000

데이터마이닝 분야에서 시계얼 데이터(time-series data)내에서 숨어 있는 순차패턴의 발견은 상품(Items)이나 어떤 사건(Event)과 같이 데이터의 특징이 명확한 대상에 대한 연구는 많이 되어왔으나 수치 값을 가지는 시계열 데이터에서 이들 내부에 숨어 있는 패턴을 발견하는 것은 최근에 관심을 가지게 되었다. 우리는 시계열 데이터를 시간적 변화에 따라 값의 변화 경향(Trend)이 같은 데이터 그룹을 패턴 요소인 벡터 (Vestor)로 표현하여 이들을 이용해서 흥미로운 패턴들을 발견한다. 이와 같은 벡터적인 표현으로 우리는 벡터들 간의 포함관계를 적용해 모든 가능한 형태의 패턴 발견을 목적으로 한다. 또한 경향성을 가진 패턴 요소를 사건(Event)과 같이 취급함으로써 다양한 종류의 시계열 데이터가 동시에 발생될 때 이들 상호간에 연관된 시간적 패턴을 찾을 수 있다. 따라서 이 연구에서 제안하는 경향성을 기초로 한 순차패턴의 탐식은 기업내부의 판매실적의 변화 패턴이나, 고객의 구매 행동분석에 적용이 가능하리라 여겨진다

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.368-368
• /
• 2021

기후 변화로 인한 극한사상의 크기와 빈도 변화를 예측하는 것은 수공 인프라 설계에 있어 주된 관심사 중 하나이다. 보통 극한사상에 대한 강도, 빈도, 지속시간에 대한 정보가 필요하며, 이는 일반적으로 IDF(Intensity-Duration-Frequency) 곡선으로부터 추출된다. 최근 CMIP(Coupled Model Intercomparison Project) 6단계에서 새로운 이산화탄소 배출 시나리오와 업데이트된 기후모델을 이용하여 미래의 기후에 대한 예측 시계열을 발표했으므로, 미래 기후 변화 시나리오를 기반으로 IDF 곡선을 새로 추정하고 미래 기간의 변화를 평가할 필요가 있다. 본 연구에서는 한국의 40개 지역에 대해 일단위 자료를 시단위로 축소(downscaling)한 후, 확률론적 일기생성기(stochastic weather generator)를 이용하여 30년 시단위 시계열을 100개의 앙상블로 생성하였다. 생성된 시계열로부터 연최대강수량 시계열을 재구성하여 GEV 분포와 gumbel 분포에 적용하였다. 적합도 검정(Anderson-Darling(AD) 검정 및 Kolmogorov-Smirnov(KS) 검정)을 수행하였으며, 과거 자료를 기반으로 생성된 IDF 곡선과 비교 검증하였다. CMIP5의 기후변화 자료를 사용한 결과와 CMIP6 기후변화의 결과를 비교하였으며, 본 연구의 주요 결과는 다음과 같다. (1) 향후 강우 강도는 증가할 것이며 강우 강도의 증가는 말기에 현저하게 관찰될 것이다. (2) 시간별 강우 강도의 미래 변화가 일단위 강우 강도보다 더 크다. (3) 강우 강도의 불확실성을 정량화하기 위해 앙상블을 사용해야 한다. (4) 강우 강도의 미래 변화에 대한 공간적인 경향이 확인된다. 시단위 시계열 앙상블을 생성하여 추정된 IDF 곡선에 대한 정보는 기후 변화의 영향을 평가하고 적절한 적응 및 대응 전략을 개발하는 데 도움이 될 것이다.

• Korean Journal of Remote Sensing
• /
• v.29 no.4
• /
• pp.351-360
• /
• 2013

Harmonic analysis enables to characterize patterns of variation in MODIS NDVI time series data and track changes in ground vegetation cover. In harmonic analysis, a periodic phenomenon of time series data is decomposed into the sum of a series of sinusoidal waves and an additive term. Each wave is defined by an amplitude and a phase angle and accounts for the portion of variance of complex curve. In this study, harmonic analysis was explored to tract ground vegetation variation through time for land-cover vegetation change detection. The process also enables to reconstruct observed time series data including various noise components. Harmonic model was tested with simulation data to validate its performance. Then, the suggested change detection method was applied to MODIS NDVI time series data over the study period (2006-2012) for a selected test area located in the northern plateau of Korean peninsula. The results show that the proposed approach is potentially an effective way to understand the pattern of NDVI variation and detect the change for long-term monitoring of land cover.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2005.05a
• /
• pp.806-813
• /
• 2005

시계열의 구조를 정확히 파악하기 위해서는 구조변화와 단위근의 존재여부를 가설 검정하는 것이 필요하다. 하지만, 이 두 가지의 가설들은 각각 검정되어 왔고, 이에 따라 단위근도 존재하고 구조변화도 존재하거나, 어느 하나만 존재하는 시계열들을 구분하여 파악하는 데에 있어서는 한계점이 있었다. 이 논문에서는 상태공간모형과 시뮬레이션 방법에 근거하여 두 가지 가설을 동시에 검정하는 절차를 제시하여 논란이 되는 시계열들에 대해 합리적인 해결책을 제시하고자 한다.

• Journal of Korean Society for Geospatial Information Science
• /
• v.23 no.2
• /
• pp.105-111
• /
• 2015

Domestic 2D maps includes only most up-to-date information at the time of production without historical information. Therefore, it is hard to identify the change history of real world objects. In this research, Spatio-temporal model for 2D map were developed and it's compatibility was verified through the pilot project conducted on the Gwanggyo area of Gyeonggi province. Also, the procedure to generate 2D spatio-temporal database using maps made periodically on the same target area was introduced for showing the possibility of realizing nation wide spatio-temporal 2D map using the national base map updated periodically.