• 응용통계연구
• /
• 제37권3호
• /
• pp.297-309
• /
• 2024

본 논문에서는 자기회귀 신경망 모형과 지수평활법을 결합(NNARX+ETS 모형)하고 그 성능을 평가한다. 제안된 결합 모형은 시계열 자료를 예측하기 위하여 NNARX 모형의 외생변수로서 ETS 모형의 구성 성분을 활용한다. 이 모형의 주요 아이디어는, 신경망 모형이 원시계열 자료의 과거 시차만을 고려하는 것을 한계를 넘어서서 전통적 시계열 예측 방법인 지수평활법에 의해서 추출된 정제된 시계열 구성 성분까지도 추가로 신경망 모형의 입력값으로 사용하는 것이다. 예측 성능 평가는 2가지 실제 시계열 자료를 사용하였으며 제안된 모형을 NNAR 모형 및 전통적 시계열 분석 방법인 ETS와 ARIMA 모형과 비교하였다.

• 한국수자원학회논문집
• /
• 제35권3호
• /
• pp.275-284
• /
• 2002

본 연구에서는 Monte-Carlo 모형, AR(1)모형, PAR(1) 모형과 같은 추계학적 모형의 잔차값을 무작위적 복원추출하여 연 및 월 하천 유출량자료를 모의발생하였다. Bootstrap이라고 불리우는 이 복원추출방법은 자료의 모집단의 가정이 필요없다는 장점이 있으며 자료로부터 직접 통계적 분포형을 추정하는 방법으로써 자료의 순위변동법을 이용한다. 본 연구에서는 이 방법을 용담지점에 적용하였으며 Bootstrap 방법으로 모의발생된 하천 유출량자료의 거동을 검토하기 하기 위해 관측 유출량과 모의 발생된 유출량의 통계치를 산정하여 비교하였다. 그 결과 기존의 방범과 Bootstrap 방법 모두 평균, 표준편차, 자기상관성은 잘 재현하였으나 왜곡도 계수의 경우 Bootstrap 방법이 더 뛰어남을 확인할 수 있었다.

• 대한산업공학회지
• /
• 제25권3호
• /
• pp.330-335
• /
• 1999

The goal of the study is to determine the most sensitive parameter to represent the degree of muscle force and fatigue. Various numerical parameters such as the first coefficient of Autoregressive (AR) Model, Root Mean Square (RMS), Zero Crossing Rate (ZCR), Mean Power Frequency (MPF), Median Frequency (MF) were tested in this study. Ten healthy male subjects participated in the experiment. They were asked to extend their trunk by using the right and left erector spinae muscles during a sustained isometric contraction for twenty seconds. The force levels were 15%, 30%, 45%, 60%, and 75% of Maximal Voluntary Contraction (MVC), and the order of trials was randomized. The results showed that RMS was the best parameter to measure the force level of the muscle, and that the first coefficient of AR model was relatively sensitive parameter for the fatigue measurement at less than 60% MVC condition. At the 75% MVC, however, both MPF and the first coefficient of AR Model showed the best performance in quantification of muscle fatigue. Therefore, the sensitivity of measurement can be improved by properly selecting the parameter based upon the level of force during a sustained isometric condition.

• 응용통계연구
• /
• 제29권1호
• /
• pp.123-132
• /
• 2016

패널 시계열 자료를 소개하고 패널 1차 자기회귀 모형을 고려하였다. 패널 1차 자기회귀 모형의 동질성 검정을 위한 검정 통계량으로 Rao 통계량과 Wald 통계량을 제안하고, 그 극한분포를 제시하였다. 모의실험을 통해 패널의 수가 작을 때에도 패널의 수가 많을 때와 마찬가지로 두 검정 통계량의 분포가 카이제곱분포를 따르는 것을 확인하였으며, 패널의 수가 작을 때 Rao 통계량이 Wald 통계량 보다 더 우수한 검정력을 가짐을 모의실험을 통해 확인하였다. 시도별 월별 경제활동인구수 자료를 패널 1차 자기회귀 모형으로 적합하여 동질성 검정을 수행한 결과 동질성을 만족하였다. 동질성 검정을 만족한 자료를 시점별 평균을 이용하여 종합하고 이를 1차 자기회귀모형으로 적합하였다. 각각의 시도별로 적합한 모형과 시점별 평균을 이용하여 적합한 모형의 예측력을 비교한 결과 동질성 검정을 통과한 패널 1차 자기회귀모형의 경우 자료를 종합하여 적합한 모형의 예측력이 더 우수함을 확인하였다.

• Communications for Statistical Applications and Methods
• /
• 제21권2호
• /
• pp.169-181
• /
• 2014

Marginalized random effects models (MREM) are commonly used to analyze longitudinal categorical data when the population-averaged effects is of interest. In these models, random effects are used to explain both subject and time variations. The estimation of the random effects covariance matrix is not simple in MREM because of the high dimension and the positive definiteness. A relatively simple structure for the correlation is assumed such as a homogeneous AR(1) structure; however, it is too strong of an assumption. In consequence, the estimates of the fixed effects can be biased. To avoid this problem, we introduce one approach to explain a heterogenous random effects covariance matrix using a modified Cholesky decomposition. The approach results in parameters that can be easily modeled without concern that the resulting estimator will not be positive definite. The interpretation of the parameters is sensible. We analyze metabolic syndrome data from a Korean Genomic Epidemiology Study using this method.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1993년도 하계학술대회 논문집 A
• /
• pp.131-133
• /
• 1993

In the power system state estimation, the J(x)-index test and normalized residuals $r_N$ have been used to detect the presence of bad measurements and identify their location. But, these methods require the complete re-estimation of system states whenever bad data is identified. This paper presents back-propagation neural network model using autoregressive filter for identification of bad measurements. The performances of neural network method are compared with those of conventional methods and simulation results show the good performance in the bad data identification based on the neural network under sample power system.

• 한국음향학회지
• /
• 제15권4호
• /
• pp.50-57
• /
• 1996

본 논문에서는 최적의 웨이브렛 선택방법과 이 선택된 웨이브렛으로 F-검정을 이용하여 AR파라메터를 전개시키는 방법을 제안하였으며 웨이브렛 선택 방법으로서 평가함수를 도입하였다. 이 평가함수를 이용하여 웨이브렛들(D4-D20)을 합성신호에 대해서 시험하였다. 이때 선택된 웨이브렛을 이용하여 합성신호와 실제 음성신호에 대해서 AR파라메터들을 웨이브렛 전개 했을때의 웨이브렛 계수를 구하였다. 제안된 방법을 평가하기 위해서 칼만필터 알고리즘과 비교하였다. 그 결과 제안된 알고리즘이 칼만필터보다 약5-10dB정도 더 우수한 성능을 나타내었다.

• 한국전자파학회:학술대회논문집
• /
• 한국전자파학회 2001년도 종합학술발표회 논문집 Vol.11 No.1
• /
• pp.324-327
• /
• 2001

In this paper, a 24GHz FMCW radar system which measures the range and the relative velocity of a vehicle in close range is described. The intended ranging accuracy is 15cm and a possible system concept to achieve this objective is presented. The VCO nonlinearity correction method using a reference delay-line and the data extrapolation algorithms based on AR(autoregressive) model are applied. The implemented system shows relatively satisfactory results in ranging accuracy.

• 대한기계학회논문집
• /
• 제16권9호
• /
• pp.1788-1795
• /
• 1992

본 연구에서는 상술한 특성을 갖는 유동자에 대하여 신뢰성이 보장된 스펙트 럼 추정법의 모색과 화립을 위해 의사 난류신호(turbulent-like signal)를 자기회기 모형(autoregressive model:AR model)으로 생성하고 추출간격이 유동장에 영향을 받는 비주기적 확률과정을 수치적으로 모사한다. 이 비주기적 실현 신호로 부터 현재 가 장 많이 사용되고 있는 Roberts와 Gaster의 직접 변화법과 추출 및 유지신호의 피리오 도그램(periodogram)법에 대해 데이터 밀도와 난류강도의 다양한 변화에 따른 속도편 의의 영향 등을 살펴보는데 목적을 둔다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.101-101
• /
• 2020

Traditional stochastic simulation of hydroclimatological variables often underestimates the variability and correlation structure of larger timescale due to the difficulty in preserving long-term memory. However, the Long Short-Term Memory (LSTM) model illustrates a remarkable long-term memory from the recursive hidden and cell states. The current study, therefore, employed the LSTM model in stochastic generation of hydrologic and climate variables to examine how much the LSTM model can preserve the long-term memory and overcome the drawbacks of conventional time series models such as autoregressive (AR). A trigonometric function and the Rössler system as well as real case studies for hydrological and climatological variables were tested. Results presented that the LSTM model reproduced the variability and correlation structure of the larger timescale as well as the key statistics of the original time domain better than the AR and other traditional models. The hidden and cell states of the LSTM containing the long-memory and oscillation structure following the observations allows better performance compared to the other tested conventional models. This good representation of the long-term variability can be important in water manager since future water resources planning and management is highly related with this long-term variability.