Earticle

정규화 변환은 시계열 시퀀스를 구성하는 엔트리들의 전체적인 패턴을 분석하는데 매우 유용하다. 본 논문에서는 단일 색인을 사용한 정규화 변환 지원 서브시퀀스 매칭 방법을 제안한다. 기존의 정규화 변환 지원 서브시퀀스 매칭 방법은 다양한 길이의 질의 시퀀스를 지원하기 위하여 여러 개의 색인을 생성해야 하고, 이에 따라 색인 저장 공간의 오버헤드와 색인 관리의 오버헤드가 발생한다. 본 논문에서는 하나의 색인을 사용하면서도 다양한 길이의 질의 시퀀스에 대한 정규화 변환을 지원하는 효율적인 서브시퀀스 매칭 방법을 제안한다. 이를 위하여, 우선 정규화 변환을 일반화한 포함-정규화 변환(inclusion-normalization transform) 개념을 제시한다. 포함 정규화 변환이란 색인에 저장할 윈도우에 대해서 해당 윈도우를 포함하는 서브시퀀스의 평균과 표준편차로 정규화하는 것으로서, 기본적인 정규화 변환을 윈도우 및 서브시퀀스 개념을 사용하여 확장한 것이다. 다음으로, 포함-정규화 변환을 기존 서브시퀀스 매칭 연구에 적용하기 위한 이론적 근거를 정리로서 제시하고 증명한다. 그리고, 이 방안을 구현하기 위한 색인 구성 알고리즘 및 서브시퀀스 매칭 알고리즘을 각각 제시한다. 실제 주식 데이터에 대한 실험 결과, 제안한 방법은 기존 방법에 비해 최대 $2.5{\sim}2.8$배까지 성능을 향상 시킨 것으로 나타났다. 본 논문에서 제안한 정규화 변환 지원 서브시퀀스 매칭은 정규화 변환 이외의 다른 변환을 지원하는 서브시퀀스 매칭으로 일반화 될 수 있다. 따라서, 제안한 방법은 정규화 변환을 포함하는 많은 다른 종류의 변환을 지원하는 서브시퀀스 매칭에 폭넓게 적용될 수 있는 좋은 연구결과라 사료된다.

Normalization transform is very useful for finding the overall trend of the time-series data since it enables finding sequences with similar fluctuation patterns. The previous subsequence matching method with normalization transform, however, would incur index overhead both in storage space and in update maintenance since it should build multiple indexes for supporting arbitrary length of query sequences. To solve this problem, we propose a single index approach for the normalization transformed subsequence matching that supports arbitrary length of query sequences. For the single index approach, we first provide the notion of inclusion-normalization transform by generalizing the original definition of normalization transform. The inclusion-normalization transform normalizes a window by using the mean and the standard deviation of a subsequence that includes the window. Next, we formally prove correctness of the proposed method that uses the inclusion-normalization transform for the normalization transformed subsequence matching. We then propose subsequence matching and index building algorithms to implement the proposed method. Experimental results for real stock data show that our method improves performance by up to $2.5{\sim}2.8$ times over the previous method. Our approach has an additional advantage of being generalized to support many sorts of other transforms as well as normalization transform. Therefore, we believe our work will be widely used in many sorts of transform-based subsequence matching methods.

본 논문에서는 시계열 예측을 이용한 법원경매 정보제공 시스템을 개발하였다. 이 시스템은 권리분석을 위하여 낙찰가를 예측하고, 낙찰예측가에 따라 배당 정보를 제공하도록 설계되어 있으며, 이를 구현하기 위하여 물건 자료의 입력 인터페이스와 정보 제공을 위한 웹 인터페이스를 구축하였다. 자료 입력 인터페이스는 자료의 입력, 수정, 삭제의 기능을 가지며, 웹 인터페이스는 법원경매 물건을 중심으로 관련 정보를 제공한다. 실시간 정보 제공에 초점을 두고 자동 권리분석이 가능하도록 하기 위하여 낙찰가를 시계열 자료로 표현하여 낙찰예상가를 예측 방법을 제안하고, 기존의 방법과 비교 실험을 통하여 제안방법의 유효성을 검증한다.

This paper presents a development of court auction information system using time series forecasting. The system forecast a highest bid price for claim analysis, and it is designed to offer an quota information by the bid price. For this realization, we implemented input interface of object data and web interface of information support. Input interface can be input, update and delete function and web interface is support some information of court auction object. We propose a forecasting method of a highest bid price for auto-claim analysis with real time information support and the results are verified the feasibility of the proposed method by experiment.

Ambient noise as a background noise in the ocean has been well known for its the various and irregular signal characteristics. Generally, these signals we treated as noise and they are analyzed through stochastical level if they don't include definite sinusoidal signals. This study is to see how ocean ambient noise can be analyzed by the chaotic analysis technique. The chaotic analysis is carried out with underwater ambient noise obtained in areas near the Korean Peninsula. The calculated physical parameters of time series signal are as follows: histogram, self-correlation coefficient, delay time, frequency spectrum, sonogram, return map, embedding dimension, correlation dimension, Lyapunov exponent, etc. We investigate the chaotic pattern of noises from these parameters. From the embedding dimensions of underwater noises, the assesment of underwater noise by chaotic analysis shows similar results if they don't include a definite sinusoidal signal. However, the values of Lyapunov exponent (divergence exponent) are smaller than that of random noise signal. As a result we confirm the possibility of classification of underwater noise using Lyapunov analysis.

This paper suggests the method that forecasts Dynamic Line Rating (DLR). Thermal Overload Risk Probability (TORP) of the next time is forecasted based on the present weather conditions and DLR value by Monte Carlo Simulation (MCS). To model weather elements of transmission line for MCS process, this paper will propose the use of statistical weather models that time series is applied. Also, through the case study, it is confirmed that the forecasted TORP can be utilized as a criterion that decides DLR of next time. In short, proposed method may be used usefully to keep security and reliability of transmission line by forecasting transmission capacity of the next time.

이 논문에서는 이산코사인변환을 이용하여 시계열자료를 주파수 공간으로 변환시킨 후, 이산코사인변환 계수를 재표집하여 시계열자료에 대한 재표본을 추출하는 방법에 대해 알아본다. 기존 주파수 공간상에서의 붓스트랩 방법은 스펙트럼평균(spectral mean)에 대한 추론을 하기위해 사용되지만 제안하고자 하는 방법은 시간영역상에서의 시계열자료에 얻을 수 있다는 것이 가장 큰 차이점이다. 이 논문에서는 정상시계열의 경우, 이산코사인변환 계수의 통계적 성질을 유도하고 이 성질을 이용하여 붓스트랩하는 과정을 설명한다. 모의 실험을 통해 기존에 사용되고 있는 방법과 성능을 비교하였다.

This paper presents the resampling method for time series data in the frequency domain obtained by using discrete cosine transforms(DCT) The advantage of the proposed method is to generate bootstrap samples in time domain comparing with existing bootstrapping method. When time series are stationary, statistical properties of DCT coefficients are investigated and provide the verification of the proposed procedure.

기존의 데이터 마이닝 예측 기법 중 회귀분석은 학습 단계에서 생성된 모델을 변경 없이 새로운 데이터에 적용하였다. 그러나 시계열 데이터에 모델 변경 없이 동일하게 적용하면 시간이 지남에 따라 정확도가 낮아지는 단점이 있다. 따라서 이 논문에서는 시간에 따라 변화하는 시계열데이터의 특성을 고려하여 점진적으로 회귀 모델을 갱신하는 기법을 제안한다. 이 기법은 입력되는 모든 데이터를 회귀 모델에 적용하여 점진적으로 모델을 갱신한다. 제안된 기법의 타당성은 RME(Relative Mean Error)와 RMSE(Root Mean Square Error)를 이용하여 측정하였다. 정확도 측정 실험 결과 제안 기법인 IMQR(Incremental Multiple Quadratic Regression) 기법이 MLR(Multiple Linear Regression), MQR(Multiple Quadratic Regression), SVR(Support Vector Regression) 기법에 비해 RME 가 평균 2%, RMSE 가 평균 0.02 정도 우수한 결과를 얻었다.

본 논문은 종합주가지수, 코스닥 지수의 시계열 일간 데이터의 위상분석을 통해 시계열간의 연관성을 분석하였다. 시계열의 데이터는 비선형, 비정상이다. 따라서 위상성분의 정확한 추출을 위해서 전통적인 수학적 방법이 아닌 순간 위상값을 이용한 새로운 신호분석 방법을 사용하여 두 시계열의 연도별 위상차의 왜도와 첨도값을 기준으로 시계열의 상관특성을 살펴보았다.

일정 기간 동안 객체의 변화한 값들을 기록한 것을 그 객체에 대한 시계열 데이타 시퀀스라고 부르며, 이들의 집합을 시계열 데이타베이스라고 한다. 서브시퀀스 매칭은 주어진 질의 시퀀스와 변화의 추세가 유사한 서브시퀀스들을 시계열 데이타베이스로부터 검색하는 연산이다. 본 논문에서는 서브시퀀스 매칭의 성능을 극대화하기 위한 방안을 제시한다. 먼저, 윈도우 크기 효과로 인한 서브시퀀스 매칭의 심각한 성능 저하 현상을 정량적으로 관찰하여, 하나의 윈도우 크기를 대상으로 만든 단 하나의 인덱스만을 이용하는 것은 실제 응용에서 만족할만한 성능을 제공할 수 없다는 것을 규명하였다 또한, 이러한 문제로 인해 다양한 윈도우 크기들을 기반으로 다수의 인덱스들을 구성하여 서브시퀀스 매칭을 수행하는 인덱스 보간법의 응용이 필요함을 보였다. 인덱스 보간법을 응용하여 서브시퀀스 매칭을 수행하기 위해서는 먼저 다수의 인덱스들을 위한 윈도우 크기들을 결정해야 한다. 본 연구에서는 물리적 데이타베이스 설계 방식을 이용하여 이러한 최적의 다수의 윈도우 크기들을 선정하는 문제를 해결하였다. 이를 위하여 시계열 데이터 베이스에서 수행될 예정인 질의 시퀀스들의 집합과 인덱스 구성의 기반이 되는 윈도우들의 크기의 집합이 주어질 때, 전체 서브시퀀스 매칭들을 수행하는 데에 소요되는 비용을 예측할 수 있는 공식을 산출하였다. 또한, 이 비용 공식을 이용하여 전체 서브시퀀스 매칭들의 성능을 극대화 할 수 있는 최적의 윈도우 크기들을 결정하는 알고리즘을 제안하였으며, 이 알고리즘의 최적성과 효율성을 이론적으로 규명하였다. 끝으로, 실제 주식 데이타와 대량의 합성 데이타를 이용한 실험 결과, 제안된 기법은 기존의 단순한 기법과 비교하여 1.5배에서 7.8배 성능이 향상됨을 보였다.

A time-series database is a set of time-series data sequences, each of which is a list of changing values of the object in a given period of time. Subsequence matching is an operation that searches for such data subsequences whose changing patterns are similar to a query sequence from a time-series database. This paper addresses a performance issue of time-series subsequence matching. First, we quantitatively examine the performance degradation caused by the window size effect, and then show that the performance of subsequence matching with a single index is not satisfactory in real applications. We argue that index interpolation is fairly useful to resolve this problem. The index interpolation performs subsequence matching by selecting the most appropriate one from multiple indexes built on windows of their inherent sizes. For index interpolation, we first decide the sites of windows for multiple indexes to be built. In this paper, we solve the problem of selecting optimal window sizes in the perspective of physical database design. For this, given a set of query sequences to be peformed in a target time-series database and a set of window sizes for building multiple indexes, we devise a formula that estimates the cost of all the subsequence matchings. Based on this formula, we propose an algorithm that determines the optimal window sizes for maximizing the performance of entire subsequence matchings. We formally Prove the optimality as well as the effectiveness of the algorithm. Finally, we perform a series of extensive experiments with a real-life stock data set and a large volume of a synthetic data set. The results reveal that the proposed approach improves the previous one by 1.5 to 7.8 times.

Rapid economic growth in Korea, on the other side, has generated increase of multiple complex dangers. To take off dangers scattered in the Korean society and to conduct safe society for better life, it is needed to develop social safety index. Social safety index analyzed by time series could compare and estimate various social disasters, thus it act as the foundation to set up safety policy. The research has focused on 8 social safety indexes; natural disaster, fire, traffic accident, crime, industry accident, forest fire, collapse and explosion, and environmental pollution. To find out Korean society safety index analyzed by time series, the research analyzed changes of each safety indexes in 10 years since 1994. Looking at the changes of each indexes, traffic accident showed the most improvement overall the nation, with industrial accident and collapse and explosion rating second and third place. However, crime, fire and natural disaster get worse, and especially crime has turned worsened than any other divisions.

지하수위와 하천수위와의 상호반응과 수리적으로 다른 특성을 가지는 각 층별(실트질 모래층, 자갈모래층, 풍화대층) 반응관계를 알아보기 위하여 시계열 분석에서 많이 사용되어 온 방법인 자기상관분석과 교차상관분석방법을 이용하였다. 만경강 하천부지에 각 층을 대표하는 깊이에서 지하수위를 관측한 결과, 지하수위가 강수량보다는 하천수위변동에 민감하게 반응하고 있었다. 연구지역의 하천수위변동은 만경강 제수문의 조절과 조석의 영향을 받아 주기적인 수위변동이 우세하기 때문에 강수량과의 상관성은 낮다. 다심도 관정에서 각층별 하천수위에 대한 지하수위 반응은 시간지연 없이 서로 같이 변동하는 것으로 나타났으며, 반응시간은 하천과 가까운 관정에서 30-60분 이내로 빠르며 하천에서 거리가 멀어지면서 반응시간은 대체로 늦게 나타났다. 그러나 하천과 멀리 떨어져 있는 관정이더라도 하천수위에 대하여 빠른 반응을 보이는 관정이 있으며, 이는 하천과 대수층과의 높은 수리적 연결성을 나타낸다. 지하수위의 하천에 대한 반응양상이 다르게 나타나는 것은 대수층의 수리적 불균질성에 의한 것으로 사료된다. 연구지역의 하천은 대체로 지하수위가 하천수위보다 높게 관측되고 있기 때문에 지하수가 하천으로 유출되는 이득하천의 성격을 가지고 있다고 판단되나, 하천의 급격한 수위상승에 따라 역으로 하천의 물이 지하수로 공급되는 손실하천의 성격도 보여주었다. 하천수위와 대수층이 연결된 시스템에서 시계열분석으로서의 자기 및 교차상관분석은 수리적 상호관계를 파악하기 위한 유용한 도구로 활용될 수 있다.

Aquifer responses to the river stage fluctuations were analyzed between the groundwater level and the river stage in an alluvial aquifer. The auto-correlation and cross-correlation as a time series analysis were applied. Study site is a floodplain in the Mangyeong river. Groundwater levels in each depth representing the silt and sand(SS), gravel and sand(GS), and weathered zone(WZ) layer were monitored. The groundwater levels were more sensitive to the river stage fluctuations than rainfall. Since the river stages are influenced by the gate operations downstream and tide, show periodic patterns, and the correlation coefficients with rainfall is low. Cross-correlation function between groundwater level in each depth do not show any delay time, then response time is very short to each depth. Cross-correlation analysis were performed to estimate the response time of groundwater levels to river stage fluctuations. Groundwater levels respond to the river stage within 30 minutes to 1 hour in wells near the stream. Short time lag between groundwater level and river stage indicates the quick response. A different response time imply the hydraulic inhomogeneity of the site, and a probable high permeability zone between river and aquifer can be inferred. Mangyeong-river in study site is a gaining stream normally, and river stage rising by gate operation or floods makes river water flow into groundwater. The auto-correlation and cross-correlation functions as a time series analysis can be a good tool to interpret the aquifer responses to stream stage fluctuation

트래픽의 증가는 전체 네트워크 성능에 크게 영향을 미치며 네트워크 성능의 유지 및 향상을 위해서는 트래픽 관리가 필수적이다. 본 논문에서는 네트워크 트래픽을 분석하여 시계열 모형에 의해 트래픽을 예측하고 예측된 결과가 대역폭에 비해 크다면 트래픽 폭주임을 가정하고 라우팅 경로의 비용을 증가하여 트래픽을 분산되도록 한다. 즉, 라우팅 혼잡의 발생을 예측하여 라우팅 혼잡을 미리 해소하는 방안을 제안한다. 예측 모형은 실제 네트워크 망에서 트래픽을 수집하여 모형의 확률적 오차를 최소화하는 모형을 추출한다. 확률적 오차를 최소화하는 시계열 모형을 얻기 위해서는 정상성 가정에 대한 적합성을 판단하는데, 정상성 가정은 자기상관함수와 편자기상관함수를 통해 얻을 수 있다. 실험을 통하여 추출된 예측 모형이 라우팅 경로의 비용을 조정함으로써 트래픽이 분산되도록 한다. 그 결과, 트래픽 예측 라우팅이 혼잡 발생을 미연에 방지하여 네트워크 성능을 향상시킬 수 있는 방안이라는 것을 보인다.

An increase In traffic has a large Influence on the performance of a total network. Therefore, traffic management has become an important issue of network management. In this paper, we propose a new routing algorithm that attempts to analyze network conditions using time series prediction models and to propose predictive optimal routing decisions. Traffic congestion is assumed when the predicting result is bigger than the permitted bandwidth. By collecting traffic in real network, the predictable model is obtained when it minimizes statistical errors. In order to predict network traffic based on time series models, we assume that models satisfy a stationary assumption. The stationary assumption can be evaluated by using ACF(Auto Correlation Function) and PACF(Partial Auto Correlation Function). We can obtain the result of these two functions when it satisfies the stationary assumption. We modify routing oaths by predicting traffic in order to avoid traffic congestion through experiments. As a result, Predicting traffic and balancing load by modifying paths allows us to avoid path congestion and increase network performance.

본 논문에서는 단일 색인을 사용하는 정규화 변환 지원 서브시퀀스 매칭 방법을 제안한다. 기존의 정규화 변환 지원 서브시퀀스 매칭 방법은 질의 시퀀스 길이가 커질수록 성능이 저하되고, 이를 해결하기 위하여 여러개의 색인을 사용하는 방법을 취하였다. 본 논문에서는 하나의 색인을 사용하면서도 다양한 길이의 정규화 변환 지원 서브시퀀스 매칭을 수행하는 효율적인 방법을 제시한다. 이를 위하여, 본 논문에서는 정규화 변환의 정의를 확장하여 일반화 정규화 변환 개념을 제시한다. 또한, 이러한 일반화 정규화 변환 개념을 기존 서브시퀀스 매칭 방법들에 적용하는 방안에 대한 이론적 근거를 각각의 정리로서 제시하고 증명하였다. 그리고, 이들 방안을 구현하기 위한 색인 구성 알고리즘 및 서브시퀀스 매칭 알고리즘을 각각 제시하였다. 본 논문에서 제안한 정규화 변환 지원 서브시퀀스 매칭은 다른 변환을 지원하는 서브시퀀스 매칭으로 일반화 될 수 있는 우수한 연구결과라 사료된다.

신경망은 전통적인 시계열 기법들에 비해 대체적으로 예측성능의 우수함이 입증되었으나 계절성과 추세성을 갖는 시계열자료에 대해 예측력이 떨어지는 단점을 가지고 있다. 최근에는 Ensemble 기법인 Bagging Algorithm과 신경망의 혼합모형인 Bagging Neural Network이 개밭되었다. 이 기법은 분산과 편향을 많이 줄여줌으로써 더 좋은 예측을 할 수 있는 것으로 나타났다. 그러나 Ensemble 기법을 이용한 예측모형은 시계열자료를 적합 시키는데 있어 초기부여확률 및 예측자 선정시의 문제점을 가지고 있다. 이에 본 연구에서는 이러한 문제점을 해결하고 더불어 예측력을 향상시키기 위한 방법으로 초기부여확률이 균일분포가 아닌 순차적인 형태의 분포를 제시하고 신경망을 예측자로 활용한 변형된 Ensemble Algorithm을 제안한다. 또한 예측모형의 평가를 위해 실제자료를 가지고 기존 예측모형들과 제안한 방법을 이용하여 예측하고 각 MSE의 비교를 통하여 예측정확도를 알아보고자 한다.

Neural network is one of the most notable technique. It usually provides more powerful forecasting models than the traditional time series techniques. Employing the Ensemble technique in forecasting model, one should provide a initial distribution. Usually the uniform distribution is assumed so that the initialization is noninformative. However, it would be expected a sequential informative initialization based on data rather than the uniform initialization gives further reduction in forecasting error. In this note, a modified Ensemble algorithm using sequential initial probability is developed. The sequential distribution is designed to have much weight on the recent data.

최근 인터넷 쇼핑몰에서 상품을 구매하는 고객들에게 편의성과 효율성을 제공하기 위하여 구매자들의 선호도나 가격에 맞는 상품을 추천해 주는 연구들이 활발하게 진행되고 있지만추천된 상품들의 구매시점에 관한 연구는 찾아보기 어렵다. 이에 본 논문에서는 인터넷 쇼핑몰의 적극적인 마케팅 일환으로 판매가격의 흐름을 시계열 패턴으로 분석하여 상품의 구매시점 정보를 제공하는 방안을 제안한다. 이를 위하여 과거의 판매 기록 데이터베이스에 있는 판매가격의 기준이 되는 패턴과 유사한 변화를 보이는 패턴을 정규화된 유사도로써 검색하고, 검색된 가격 패턴을 기준으로 미래의 가격 패턴의 변화를 분석하여, 미래 가격 패턴의 변화 폭에 따라 상품에 대한 구매시점을 제공한다.

When a customer wants to buy an item at the Internet shopping mall, one of the difficulties is to decide when to buy the item because its price changes over time. If the shopping mall can be able to recommend appropriate buying points, it will be greatly helpful for the customer. Therefore, in this presentation, we propose a method to recommend buying points based on the time series analysis using a database that contains past prices data of items. The procedure to provide buying points for an item is as follows. First, we search past time series patterns from the database using normalized similarity, which are similar to the current time series pattern of the item. Second, we analyze the retrieved past patterns and predict the future price pattern of the item. Third, using the future price pattern, we recommend when to buy the item.

새로운 수자원으로서의 가능성이 대두되는 제주도 연안의 해저에 존재하는 용출수의 위치를 파악하기 위해 원격탐사 자료와 GIS 기법을 적용하였다. 4월, 8월, 12월에 촬영된 Landsat TM자료를 이용하여 해수면 온도, 투명도, 클로로필-a 분포 특성을 분석함으로써 제주도 연안 해저의 용출수와 관련된 이상대를 파악하였다. 또한 지질도, 수계분포도, 분석구 분포 밀도도, 선구조 분포 밀도도, 지하수위도 등의 주제도를 이용한 퍼지기반 공간통합분석을 실시하여 제주도 해안에 주로 분포하는 용천수의 분포 특징을 분석한 결과 Landsat TM 자료 분석 결과와 밀접한 상관관계를 나타내었다.

To explore submarine groundwater discharge (SGD) into the coastal zone of Jeju Island, the water quality analysis with seasonal remotely sensed data was carried out. If the groundwater is directly discharged into the ocean, the water quality of coastal zone is influenced. Therefore sea surface temperature (SST), the transparency, and Chlorophyll-a's concentration were analyzed for extracting the anomaly zone related with SGD using Landsat Thematic Mapper (TM) data acquired on April, August, and December. Then the spatial characteristics of springs, which located along the coastal area, were analyzed by CIS data integration based on Fuzzy logic. The integration results were compared with the anomaly zone extracted from Landsat TM data, and it is considered that springs has close relationship with SGD.

본 연구는 연속 회분식 반응기(SBR) 공정에서 시계열 데이터 마이닝을 이용하여 공정에 사용된 기기의 고장 진단 알고리즘 개발에 대한 내용을 보여주고 있다. 공정에서 비정상적인 반응을 유발하는 장비 관리에 대한 연구는 폭넓게 수행되고 있지 않으므로, 이러한 장비 진단은 소규모 하$\cdot$ 폐수처리장을 무인자동화로 통합관리에 유용하게 적용될 수 있다. 본 연구에서는 진동신호를 이용하여 무인자동화를 위해 선행되어야 하는 공정기기의 공장진단에 관한 알고리즘을 개발하였다.

This paper describes how to diagnose SBR plant equipment using time-series data mining. It shows the equipment diagnostics based upon vibration signals that are acquired front each device lot process control. Data transform techniques including two data preprocessing skills and data mining methods were employed in the data analysis. The proposed method is not only suitable for SBR equipment, but is also suitable for other Industrial devices. The experimental results performed on a lab-scale SBR plant show a good equip-ment-management performance.

고속도로 통행수요함수를 추정하기 위하여 시계열자료를 이용하여 회귀분석을 시도하였다. 기존의 연구들이 시계열자료를 이용하여 통행수요함수를 추정함에도 시계열자료의 특성을 고려하지 않았다는 점에서 한계가 있었는데 본 연구에서는 이를 고려한 모형을 제시하였다. 고속도로 통행수요에 영향을 미치는 다양한 물리적 및 사회 경제적 변수를 선택하여 통행수요함수 추정을 시도하였다. 이를 위해 개별 변수들에 대해 단위근 검정을 하였고 공적분 검정을 시도하여 개별 변수들간의 관계를 고찰하였다. 그리하여 벡터오차수정모형을 이용하여 고속도로 통행수요함수를 추정하였는데 실질 GDP가 증가하면 고속도로 이용대수가 증가하는 것으로 나타났다. 그리고 실질 통행료가 증가하면 고속도로 이용대수가 감소하는 것으로 나타나서 일반적인 예측과 일치하였다.

The objective of this study is to estimate highway trip demand functions in Korea. In order to estimate them, I propose various socio-economic variables that affect the highway trip demand functions. I use the unit root test for each variable and the cointegration test to and the relationships among variables. Finally, I use the vector error correction model, to get the highway trip demand functions. The implication which I derive from the estimation is that real GDP and highway tolls have positive and negative effects, respectively. on the highway trip demand.

서브시퀀스 매칭은 주어진 질의 시퀀스와 변화의 추세가 유사한 서브시퀀스들을 시계열 데이터베이스로부터 검색하는 연산이다. 본 논문에서는 크기 효과로 인한 서브시퀀스 매칭의 심각한 성능 저하 현상을 정량적으로 관찰하여, 하나의 윈도우 크기를 대상으로 만든 단 하나의 인덱스만을 이용하는 것은 실제 응용에서 만족할만한 성능을 제공할 수 없다는 것을 규명하였다. 또한, 이러한 문제로 인해 다양한 윈도우 크기를 기반으로 다수의 인덱스들을 구성하여 서브시퀀스 매칭을 수행하는 인덱스 보간법의 응용이 필요함을 보였다. 인덱스 보간법을 응용하여 서비시퀀스 매칭을 수행하기 위해서는 먼저 다수의 인덱스들을 위한 윈도우 크기들을 결정해야 한다. 본 연구에서는 물리적 데이터베이스 설계방식을 이용하여 이러한 최적의 다수의 윈도우 크기들을 선정하는 문제를 해결하였다. 이를 위하여 시계열 데이터베이스에서 수행될 예정인 질의 시퀀스들의 집합과 인덱스 구성의 기반이 되는 윈도우들의 크기의 집합이 주어질 때, 전체 서브시퀀스 매칭들을 수행하는 데에 소요되는 비용을 예측할 수 있는 공식을 산출하였다. 또한, 이 비용 공식을 이용하여 전체 서브시퀀스 매칭들의 성능을 극대화 할 수 있는 최적의 윈도우 크기들을 결정하는 알고리즘을 제안하였으며, 이 알고리즘의 최적성과 효율성을 이론적으로 규명하였다. 끝으로, 실험에 의한 성능 평가를 제안된 기법의 우수성을 제시하였다.

전자계 신호의 시간 변동량을 추출하여 파형으로 나타내는 동작곡선 등은 그 형태가 매우 복잡하다. 이러한 신호의 관측파형에 대하여 특징을 나타내는 변곡점과 같은 신호의 특정 시간을 정확히 결정하는 것이 중요하다. 이러한 특징을 검출하는데 흔히 필터를 설계하여 사용하게 된다. 특히 잡음이 신호에 중첩될 때 자연관측필터를 적용하면 변곡점 추출이 가능하다. 본 논문에서는 잡음이 혼재될 경우에 변곡점의 양호한 추출을 위하여 최적의 차수의 자연관측필터 설계방법을 제안 한다.

The curve shape of the time fluctuation extracted from the electromagnetic signals is very complex. Thus it is important to decide exactly the signal property such as the inflection point for the observed signal. Usually filters elaborately designed are used to detect the signal characteristics. When the noise is added to the signal, the inflection point can be detected using the observation filter. In this paper we propose the design method for a natural observation filter with optimal filter order to extract a definite inflection point for the case of signals with the mixed noise.