• 응용통계연구
• /
• 제24권1호
• /
• pp.45-59
• /
• 2011

시계열에는 1년 주기의 계절변동이 포함되어 있다. 시계열의 기조적 움직임을 살펴보기 위해서는 시계열에서 계절 변동을 제거하는 계절조정이 필요하다. 계절조정 프로그램 X-12-ARIMA에서는 F검정과 Kruskal-Wallis검정으로 시계열에 존재하는 계절변동(계절성)을 식별하고, 스펙트럼 그래프로 계절조정후 불규칙변동에 계절변동이 남아 있는 지 점검한다. 본 연구에서는 평활 검정을 계절성 검정에 적용한 평활 계절성 검정을 제안하고, 그 특성을 모의실험과 실제 시계열에 대한 계절성 검정을 통해 살펴보았다. 모의실험 결과를 보면 평활 계절성 검정이 X-12-ARIMA의 스펙트럼 분석을 계량화하고, 계절성 검정인 F검정과 Kruskal-Wallis검정을 보완할 수 있을 것으로 판단된다.

• 한국정보통신학회논문지
• /
• 제13권8호
• /
• pp.1647-1652
• /
• 2009

비선형 동력학 시스템으로 구성된 전력 수요의 시계열 데이터를 예측하기 위해 적용된 신경망 및 퍼지 적응 알고리즘 등은 예측오차가 상대적으로 크게 나타났다. 이는 전력수요 시계열 데이터가 가지고 있는 카오스적인 성질에 기인하며 이중 초기값에 민감한 의존성은 장기적인 예측을 더욱더 어렵게 하는 요인으로 작용한다. 전력수요 시계열 데이터가 가지고 있는 카오스적인 성질을 정량 및 정성적인 방식으로 분석 을 수행하고, 시스템 동력학적 특성의 정량분석에 이용되는 Lyapunov 지수를 이용하여 어트랙터 재구성, 다차원 카오스 시계열 데이터를 예측하는 방식으로 수요예측 시뮬레이션을 수행하고 결과를 비교 평가하여 기존 제안방식보다 실용적이며 효과적임을 확인한다.

• 한국콘텐츠학회논문지
• /
• 제8권5호
• /
• pp.44-51
• /
• 2008

시계열 데이터에서 패턴을 찾고 검색하는 문제는 여러 분야에서 오랫동안 관심을 가지고 연구되어 왔다. 본 논문은 시간의 흐름에 따라 값의 변화를 나타내는 시계열 형태의 주식 데이터에 적용할 수 있는 새로운 패턴 매칭 방법을 제안한다. 우선, 의미를 기반으로 패턴을 정의하고 정의된 패턴에 일치하는 데이터들을 추출하여 학습모델을 작성한다. 그리고 새로운 질의 시퀀스가 어떤 종류의 패턴과 일치하는가는 각 학습 모델과의 유사도를 측정하여 결정하게 된다. 학습 모델은 시계열을 잘 설명하는 것으로 알려진 은닉 마코프 모델을 사용하여 작성하였다. 실험 결과 은닉 마코프 모델의 특성을 사용하여 생성된 각 학습 모델은 주어진 의미를 잘 나타내는 패턴을 생성하였으며, 새로운 시퀀스가 주어졌을 때 일치하는 패턴에 따라서 시퀀스가 가진 의미를 파악할 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 춘계학술대회
• /
• pp.171-174
• /
• 2009

비선형 동력학 시스템으로 구성된 전력 수요의 시계열 데이터를 예측하기 위해 적용된 신경망 및 퍼지 적응 알고리즘 등은 예측오차가 상대적으로 크게 나타났다. 이는 전력수요 시계열 데이터가 가지고 있는 카오스적인 성질에 기인하며 이중 초기값에 민감한 의존성은 장기적인 예측을 더욱더 어렵게 하는 요인으로 작용한다. 전력수요 시계열 데이터가 가지고 있는 카오스적인 성질을 정량 및 정성적인 방식으로 분석을 수행하고, 시스템 동력학적 특성의 정량분석에 이용되는 Lyapunov 지수를 이용하여 어트랙터 재구성, 다차원 카오스 시계열 데이터를 예측하는 방식으로 수요예측 시뮬레이션을 수행하고 결과를 비교 평가하여 기존 제안방식보다 실용적이며 효과적임을 확인한다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 1999년도 춘계공동학술대회-지식경영과 지식공학
• /
• pp.271-280
• /
• 1999

인공신경망을 시계열예측에 적용하는 경우에 고려되어야 할 문제중, 특히 모형에 적합한 입력변수의 생성이 중요시되고 있는데, 이러한 분야는 인공신경망의 모형생성과정에서 입력변수에 대한 전처리기법으로써 다양하게 제시되어 왔다. 가장 최근의 입력변수 전처리기법으로써 제시되고 있는 신호처리기법은 전통적 주기분할처리방법인 푸리에변환기법(Fourier transforms)을 비롯하여 이를 확장시킨 개념인 웨이블릿변환기법(wavelet transforms) 등으로 대별될 수 있다. 이는 기본적으로 시계열이 다수의 주기(cycle)들로 구성된 상이한 시계열들의 집합이라는 가정에서 출발하고 있다. 전통적으로 이러한 시계열은 전기 또는 전자공학에서 주파수영역분할, 즉 고주파 및 저주파수를 분할하기 위한 기법에 적용되어 왔다. 그러나, 최근에는 이러한 연구가 다양한 분야에 활발하게 응용되기 시작하였으며, 그 중의 대표적인 예가 바로 경영분야의 재무시계열에 대한 분석이다. 전통적으로 재무시계열은 장, 단기의사결정을 가진 시장참여자들간의 거래특성이 시계열에 각기 달리 가격으로 반영되기 때문에 이러한 상이한 집단들의 고요한 거래움직임으로 말미암아 예를 들어, 주식시장이 프랙탈구조를 가지고 있다고 보기도 한다. 이처럼 재무시계열은 다양한 사회현상의 집합체라고 볼 수 있으며, 그만큼 예측모형을 구축하는데 어려움이 따른다. 본 연구는 이러한 시계열의 주기적 특성에 기반을 둔 신호처리분석으로서 기존의 시계열로부터 노이즈를 줄여 주면서 보다 의미있는 정보로 변환시켜줄 수 있는 웨이블릿분석 방법론을 새로운 필터링기법으로 사용하여 현재 많은 연구가 진행되고 있는 인공신경망의 모형결합을 통해 기존연구과는 다른 새로운 통합예측방법론을 제시하고자 한다. 본 연구에서는 제시하는 통합방법론은 크게 2단계 과정을 거쳐 예측모형으로 완성이 된다. 즉, 1차 모형단계에서 원시 재무시계열은 먼저 웨이브릿분석을 통해서 노이즈가 필터링 되는 동시에, 과거 재무시계열의 프랙탈 구조, 즉 비선형적인 움직임을 보다 잘 반영시켜 주는 다차원 주기요소를 가지는 시계열로 분해, 생성되며, 이렇게 주기에 따라 장단기로 분할된 시계열들은 2차 모형단계에서 신경망의 새로운 입력변수로서 사용되어 최종적인 인공 신경망모델을 구축하는 데 반영된다. 기존의 주기분할방법론은 모형개발자입장에서 여러 가지 통계기준치중에서 최적의 기준치를 합리적으로 선택해야 하는 문제가 추가적으로 발생하며, 본 연구에서는 이상의 제반 문제들을 개선시키기 위해 통합방법론으로서 기존의 인공신경망모형을 구조적으로 확장시켰다. 이 모형에서 기존의 입력층 이전단계에 새로운 층이 정의된다. 이렇게 해서 생성된 새로운 통합모형은 기존모형에서 생성되는 기본적인 학습파라미터와 더불어, 본 연구에서 새롭게 제시된 주기분할층의 파라미터들이 모형의 학습성과를 높이기 위해 함께 고려된다. 한편, 이러한 학습과정에서 추가적으로 고려해야 할 파라미터 갯수가 증가함에 따라서, 본 모델의 학습성과가 local minimum에 빠지는 문제점이 발생될 수 있다. 즉, 웨이블릿분석과 인공신경망모형을 모두 전역적으로 최적화시켜야 하는 문제가 발생한다. 본 연구에서는 이 문제를 해결하기 위해서, 최근 local minimum의 가능성을 최소화하여 전역적인 학습성과를 높여 주는 인공지능기법으로서 유전자알고리즘기법을 본 연구이 통합모델에 반영하였다. 이에 대한 실증사례 분석결과는 일일 환율예측문제를 적용하였을 경우, 기존의 방법론보다 더 나운 예측성과를 타나내었다.

• Spatial Information Research
• /
• 제14권1호
• /
• pp.163-176
• /
• 2006

지역분석 기법에서 지리사상의 공간적인 특성을 가장 잘 반영하는 개념 중 하나인 공간연관성은 "모든 것은 다른 모든 것과 연관되어 있지만, 가까운 것은 먼 것보다 더욱 관련이 있다"고 하는 Tobler의 법칙과 그 맥을 같이 한다. 이 연구는 공간통계와 지리적시각화를 결합하여 공간연관성의 시계열 패턴을 탐색적으로 분석하는 지리정보시스템을 개발하는 것을 목적으로 하며, 전역적 및 국지적 공간연관성 분석을 통한 공간현상의 클러스터 탐지나 공간연관성의 시계열 탐색을 통한 사회경제적 변화의 모니터링은 공간정책 투입의 의사결정을 지원하는 수단으로 기능할 수 있다. 전역적 및 국지적 공간연관성을 측정하는 데 반드시 필요한 근린가중치행렬은 행정구역 폴리곤의 기하 및 거리에 기반한 유연한 가중치모형을 구현하여 사용하였으며, 기존의 지리적시각화 기법을 응용 및 개선한 시계열 평행좌표플롯, 시계열 애니메이션지도, 3D 시계열 모란산포도 등을 통해 공간연관성의 시계열 패턴을 효과적으로 표현하였다. 실제 공간현상에 대한 적용 및 평가를 위하여 1995년부터 2004년까지 10년간의 전국 시군구단위 지가변동률 자료를 이용하여 공간연관성의 시계열적 특성을 분석함으로써 시스템의 유용성을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제25권2호
• /
• pp.31-39
• /
• 2020

본 논문에서는 시계열 데이터를 기반으로 합성 벤치마크를 생성하는 기법을 소개한다. IoT 기기에서 측정되는 많은 데이터는 시간에 따른 수치 변화를 측정하는 시계열적 특성이 있다. 하지만 긴 기간 동안 측정되는 데이터를 일반화된 시계열 데이터로 모델링하기 힘든 문제점이 존재한다. 이런 문제를 개선하기 위해 본 논문에서는 BST-IGT 모델을 소개한다. BST-IGT 모델은 전체 데이터를 시계열 모델링이 쉬운 구간으로 분리하여 생성 데이터를 템플릿으로 수집하고 이를 기반으로 특성을 공유하거나 변형되는 새로운 합성 벤치마크를 생성한다. 제안된 모델링 기법을 이용하여 신규 벤치마크를 생성한 결과, 기존 데이터의 통계적 특성을 유지하는 합성 벤치마크와 다른 벤치마크와의 혼합으로 여러 특성을 가지는 벤치마크의 생성을 수행할 수 있었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권12호
• /
• pp.579-586
• /
• 2021

시계열 예측은 과거 시점의 정보를 토대로 미래 시점의 정보를 예측하는 것을 말한다. 향후 시점의 정보를 정확하게 예측하는 것은 다양한 분야 전략 수립, 정책 결정 등을 위해 활용되기 때문에 매우 중요하다. 최근에는 트랜스포머 모델이 시계열 예측 모델로서 주로 연구되고 있다. 그러나 기존의 트랜스포머의 모델은 예측 순차를 출력할 때 출력 결과를 다시 입력하는 자가회귀 구조로 되어 있다는 한계점이 있다. 이 한계점은 멀리 떨어진 시점을 예측할 때 정확도가 떨어진다는 문제점을 초래한다. 본 논문에서는 이러한 문제점을 개선하고 더 정확한 시계열 예측을 위해 스타일 변환 기법에 착안한 순차 디코딩 모델을 제안한다. 제안하는 모델은 트랜스포머-인코더에서 과거 정보의 특성을 추출하고, 이를 스타일-기반 디코더에 반영하여 예측 시계열을 생성하는 구조로 되어 있다. 이 구조는 자가회귀 방식의 기존의 트랜스포머의 디코더 구조와 다르게, 예측 순차를 한꺼번에 출력하기 때문에 더 먼 시점의 정보를 좀 더 정확히 예측할 수 있다는 장점이 있다. 서로 다른 데이터 특성을 가지는 다양한 시계열 데이터셋으로 예측 실험을 진행한 결과, 본 논문에서 제시한 모델이 기존의 다른 시계열 예측 모델보다 예측 정확도가 우수하다는 것을 보인다.

• 한국정보처리학회논문지
• /
• 제5권10호
• /
• pp.2609-2614
• /
• 1998

본 연구에서는 신경망 모형을 이용한 시계열 예측에 있어서 분석할 시계열의 특성에 맞는 적응적 학습률을 구하고 초기 값의 동적인 적용을 통한 개선된 학습방법을 이용하여 신경망 예측을 하고 통계적인 Box-Jenkins예측 결과와 비교해 봄으로써 두 방법간의 시계열 예측 효율성을 비교한다. 신경망 모형에 맞는 적응적 학습률은 표준 직교 배열표에 의해 실험계획을 한 25가지의 모수 조합으로부터 구하고, 신경망 학습의 초기값은 Easton의 제어상자를 동적으로 적용하여 실시간으로 선택할 수 있도록한다. 실증분석에 적용된 시계열자료는 1700년부터 1988년까지의 태양 흑점 자료이다.

• 한국컴퓨터정보학회논문지
• /
• 제16권12호
• /
• pp.11-21
• /
• 2011

임베디드 센서는 낮은 전력량과 신호의 세기로 장애물이나 거리와 같은 공간 환경에 많은 영향을 받으며, 이러한 원인들로 인해 임베디드 센서에서는 노이즈 데이터가 빈번히 발생한다. 임베디드 센서에서 획득하는 정보는 시계열 데이터로 존재하기 때문에 지속적으로 발생하는 시계열 정보에 대한 오류 검출을 실시간적으로 수행하기는 어렵다. 본 논문에서는 임베디드 장치의 물리적 특성을 고려하여 실시간적으로 발생하는 임베디드 센서의 오류 신호를 검출하는 시계열 예측 기반 오류 검출 기법을 제안한다. 본 논문에서 제안한 시계열 예측 기반 오류 검출 기법은 안정 구간 함수를이용하여 현재 발생하는 임베디드장치 신호의 오류를 판단한다. 안정 구간 함수는 임베디드장치 신호를 관측하여 오류 검출을 수행할 때 최근의 신호들에 오류 가중화를 적용함으로써 효과적으로 오류 신호를 탐지할 수 있다. 본 논문에서 제안한 기법을 Intel Lab 신호를 이용하여 실험하였으며, 실험에서 본 논문에서 제안한 기법은 중심이동평균 기법에 비해 26.25%의 정확도 향상을 나타내었다.