Earticle

본 연구는 드론 시계열 영상을 이용하여 노후 학교 건축물의 조적 외벽에서 발생하는 균열을 자동으로 탐지하고, 정량화하며, 그 성장 경향을 예측하는 유지관리 프레임워크를 제안한다. 제안된 시스템은 시기별 영상 간의 정밀한 정합을 위해 XFeat 기반 정합 기법을 적용하고, 인스턴스 세그멘테이션을 통해 균열의 형태를 추출하고 분석하였다. 정량화된 균열 지표를 기반으로 선형 외삽, ARIMA, 다층 퍼셉트론 모델을 이용해 성장 경향과 잠재적 위험을 예측하였다. 대표적인 시나리오에 대한 실험 결과, 영상 정합과 균열 분할, 예측 단계 모두에서 안정적이고 일관된 성능을 보였다. 본 연구는 데이터 기반의 선제적 유지관리 체계 구축에 기여하며, 다양한 인프라 시설물로의 확장 가능성을 제시한다.

This study proposes an integrated maintenance framework for aging masonry facades of school buildings, designed to detect, quantify, and predict crack progression using drone-based time-series imagery. The proposed system integrates XFeat-based temporal registration for accurate alignment between inspection periods and applies instance segmentation to extract and analyze crack patterns. Quantified crack indicators are modeled using linear extrapolation, ARIMA, and multilayer perceptron methods to estimate growth tendencies and potential risks. Experimental evaluation across representative scenarios demonstrated consistent accuracy in image alignment, segmentation, and prediction performance. The results suggest that the proposed approach can support proactive and data-driven maintenance strategies while being adaptable to various types of infrastructure.

벼의 군락 피복도는 광합성량과 바이오매스 축적을 반영하여 생육을 진단하고 수량을 예측하는 핵심 농업 형질이지만, 기존의 직접 측정 방식은 많은 시간과 노력이 요구되는 한계가 있다. 본 연구는 이를 극복하고자, RGB 영상으로부터 피복도를 자동으로 정밀하게 추정하기 위한 최적의 방법론을 탐색하였다. 이를 위해 전통적인 5종의 식생지수 방법과 U-Net, DeepLabV3+ 등이 포함된 5종의 주요 CNN 기반 분할 모델의 성능을 정량적으로 비교 분석하였다. 대한민국 내 평야지, 중산간지 등 다양한 농업 기후대를 대표하는 18개 지역에서 시계열로 수집한 5,000장의 고해상도 이미지로 데이터셋을 구축하였으며, mIOU를 핵심 지표로 각 모델의 분할 정확도를 평가하였다. 평가 결과에서 딥러닝 기반의 분할 성능은 식생지수에 비해서 높은 성능을 나타내었으며 CNN 모델 중에서는 U-Net 아키텍처가 mIOU 0.986으로 가장 뛰어난 성능을 보였다. 딥러닝 기반의 분할 모델은 전체 생육 기간에 걸친 시계열 분석에서 일별 환경변화에 강건한 안정성을 보이며, 실제 벼의 생장 곡선을 가장 안정적으로 추적하여 높은 실용성을 입증하였다. 이는 향후 필지별 맞춤형 관리를 통한 정밀 농업을 구현하고, 디지털 기반의 작황 예측 기술을 고도화하는 핵심 기반기술로 활용될 수 있다는 점에서 큰 의의를 갖는다. 본 연구는 RGB 영상 기반의 벼 피복도 분석을 중심으로 수행하였으며, 향후 UAV 영상이나 타 작물 분석에 적용함으로써 다양한 작물의 생육 진단과 모니터링에 활용될 것으로 기대된다.

Canopy coverage is a key agronomic trait for assessing rice growth and predicting grain yield. However, conventional measurement methods are labor-intensive and inefficient. This study develop a robust, automated system for estimating rice canopy coverage by comparing traditional image analysis techniques with deep learning-based semantic segmentation models. The methodologies compared were: (1) five traditional vegetation index-based methods and (2) five mainstream convolutional neural network (CNN)-based semantic segmentation models (i.e., U-net, DeepLabV3+, LinkNet, FPN, PSPNet), each implemented with a ResNet-101 backbone. A large-scale dataset of 5,000 RGB images captured from 18 locations across Korea was constructed for training and validation. Deep learning-based models significantly outperformed the vegetation index methods. Among the CNN models, U-net achieved the highest performance with a mean Intersection over Union (mIOU) of 0.986. This study identifies U-net architecture as an optimal methodology for automated and highly accurate canopy coverage analysis and establishes a foundational technology for advancing high-throughput phenotyping in precision agriculture.

다변량 시계열 분류 문제는 많은 응용 분야에서 연구되고 있다. 인공지능 기반의 많은 모델이 최근 개발되었고 그 성능이 향상되고 있다. 현재 개발되고 있는 많은 인공지능 모델은 블랙박스 형태로 모델의 출력에 대한 설명가능성이 요구되고 있다. 의학, 금융, 군사 분야 등의 주요 의사결정 분야에서 이러한 요구사항이 증가되고 있으며, 이러한 요구에 따라 다양한 인공지능 모델에 대하여 설명가능한 인공지능 기술(XAI)들이 제시되었다. 본 연구에서는 탄도 미사일의 궤적을 다변량 시계열 데이터로 간주하고, 궤적을 입력으로 받아 탄도 미사일의 탄종을 분류하는 트랜스포머 기반의 모델에 대하여 XAI 기법들을 적용하였고 그 결과를 비교, 분석하였다. 트랜스포머 기반의 다변량 시계열 분류 모델에 적합한 XAI 기법으로 LIME 분석과 SHAP 분석, 기울기 기반(Gradient Based) 분석 방법 등을 적용하고 각 방법의 분석 결과를 비교하였다. 각 방법을 적용하여 모델에 사용된 여러 특징 변수 중에서 가장 중요한 변수를 식별하였고, 시계열 데이터의 특성을 고려하여 어느 구간에서 어떤 특징 변수가 중요한지를 추가 식별하였다. 또한 각 기법들에 대하여 검증 결과를 비교하였다. 다양한 XAI 기법을 적용하고 그 결과를 비교하여 모델의 설명 가능성을 제시할 수 있었으며, 이는 모델의 분류 결과에 대한 신뢰도를 높일 수 있을 뿐 아니라 향후 모델의 성능 향상에도 기여할 수 있을 것이다.

Multivariate time series classification problems are being studied in many application fields. Many AI-based models have been developed recently, and their performances are improving. Many AI models being developed require the explainability of the model output in the form of a black box. This requirement is increasing in major decision-making fields such as medicine, finance, and military, and various AI technologies (XAI) that can explain AI models have been proposed in response to this demand. In this study, we considered the trajectory of a ballistic missile as a multivariate time series data, applied XAI techniques to a transformer-based model that receives the trajectory as input and classifies the type of ballistic missile. We applied LIME, SHAP, and gradient-based analysis methods as XAI techniques suitable for the transformer-based multivariate time series classification model, and compared the analysis results of each method. By applying each method, we identified the most important variable among the various feature variables used in the model, and additionally identified which feature variable is important in which section by considering the characteristics of the time series data. We also compared the verification results for each technique. By applying various XAI techniques and comparing the results, we were able to present the explainability of the model, which will not only increase the reliability of the model's classification results, but also contribute to improving the model's performance in the future.

In this paper, we implement a lossless compression technique for time-series data generated by IoT (Internet of Things) devices to reduce the disk spaces. The proposed compression technique reduces the size of the encoded data by selectively applying CNN (Convolutional Neural Networks) or Delta encoding depending on the situation in the Forecasting algorithm that performs prediction on time series data. In addition, the proposed technique sequentially performs zigzag encoding, splitting, and bit packing to increase the compression ratio. We showed that the proposed compression method has a compression ratio of up to 1.60 for the original data.

Assessing ground stability is critical to the construction of underground transportation infrastructure. Surface displacement is a key indicator of ground stability, and can be measured using interferometric synthetic aperture radar (InSAR). This study measured time-series surface displacement using permanent scatterer InSAR applied to Sentinel-1 SAR images acquired from January 2017 to June 2023 for the area around a deep underground expressway under construction to connect Mandeok-dong and Centum City in Busan, South Korea. Regions of seasonal subsidence and uplift were identified, as were regions with severe subsidence after summer 2022. To evaluate stability of the ground in the construction area, the mean displacement velocity, final surface displacement, cumulative surface displacement, and difference between minimum and maximum surface displacement were analyzed. Considering the time-series surface displacement characteristics of the study area, the difference between minimum and maximum surface displacement since June 2022 was found to be the most suitable parameter for evaluating ground stability. The results identified highly unstable ground in the construction area as being to the north of the mid-lower reaches of the Oncheon-cheon River and to the west of the Suyeong River at the point where both rivers meet, with the difference between minimum and maximum surface displacement of 40~60 mm.

2015년 '파리협정' 및 2021년 '기후위기 대응을 위한 탄소중립·녹색성장 기본법' 제정에 따라 2030년 국가 온실가스 감축목표(NDC, 2018년 대비 40% 감축) 달성을 위해서는 지자체별 적절한 온실가스 감축 목표 설정과 이행 노력이 필수적이다. 이에 이 연구에서는 충청북도 지역을 중심으로 1990-2018년 까지 온실가스 배출 현황을 시계열로 분석하였고, 2030년 국가 온실가스 감축목표와 시나리오를 바탕으로 충청북도의 2030년 온실가스 감축 목표를 제안하였다. 또한 감축 목표 달성을 위해 BAU 대비 장래 배출량을 고려한 2030년까지의 감축 잠재량을 추정하였다. 그 결과, 첫째, 우리나라와 충북의 온실가스 배출량은 1990년 이래 인구 및 경제 성장에 따라 증가해온 것으로 나타났으며, 2018년 국가 대비 충북의 온실가스 배출량은 3.9%로 매우 낮은 편이였고, 시멘트 및 석회 생산, 제조업 및 건설업, 수송업 등 연료연소에 의한 배출이 주를 이루는 것으로 나타났다. 둘째, 2030년 NDC 및 2050 탄소중립 시나리오를 반영한 2030년 충청북도 온실가스 감축 목표는 2018년 대비 40.2%로 설정하였다. 이에 장래 배출량을 고려할 경우 목표 달성을 위한 감축 잠재량은 2018년 대비 46.8%인 것으로 추정되었다. 상기 결과는 국가 및 지자체의 온실가스 감축 목표 달성을 위해서는 분야별 온실가스 감축 수단을 통한 감축 잠재량을 충족하는 것이 중요하다는 것을 의미한다. 또한 2030년 NDC 및 2050 탄소중립 시나리오 달성을 위해 충북을 포함한 국가 및 각 지자체는 온실가스 장래 배출량을 연도별로 추정하여 매년 감축 목표와 감축 잠재량을 구하고 이를 삭감할 수 있는 구체적인 감축 수단을 마련할 필요가 있음을 말해준다.

In accordance with the enactment of 'the Paris Agreement' in 2015 and 'the Framework Act on Carbon Neutrality and Green Growth for Response to the Climate Crisis' in 2021, each local government has set appropriate reduction target of greenhouse gas to achieve the nationally determined contribution (NDC, the reduction target of 40% compared to 2018) of greenhouse gas (GHG) emissions in 2030. In this study, the current distribution of GHG emissions was analyzed in a time series centered on the Chungbuk region for the period from 1990 to 2018, with the aim of reducing GHG emissions in Chungbuk by 2030 based on the 2030 NDC and scenario. In addition, the prospected reduction by 2030 was estimated considering the projected emissions according to Busines As Usual in order to achieve the target reduction of GHG emissions. Our results showed that GHG emissions in Chungbuk and Korea have been increasing since 1990 owing to population and economic growth. GHG emissions in 2018 in Chungbuk were very low (3.9 %) relative to the national value. Moreover, emissions from fuel combustion, such as cement and lime production, manufacturing and construction industries, and transportation industries, were the main sources. Furthermore, the 2030 target of GHG emission reduction in Chungbuk was set at 40.2% relative to the 2018 value, in accordance with the 2030 NDC and 2050 carbon-zero national scenario. Therefore, when projected emissions were considered, the prospected reduction to achieve the target reduction of GHG emissions was estimated to be 46.8% relative to 2018. The above results highlight the importance of meeting the prospected reduction of GHG emissions through reduction means in each sector to achieve the national and local GHG reduction target. In addition, to achieve the 2030 NDC and 2050 carbon zero, the country and each local government, including Chungbuk, need to estimate projected emissions by year, determine reduction targets and prospect reductions every year, and prepare specific means to reduce GHG emissions.

본 논문에서는 장기 종속 다변량 시계열 자료에 대한 이상점 탐지 기법을 연구한다. 기존 다변량 시계열 이상점 탐지 방법은 단기 종속 시계열 모형인 VARMA에 기반한 방법으로, 장기억성을 띈 다변량 시계열 자료에는 적합하지 않다. 자기회귀 모형을 통해서 장기 종속성, 즉 장기억성을 고려하기 위해서는 높은 차수의 모형이 필요하고, 이는 곧 추정의 불안성으로 이어지기에 장기억성을 효율적으로 다룰 수 없기 때문이다. 따라서, 본 논문은 이러한 문제를 보완하고자 VHAR 구조에 기반한 이상점 탐지 방법을 제시하고자 한다. 또한 더욱 정확한 추론을 위해서 로버스트한 방법을 이용하여 VHAR 계수를 추정하였고 이를 활용하여 이상점을 탐지하였다. 모의실험 결과 우리가 제안한 방법론이 기존 VARMA에 기반한 방법론보다 이상점 탐지에 더 효과적임을 살펴볼 수 있었다. 주가지수에 대한 실증자료 분석에서도 기존의 방법론은 탐지하지 못하는 추가 이상점을 찾음을 확인할 수 있었다.

This paper studies the outlier detection method for multivariate long memory time series. The existing outlier detection methods are based on a short memory VARMA model, so they are not suitable for multivariate long memory time series. It is because higher order of autoregressive model is necessary to account for long memory, however, it can also induce estimation instability as the number of parameter increases. To resolve this issue, we propose outlier detection methods based on the VHAR structure. We also adapt the robust estimation method to estimate VHAR coefficients more efficiently. Our simulation results show that our proposed method performs well in detecting outliers in multivariate long memory time series. Empirical analysis with stock index shows RVHAR model finds additional outliers that existing model does not detect.

오일샌드 채굴에 널리 이용되고 있는 증기 주입식 중력 배수(Steam-Assisted Gravity Drainage, SAGD) 공법은 지표의 변형을 야기하며, 이는 오일샌드 플랜트의 안정성에 영향을 미칠 뿐만 아니라 다양한 지질 재해의 원인이 되므로 지속적인 모니터링이 필요하다. 이 연구에서는 캐나다 앨버타의 Athabasca 오일샌드 지역에 대해 2016년부터 2021년까지 획득된 Sentinel-1 시계열 영상레이더(synthetic aperture radar, SAR) 자료에 고정산란체 간섭기법(Permanent Scatterer Interferometric SAR, PSInSAR)을 적용하여 SAGD 운용에 의한 지표변위를 관측하였다. 그리고 SAGD의 건설 및 확장을 Landsat-7/8 시계열 영상으로부터 파악하고, 이를 통해 SAGD의 원유 생산성에 따른 지표변위의 특성을 분석하였다. Athabasca 오일샌드 지역의 SAGD 및 그 주변에서는 레이더 관측방향으로 0.3-2.5 cm/yr의 지반융기가 관측된 반면, SAGD에서 수 km 이상 떨어져 있고 오일샌드 채굴의 영향이 없는 지역에서는 -0.3--0.6 cm/yr의 침하가 관측되었다. Landsat-7/8 시계열 영상 분석을 통해 2012년 이후에 건설되어 높은 생산성을 보이는 SAGD는 증기의 주입으로 인해 1.6 cm/yr 이상의 지반융기를 야기하는 반면에 더 오랜 기간 동안 운용되어 생산성이 상대적으로 낮은 SAGD에서는 증기 주입에도 불구하고 지속적인 원유 회수에 따른 사암의 압축 때문에 연간 수 mm의 매우 작은 융기가 발생함을 추정할 수 있었다. SAGD 및 그 주변을 제외한 대부분의 지역에서 관측된 침하는 동토층의 융해에 의한 점진적 지반침하로 추정되었다. 동토층의 침하를 고려할 때 SAGD 운용에 기인하는 지반의 융기는 관측된 것보다 더 클 것이라고 예상되었다. 이 연구의 결과를 통해 PSInSAR 기법이 극한지 오일샌드 SAGD의 생산성과 안정성 평가에 유용한 수단으로 활용될 수 있음을 확인할 수 있었다.

SAGD (Steam-Assisted Gravity Drainage) method is widely used for oil recovery in oil sands regions. The SAGD operation causes surface displacement, which can affect the stability of oil recovery plants and trigger various geological disasters. Therefore, it isimportant to monitor the surface displacement due to SAGD in the oil sands region. In this study, the surface displacement due to SAGD operations of the Athabasca oil sands region in Alberta, Canada, was observed by applying Permanent Scatterer Interferometric Synthetic Aperture Radar (PSInSAR) technique to the Sentinel-1 time series SAR data acquired from 2016 to 2021. We also investigated the construction and expansion of SAGD facilitiesfrom Landsat-7/8 time seriesimages, from which the characteristics of the surface displacement according to the oil production activity of SAGD were analyzed. Uplift rates of 0.3-2.5 cm/yr in the direction of line of sight were observed over the SAGDs and their vicinity, whereas subsidence rates of -0.3--0.6 cm/yr were observed in areas more than several kilometers away from the SAGDs and not affected by oil recovery activities. Through the analysis of Landsat-7/8 images, we could confirm that the SAGDs operating after 2012 and showing high oil production activity caused uplift rates greater than 1.6 cm/yr due to the subsurface steam injection. Meanwhile, very small uplift rates of several mm per year occurred over SAGDs which have been operated for a longer period of time and show relatively low oil production activity. This was probably due to the compression of reservoir sandstone due to continuous oil recovery. The subsidence observed in areas except for the SAGDs and their vicinity estimated to be a gradual land subsidence caused by melting of the permafrost. Considering the subsidence, it was expected that the uplift due to SAGD operation would be greater than that observed by the PSInSAR. The results of this study confirm that the PSInSAR can be used as an effective means for evaluating productivity and stability of SAGD in the extreme cold regions.

특정 분야의 특허출원수는 기술의 수명주기 및 산업의 활성화 정도와 밀접한 관계를 가지고 있다. 따라서 사전에 사업을 준비하는 기업들과 미래 유망 기술을 초기 단계에서 선발하여 투자하고자 하는 정부 기관들은 미래의 특허 출원수 예측에 대해 큰 관심을 가지고 있다. 본 논문에서는 시계열 데이터에 적합한 RNN의 기법 중 하나인 양방향 LSTM 기법을 이용하여 기존 예측 방법들보다 정확도를 높이는 방법을 제안한다. 5개 분야의 대한민국 특허 출원 데이터에 대해서 제안된 방법은 기존에 사용되던 확산 모델 중 하나인 Bass 모델과 비교하여 평균 절대 백분율 오차(MAPE)의 값이 약 16퍼센트 향상된 결과를 보여준다.

The number of patent application filing for a specific technology has a good relation with the technology's life cycle and future industry development on that area. So industry and governments are highly interested in forecasting the number of patent application filing in order to take appropriate preparations in advance. In this paper, a new method based on the bidirectional long short-term memory(LSTM), a kind of recurrent neural network(RNN), is proposed to improve the forecasting accuracy compared to related methods. Compared with the Bass model which is one of conventional diffusion modeling methods, the proposed method shows the 16% higher performance with the Korean patent filing data on the five selected technology areas.

This paper discusses missing data processing using simple moving average (SMA) and kalman filter. Also SMA and kalman predictive value are made a comparative study. Time series analysis is a generally method to deals with time series data in photovoltaic field. Photovoltaic system records data irregularly whenever the power value changes. Irregularly recorded data must be transferred into a consistent format to get accurate results. Missing data results from the process having same intervals. For the reason, it was imputed using SMA and kalman filter. The kalman filter has better performance to observed data than SMA. SMA graph is stepped line graph and kalman filter graph is a smoothing line graph. MAPE of SMA prediction is 0.00737%, MAPE of kalman prediction is 0.00078%. But time complexity of SMA is O(N) and time complexity of kalman filter is O(D²) about D-dimensional object. Accordingly we suggest that you pick the best way considering computational power.

We used seawater temperature data, measured in the Garolim Bay, to analyze temperature variation on an hourly and daily basis. Lagrange's interpolation using before and after data was applied to restore nonconsecutive missing temperature data. The estimated error of the data restoration was 0.11℃. Spectral analyses of seawater temperature showed significant periodicities of approximately 12.4 h (semidiurnal tide) and 15.0 d (long-period tide), which is close to those of M₂ and M_f partial tides. Variation in seawater temperature was correlated more with tidal height than with air temperature around the Garolim Bay. In June and December, when the seawater temperature difference between the inside and outside of the Garolim Bay was very large, the periodicities of 12.4 h and 15.0 d were highly prominent. These results indicate that the exchange of seawater between the inside and outside of the Garolim Bay induced variations in seawater temperature owing to tide. Understanding temperature variation because of tide helps to prevent abnormal mortality of cultured fish and to predict seawater temperature in the Garolim Bay.

The observed time series from the Korea Ocean Research Stations (KORS) in the Yellow and East China Seas (YECS) have various sources of noise, including bio-fouling on the underwater sensors, intermittent depletion of power, cable leakage, and interference between the sensors' signals. Besides these technical issues, intricate waves associated with background tidal currents tend to result in substantial oscillations in oceanic time series. Such technical and environmental issues require a regionally optimized automatic quality control (QC) procedure. Before the achievement of this ultimate goal, we examined the approach of the Ocean Observatories Initiative (OOI)'s standard QC to investigate whether this procedure is pertinent to the KORS. The OOI QC consists of three categorized tests of global/local range of data, temporal variation including spike and gradient, and sensor-related issues associated with its stuck and drift. These OOI QC algorithms have been applied to the water temperature time series from the Ieodo station, one of the KORS. Obvious outliers are flagged successfully by the global/local range checks and the spike check. Both stuck and drift checks barely detected sensor-related errors, owing to frequent sensor cleaning and maintenance. The gradient check, however, fails to flag the remained outliers that tend to stick together closely, as well as often tend to mark probably good data as wrong data, especially data characterized by considerable fluctuations near the thermocline. These results suggest that the gradient check might not be relevant to observations involving considerable natural fluctuations as well as technical issues. Our study highlights the necessity of a new algorithm such as a standard deviation-based outlier check using multiple moving windows to replace the gradient check and an additional algorithm of an inter-consistency check with a related variable to build a standard QC procedure for the KORS.

본 논문은 최근 금융시계열 분야에서 자주 등장하는 고빈도 시계열 변동성 분석을 다루고 있다. 고빈도 시계열 변동성 분석을 위해 차원 축소를 목적으로 하는 함수형 주성분분석을 적용하였으며 이를 수행하는 R의 두 함수를 비교하고 있다. 응용으로서, KOSPI 고빈도 자료에 적용해 보았다.

High-frequency data are now prevalent in financial time series. As a functional data arising from high-frequency financial time series, we are concerned with the intraday volatility to which functional principal component analysis (FPCA) is applied in order to achieve a dimension reduction. A review on FPCA and R function is made and high-frequency KOSPI volatility is analysed as an application.

본 논문에서는 Mean Absolute Percentage Error (이하 MAPE)와 Symmetric Mean Absolute Percentage (이하 sMAPE)의 새로운 접근법을 이용한 시계열 예측 모델의 평가 방법을 소개한다. MAPE, sMAPE에는 다음과 같은 문제점이 있다. 데이터 집합에서 관측 값이 0일 경우 평가할 수 없고, 관측 값이 0에 매우 가깝다면 과도한 평가 값을 측정한다. 관측 값과 예측 값 간에 동일한 오차를 가지더라도 다른 값으로 평가하는 문제도 가지고 있다. 동일한 오류 값이 과대 예측되었는지 아니면 과소 예측되었는지에 따라 다른 평가 값을 측정하거나 관측 값의 부호와 예측 값의 부호가 서로 다르면 그 오차는 평가 값에 반영되지 않는다. 이러한 문제는 Maximum Mean Absolute Percentage Error (이하 mMAPE)에 의해 해결하였다. 우리는 MAPE 평가 방법의 분모에서 관측 값을 사용하는 대신 최대 절대 값을 사용했다. 최대 절대 값이 1보다 작으면 분모를 제거하여 0 값이 정의되지 않은 문제와 미세한 값일 경우 과대 측정되는 문제를 해결하였다. Beijing PM2.5의 온도 데이터와 시뮬레이션 데이터를 통해 mMAPE와 다른 평가 방법들의 결과 값을 비교하였으며, 위의 문제들을 해결할 수 있음을 검증하였다.

In this paper, we introduce evaluation method of time series prediction model with new approach of Mean Absolute Percentage Error(hereafter MAPE) and Symmetric Mean Absolute Percentage Error(hereafter sMAPE). There are some problems using MAPE and sMAPE. First MAPE can't evaluate Zero observation of dataset. Moreover, when the observed value is very close to zero it evaluate heavier than other methods. Finally it evaluate different measure even same error between observations and predicted values. And sMAPE does different evaluations are made depending on whether the same error value is over-predicted or under-predicted. And it has different measurement according to the each sign, even if error is the same distance. These problems were solved by Maximum Mean Absolute Percentage Error(hereafter mMAPE). we used the absolute maximum of observed value as denominator instead of the observed value in MAPE, when the value is less than 1, removed denominator then solved the problem that the zero value is not defined. and were able to prevent heavier measurement problem. Also, if the absolute maximum of observed value is greater than 1, the evaluation values of mMAPE were compared with those of the other evaluations. With Beijing PM2.5 temperature data and our simulation data, we compared the evaluation values of mMAPE with other evaluations. And we proved that mMAPE can solve the problems that we mentioned.

본 논문은 다변량 변동성을 다루고 있다. 최근 들어 활발하게 연구가 되고 있는 고빈도(high frequency)자료에 기초한 변동성 측정방법인 실현변동성을 계산하고 기존의 다변량 GARCH 모형과 비교분석하였다. 정준상관분석과 VaR분석을 이용하여 실현변동성과 다양한 다변량 GARCH 모형을 비교하였으며 최근 6년 동안의 삼성전자/현대차 거래 가격 고빈도 데이터를 이용하여 실증분석을 실시하였다.

Multivariate GARCH models are interested in conditional variances (volatilities) as well as conditional correlations between return time series. This paper is concerned with high-frequency multivariate financial time series from which realized volatilities and realized conditional correlations of intra-day returns are calculated. Existing multivariate GARCH models are reviewed comparatively with the realized volatility via canonical correlations and value at risk (VaR). Korean stock prices are analysed for illustration.

기존의 시계열 군집화 알고리즘들은 시계열의 동조화 관계를 찾는데 있어 적합하지 못하다. 일반적으로 시계열을 생성하는 시스템은 시간의 흐름에 따라 시스템의 상태변수들이 변하기 때문에 시계열의 동조화분석에 이를 고려해야 한다. 본 논문에서는 동조화 관계를 갖는 시계열 군집을 찾기 위해 CTC(Co-movement Time series Clustering)알고리즘을 제안한다. 해당 알고리즘은 시간의 흐름에 따른 시계열 데이터의 중요도를 동조화분석에 고려하기 위하여 가중거리함수를 정의하였다. 또한 CTC알고리즘에 정제과정을 포함하여 알고리즘에 의하여 생성된 군집에 동조화정도가 현저히 벗어나는 노이즈 데이터가 포함되지 않도록 하였다. 실험을 통하여 동조화 관계를 갖는 시계열 군집를 비교 알고리즘들 보다 더 잘 찾아주는 것을 보였다.

Existing time series clustering algorithms are not suitable for finding co-movement relations in time series. In general, systems generating time series should take this into account for time series co-movement analysis because the state variables of the system change over time. In this paper, we propose a Co-movement time series clustering (CTC) algorithm to find time-series clusters with co-movement relations. The algorithm defines the WeightedDist function to consider the importance of time series data over time in co-movement analysis. In addition, the CTC algorithm includes a refinement process so that clusters generated by the algorithm do not include noise data that is significantly out of Co-movement. Experiments have shown that time-series clusters with Co-movement relationships are better found than comparative algorithms.

국내에서 부동산 경매 낙찰가율 데이터를 활용한 Chaos 분석 연구는 전무하다. 부동산 경매분야의 데이터가 충분히 누적됨에 따라 부동산 경매 낙찰가율 시계열 분석의 의미가 커지게 되었다. 본 연구에서는 Hurst 지수, 상관차원, maximum Lyapunov 지수, 이 3가지 Chaos 분석기법을 활용하여 낙찰가율의 비선형 결정론적 동역학계적 특성을 확인하고, Chaos 분석을 통하여 얻은 결과와 실무 데이터를 비교하여, 함의를 도출한다. 높은 Hurst 지수에 따르는 추세와, maximum Lyapunov 지수의 측정을 통한 지속성, 그리고 상관차원 분석의 결과에 따라 time lag가 개시결정일에서 낙찰일, 배당요구종기일에서 낙찰일까지와 일치하는 점으로부터, Chaos 분석이 낙찰가율의 움직임을 예측하는데 유용함을 확인할 수 있었다.

There has never been research on Chaos analysis using real estate auction sale price rate in Korea. In this study, three Chaos analysis methodologies - Hurst exponent, correlation dimension, and maximum Lyapunov exponent - in order to capture the nonlinear deterministic dynamic system characteristics. High level of Hurst exponent and the extremely low maximum Lyapunov exponent provide the tendency and the persistence of the data. The empirical results give two meaningful facts. First, monthly time lags of the correlation dimension are coincident with the time period from the approval auction start day to the sale price fixing day. Second, its weekly time lags correspond to the time period from the last day of request for sale price allocation to the sale price fixing day. Then, this study potentially examines the predictability of the real estate auction price rate time series.

금융시계열은 일반 시계열과는 차별적으로 stylized facts로 불리는 특징을 가지고 있다. 이 특징들은 급첨 성질, 비정규분포, 변동성 집중 및 비대칭성을 포함한다. 이러한 특징들을 설명하기 위해서는 기존의 선형 ARMA 모형에서 벗어난 특수한 모형이 필요하게 되었다. 본 논문은 변동성 모형인 GARCH 형태의 모형을 중심으로 특수 금융시계열 모형들을 소개하고 연관된 통계적 이슈들에 대해 가능한 최근 연구를 중심으로 폭 넓게 조망하고 있다.

Contrasted with the standard linear ARMA models, financial time series exhibits non-standard features such as fat-tails, non-normality, volatility clustering and asymmetries which are usually referred to as "stylized facts" in financial time series context (Terasvirta, 2009). We are accordingly led to ad hoc models (apart from ARMA) to accommodate stylized facts (Andersen et al., 2009). The paper aims to give a contemporary overview on financial and special time series models based on the recent literature and on the author's publications. Various models are illustrated including asymmetric models, integer valued models, multivariate models and high frequency models. Selected statistical issues on the models are discussed, bringing some perspectives to the future works in this area.

도시공간에서 토지이용변화는 교통량을 유발하고 이에 따른 교통사고발생이 상호 밀접한 관계를 갖고 있으므로 토지이용변화에 따른 교통사고발생원인 분석은 교통사고저감대책 수립에 중요한 요소로 판단된다. 이에 지방 중소도시인 진주시를 대상으로 5년간(2009년~2013년)의 교통사고 데이터를 주거지역과 상업지역의 사고 발생빈도와 최근린 분석기법에 의한 군집도를 분석한 결과 다음과 같은 결론을 얻었다. 교통사고의 발생빈도는 봄에 가장 많았고 겨울이 가장 작게 발생하였다. 또한 주간과 야간의 교통사고 발생빈도는 주간이 야간에 비해 조금 더 많이 발생하였으나 교통사고발생 군집도는 야간이 주간에 비해 강하게 나타났다. 그리고 토지용도에 따른 교통사고 군집도 분석에서 상업지역은 계절에 따른 변화가 크지 않았으나 주거지역은 겨울철에 군집밀도가 크게 낮아지는 경향을 보였다. 교통사고 유형에 따른 분석 결과 차 대 차의 측면직각추돌사고가 가장 높은 발생빈도를 보였으며 상업지역과 주거지역에 모두 광범위하게 발생되는 것으로 나타났다. 이상의 결과는 도시공간구조에서 교통사고 발생패턴을 파악하는데 중요한 정보가 될 수 있으며, 향후 교통사고저감대책을 수립하는데 유용하게 활용될 것으로 예상된다.

Since changes in land use in urban space cause traffic volume and it is closely related to traffic accidents. Therefore, an analysis on the causes of traffic accidents is judged to be an essential factor to establish the measure to reduce traffic accidents. In this regard, the analysis was conducted on the clustering by using the nearest neighbor indexes with regard to the occurrence frequencies of commercial and residential zone based on traffic accident data of the past five years (2009-2013) with the target of local small-medium sized city, Jinju-si. The analysis results, obtained in this study, are as follows: the occurrence frequency of traffic accidents was the highest in spring and the lowest in winter respectively. The clustering of traffic accident occurrence at nighttime was stronger than at daytime. In addition, terms of the analysis on the clustering of traffic accident according to land use, changes according to the seasons was not significant in commercial areas, while clustering density in winter tended to become significantly lower in residential areas. The analysis results of traffic accident types showed that the side-right angle collision of cars was the highest in frequency occurrence, and widespread in both commercial areas and residential areas. These results can provide us with important information to identify the occurrence pattern of traffic accidents in the structure of urban space, and it is expected that they will be appropriately utilized to establish measures to reduce traffic accidents.

본 논문에서는 CCTV 영상으로 조밀한 3차원 복원을 하기 위하여 스테레오 정합 과정으로 얻어지는 정합점을 증가시키기 위한 실험을 진행하였다. 실험에서는 시간의 경과에 따라 연속적으로 촬영된 스테레오 CCTV 영상에서 시계열별로 단영상을 추출한 뒤, SIFT 정합 알고리즘과 RANSAC 알고리즘을 적용하여 얻어진 정합점을 순차적으로 중첩하였으며, 결과적으로 정합점의 중첩과정이 반복될수록 정합점 수가 계속해서 증가하는 것을 확인할 수 있었다.

In this study, experimented how to increase corresponding points which are obtained through stereo matching for dense 3D reconstruction. After extracting a snapshot image from the images acquired through stereo CCTVs, the matching points obtained using the SIFT matching and RANSAC procedure were gradually overlapped. In conclusion, it was confirmed that as images are overlapped, the number of matching points continues to grow.