Earticle

한 시계열의 원래 관찰치가 본래 가지고 있는 정보를 하나도 잃지 않고 또한 손상시키지 않고 그대로 보존되며 계산이 용이하고, 뿐만 아니라 가능도함수나 비모수 추정함수를 계산함에 있어 수치적 불안정 잠재성이 존재하지 않도록 변환된 시계열을 얻을 수 있으면, 다시 말해 각종 통계량의 계산에 용이하게 적용 가능하되 원래 시계열이 보유하고 있는 모든 성질들은 추호도 손상시킴이 없이 이 시계열을 변환시킬 수 있는 변환방법이 존재한다면, 모수의 추정치와 검정통계량을 정확히 얻을 수 있을 것이다. 이와 같은 변환방법이 웨이브렛 변환이다. 이 변환은 푸리에 분석의 결점을 극복하되 후리에 변환이 적용되는 분야에는 거의 모두 적용 가능한 변환방법이다. 이 논문에서는 시계열의 웨이브렛 변환을 소개하고 이 변환이 재무시계열의 모형화에 한몫을 단단히 할 수 있다는 점을 밝히고자 한다. 그리고 웨이브렛 변환을 성공적으로 적용할 수 있는 주가과정을 하나의 예로 제시하여 웨이브렛 변환의 구체적 적용방법을 탐구하고자 한다. 웨이브렛의 주가 시계열의 적용방법의 한 예로 주가의 장기기억과정을 분석한다. 한국과 외국의 일별 주가지수의 수익률 시계열들이 장기기억과정을 따르는 시계열임이 발견되었다. 여러 형태의 웨이브들을 사용하여 검정하였는데 이 모두가 한결같이 주가지수가 장기기억성과정임을 지지하고 있다.

본 논문에서는 정규 거리에 기반 한 유사 시퀀스의 검색 기법을 제안한다. 시퀀스의 형태가 중요한 관심 사항인 응용에서 정규 거리는 단순한 Lp 거리에 비해 적합한 유사도라 할 수 있다. 이러한 정규 거리에 기반 한 질의를 처리하기 위한 기존의 기법들은 시퀀스의 평균을 구한 후 이를 이용하여 시퀀스를 수직 이동하는 전처리 과정을 가지고 있다. 제안된 기법은 시퀀스의 인접한 두 요소들 간의 변이가 정규화 과정에 불변이라는 속성을 이용하여 수직 이동의 전처리 과정 없이 특징 벡터를 추출한 후 이를 R-tree와 같은 공간 접근 기법을 이용하여 인덱싱한다. 제안된 기법은 비슷한 형태의 시퀀스를 검색할 수 있으며 착오 누락이 얼음을 보장한다. 실제 주식 데이타를 이용한 실험을 통해 제안된 기법의 성능을 확인하였다.

In this paper, we propose a search method for time sequences which supports the normalized distance as a similarity measure. In many applications where the shape of the time sequence is a major consideration, the normalized distance is a more suitable similarity measure than the simple Lp distance. To support normalized distance queries, most of the previous work has the preprocessing step for vertical shifting which normalizes each sequence by its mean. The proposed method is motivated by the property of sequence for feature extraction. That is, the variation between two adjacent elements of a time sequence is invariant under vertical shifting. The extracted feature is indexed by the spatial access method such as R-tree. The proposed method can match time series of similar shape without vertical shifting and guarantees no false dismissals. The experiments are performed on real data(stock price movement) to verify the performance of the proposed method.

시간에 따라 얻어진 공간 자료를 공간시계열 자료라 하며 이러한 자료를 분석하기 위해 사용되는 모형이 공간시계열 모형이다. 최근 곤충학과 생태학에서 공간시계열 모형을 이용한 연구가 활발히 진행되고 있다. 본 논문에서는 온실에 있는 곤충의 마리수를 ARMA 모형과 자기회귀 오차모형을 이용한 공간시계열 모형으로 분석하였다. 자료에 포함된 이상점은 분산도(Variogram) 추정에 많은 영향을 주기 때문에 Mugglestone (2000)의 이상점 수정법을 이용하여 수정하였다. 공간시계열 모형들과 시계열 요인을 배제한 공간모형을 MSE와 MAPE를 이용하여 비교하였다.

Recently space-time model in spatial data analysis is widly used. In this paper we applied this model to analysis of greenhouse whitefly. For handling time component, we used ARMA model and autoregressive error model and for outliers, we adapted Mugglestone's method. We compared space-time models and geostatistic model with MSE and MAPE.

본 논문에서는 모호성을 포함하고 있는 시계열 패턴인식을 위한 새로운 인식모델인 순환퍼지기억장치를 제안한다. 순환퍼지기억장치는 기존의 퍼지기억장치에 순차적인 입력패턴를 처리하고 시간적 관련성을 표현할 수 있는 순환층을 추가함으로써 확장된 모델이다. 본 논문에서 제안하는 순환퍼지기억장치는 입력과 출력사이의 관련정도를 설정하기 위해 헤비안 방식의 학습알고리즘을 사용한다. 그리고 순환퍼지기억장치의 순환층에 필요한 가중치를 학습하기 위해서 오류역전파 알고리즘을 이용한다. 본 논문에서는 제안하는 모델을 음성신호의 경계를 추출하는 문제에 적용하여 성능을 평가한다.

This paper proposes a novel recognition model, a recurrent fuzzy associative memory(RFAM), for recognizing time-series patterns contained an ambiguity. RFAM is basically extended from FAM(Fuzzy Associative memory) by adding a recurrent layer which can be used to deal with sequential input patterns and to characterize their temporal relations. RFAM provides a Hebbian-style learning method which establishes the degree of association between input and output. The error back-propagation algorithm is also adopted to train the weights of the recurrent layer of RFAM. To evaluate the performance of the proposed model, we applied it to a word boundary detection problem of speech signal.

The Euclidean distance is sensitive to the absolute offsets of time sequences, so it is not a suitable similarity measure in terms of shape. In this paper. we propose an indexing scheme for efficient matching and retrieval of time sequences based on the minimum distance. The minimum distance can give a better estimation of similarity in shape between two time sequences. Our indexing scheme can match time sequences of similar shapes irrespective of their vortical positions and guarantees no false dismissals

대용량의 데이터들로부터 사용자가 인하는 데이터를 찾기 위하여 많은 데이터 마이닝 기술들이 연구되어 실제 응용프로그램에서 많이 적용되고 있다. 이러한 데이터 마이닝 기술들은 시계열 데이터를 이용하는 경우보다 트랜잭션 데이터를 이용하여 유용한 정보를 찾는 경우에 초점이 맞춰져 있다. 본 논문에서는 시계열 데이터를 트랜잭션 데이터로 변환하는 접근방법을 소개한다. 가상 트랜잭션은 서로 상대적으로 근접한 시간에 발생하는 이벤트의 집합이라고 정의하며, 가상 트랜잭션 생성기는 가상 트랜잭션을 생성시 시간윈도우와 이벤트 윈도우 방법을 사용한다. 본 논문의 접근 방법을 사용하여 기존의 트랜잭션 데이터를 이용하는 많은 데이터 마이닝 알고리즘들을 수정 없이 시계열 데이터에 적용하여 유용한 정보를 찾을 수 있다.

There has been much research on data mining techniques for applying more advanced applications. However, most of those techniques has focused on transaction data rather than time series data. In this paper, we introduce a approach to convert time series data into virtual transaction data for more useful data mining applications. A virtual transaction is defined to be a collection of events that occur relatively close to each other. A virtual transaction generator uses time window or event window methods. Our approach based on time series data can be used with most conventional transaction algorithms without further modification.

경상북도 고령군 다산면, 천안시 풍세면 삼태리 및 부여 정동ㆍ자왕 지역의 장기수위관측 데이터 및 강수, 대기압 자료의 시계열 분석을 통하여 대수층의 함양특성 및 특히, 대기압에 대한 지하수위 변화 특성을 통한 대수층의 특성(properties) 유추 가능 여부를 보고자 하였다. 하천에 인접한 자왕지구의 경우 자기상관분석에 의하면 다른 세 지역에 비해 데이터 값이 안정적이지 못하며, 대기압 변화에 대한 상관분석에서도 낮은 상관성을 나타낸다. 강수에 대한 함양 특성을 상호상관분석을 통해 해 보았으나, 강설에 의한 영향인지 대체적인 지연시간이 길게 나타났다. 차후 장기적인 데이터 수집 및 분석을 통해 좀 더 정확한 대수층 특성을 밝히고자 한다.

교통량이 시간의 흐름과 관련이 있는 시계열 데이터라는 개념을 기초로 교통량 패턴을 시계열 분석을 사용하여 분해해 보고자 하였다. 교통량 패턴은 추세치(T)와 계절변동(S), 주기변동(C), 그리고 불규칙변동(I)으로 구분할 수 있었는데 본 연구에서는 불규칙변동을 기상요인을 통해 설명하려는 시도를 하였다. 왜냐하면 교통의 주체인 사람들 행태의 특성상 기상의 변화와 관련이 깊다고 판단을 내렸기 때문이었다. 기상요인으로는 일우량, 일조량, 풍속, 주야율 강설량, 기온 등 여러 가지가 있지만 교통량의 변화와 가장 관련이 깊다고 여겨지는 일우량과 최저기온을 이용하였다. 일단 시계열 성분을 분해하고 나면 이를 이용하여 AADT를 추정하게 되는데, 추정의 결과를 비교하기 위해 AADT 추정방법을 두 가지로 구분하였다. 즉, 기상요인을 사용했을 경우와 그렇지 않을 경우로 나누어 결과를 살펴보았다. 추정 결과를 비교하는 척도로는 RMSE와 U-test를 사용하였다. 결과를 보면 불규칙변동요인을 그대로 사용했을 때보다, 기상요인을 결합한 불규칙변동요인을 사용했을 때 더 추정력이 좋았다. 이것은 각 조사지점의 RMSE와 U-test값을 구한 후 그 지점의 AADT로 나누어 준 결과를 보고 알 수 있었다. 이 연구를 통해 우리는 불규칙변동요인 이용방법의 중요성에 대해 한번 더 생각해 보게 된다. 즉 그것을 설명하는 방법에 의해 기존보다 더 나은 모형을 얻을 수도 있다는 결론에 이르게 된다는 것이다.

Until recently, we use only weekly and monthly adjustment factors in order to estimate the AADT. By the way. we can suppose that the traffic is time series data related to flow of time. So we tried to analyse traffic patterns using time series analysis and apply them to estimate the AADT. We could divide traffic patterns into trend, cyclic variation, seasonal variation and irregular variation like as time series data. Also, in order to reduce random error components, we have looked for the weather conditions as an influential factor. There are many weather conditions such as rainfalls, but, temperatures, and sunshine hours among others but we selected rainfalls and lowest temperatures. And then, we have estimated the AADT using time series factors. To compare the results of, we have applied both irregular variation joined to weather factors and that not joined to. RMSE and U-test were opted at methods to appreciate results of AADT estimation.

시계열 예측에 있어서 과거의 측정치 보다 최근의 측정치가 미래의 측정치 예측에 중요한 영향을 미친다. 시계열 예측에 있어서 최근의 측정치와 과거의 측정치가 미래의 값을 예측하는 인자로서 차별화 되어 학습해야 할 것이다. 기존의 시계열에 대한 신경망 접근에서는 최근의 측정치에 대한 학습 패턴과 과거의 측정치에 대한 학습 패턴을 동일하게 학습하였다. 이 논문에서는 과거의 학습패턴과 최근의 학습 패턴을 학습 횟수 면에서 차별화 하였다. 이러한 학습을 이 논문에서는 차별학습이라 한다. 차별학습에서는 주어진 학습 패턴을 시간 순으로 나열하고 일정 개수로 분할한다. 시간의 역순에 의해 등차 또는 등비의 형태로 학습 횟수를 설정한다. 각 학습 패턴의 분말집단을 시간의 역순으로 일정 횟수를 감소시켜 학습 횟수를 설정하는 등차차별학습과 일정 비율로 감소시켜 학습횟수를 설정하는 등비차별학습을 소개한다. 기존의 신경망 접근 방법과 이 논문에서 제안한 신경망 접근방법을 비교하기 위해 Mackay-Galss 공식에 의해 인공적으로 생성된 시계열 데이터를 예로 사용하였다.

본 논문에서는 종래의 정적인 디지털 패턴 매칭을 행하는 연상메모리와는 달리 아놀로그의 시계열정보를 직접 처리하여 시간축 방향으로 설정하는 것으로 강인성이 뛰어난 연상기억시스템을 제안하였다. 시스템의 기본적인 능력을 조사하기 위하여 기억패턴을 주기계열로 그리고 하중은 전부 고정하는 조건으로 단순화하여 시뮬레이션을 행하여 오류 정정능력을 갖는 것을 확인하였다. 시간축 방향의 하중을 적절하게 설정하면 기억용량의 증대나 상기 오류의 저감 등의 효과가 기대된다.

본 연구는 인지 유형에 따라 시계열 예측의 정확성이 분석적인 사람과 직관적인 사람 간에 다를 것이란 가설을 설정하고 이를 규명하기 위하여 44명의 대학생을 사용하여 실험이 이루어졌다. 피험자는 MBTI에 의거하여 분석적인 그룹과 직관적인 그룹으로 나누고 주어진 시계열 데이터에 대하여 예측을 하게 하였다. 이때 인지 유형에 따른 뇌파의 편측성을 분석하기 위하여 전두엽에서 뇌파(F3, F4)를 측정하였다. 그 결과, 인지유형간의 뇌파의 편측성에 유의적인 차이가 없었으며, 예측의 정확성 (MAPE) 또한 유의적인 차이가 없었다.

본 연구는 주식의 시장가치와 거래빈도, 기관지분비율, 거래량 등에 따라 주식수익률의 시계열상관이 일정한 패턴을 갖는 것으로 나타나고 있다는 사실을 실증적으로 확인하고, 주식수익률의 시계열상관에 주된 영향을 미치는 요인을 횡단면 분석방법을 이용하여 살펴보고 있다. 1985년부터 1995년까지의 기간에 걸친 일별수익률자료를 이용하여 분석한 결과를 요약하면, 1) 규모, 거래빈도, 기관지분비율, 거래량 등이 작은 주식들로 구성된 포트폴리오일수록 수익률이 강한 양의 자기상관을 갖게 되며, 또한 그러한 변수들의 크기가 큰 주식들로 구성된 포트폴리오의 수익률에 대하여 후행하는 관계에 있다는 보여주고 있다. 2) Lo and MacKinlay(1990a)의 비거래모형을 이용한 분석결과에서는 한국주식수익률의 시계 및 상관이 전적으로 비거래로 인하여 나타나는 현상이 아니라는 것을 보여주고 있다. 3) 시계열상관의 정도를 나타내는 후행척도를 상기한 변수들에 대하여 회귀분석한 결과는 모든 변수들이 주식수익률의 시계열상관에 동시적으로 영향을 주고 있다는 것을 보여준다. 특히 시계열상관을 야기하는 요인들 중에서 거래빈도는 분석기간에 관계없이 항상 시계열상관에 음의 영향을 미치는 것으로 나타나고 있다. 기관지분비율과 거래량은 분명히 시계열상관에 음의 영향을 미치지만, 분석기간에 따라 유의성에 다소 차이를 보여주고 있다. 수익률의 변동성은 전반기의 경우에 시계열상관과 음의 관계를, 후반기의 경우에는 양의 관계를 갖는 것으로 나타나고 있다. 이러한 검증결과들로 미루어, 한국주식수익률의 시계열상관은 주가의 반응에 영향을 주게되는 시장구조나 투자패턴 등이 전 후반기에 있어서 서로 다르기 때문에 나타나는 현상으로 보인다.력(事前賣却努力)이 협의발행하에서 더 높았으나 발행일 직후의 주가회복은 보이지 않아 인수방식에 따른 가격안정화(價格安定化) 노력의 차이는 없었다. 발행기업들간의 주가차별화의 정도를 분석한 결과 협의발행에서 인회활동(認淮活動) (certification effects)을 더 잘 할 수 있다는 사실을 지지하지 못했다.범위(範圍)에 벗어나 한국주식시장(韓國株式市場)에서 주식시장(株式市場)의 비효율성(非效率性)을 배제할 수 없는 것으로 나타났다. 뿐만 아니라 차기에도 이어지고 화폐량과 소득이 주가의 결정에 영향을 미치고 있으며 다른 금융변수(金融變數)들은 영향을 미치지 않고 있다. 그러나 실질화폐잔고와 실질주가 장단기수익비율 화폐차등수익률과 소득변화률과는 장기적(長期的) 정상적(定常的) 균형관계(均衡關係)를 형성하고 있다. 따라서 장기적 관점에서 증권시장은 경제성장을 위한 통화정책과 각 분야의 균형적 성장을 유발할 수 있는 재정정책(財政政策)이 요청되고 있다. 위의 논의에서 유추할 수 있는 것은 화폐의 영향을 완화시키기 위하여 option시장의 개발과 농산물, 광물, 기타 실물 및 금융에 대한 선물시장의 개설이 요청된다. 이와 같은 시장을 통하여 통화 정책이 증권시장에 미치는 과도한 효과를 축소시켜 합리적이고 건전한 증권시장(證券市場)의 발전(發展)과 금융시장(金融市場)의 원활한 발전이 이룩될 수 있을 것이다. 자본시장이론(資本市場理論)에서는 화폐는 무시하고 실물적인 관점에서 증권가격의 결정을 연구하거나 위험분석에 주안점이 주어져 왔었다. 본 연구를 통하여 통화정책의 결과가 자본시장에 직접적으

본 논문에서는 시계열 image data를 안정되고 높은 정확도로 분류할 수 있는 자동분류법을 제안하였다. 제안한 방법은 대상 영역에 관한 분류도가 기존재하던 가, 아니면 최소한 시계열 image data 중 어느 한 image data가 분류되어 있다고 하는 전제조건에 그 기초를 두고 있다. 분류도는 training area를 선정하기 위라여 사용하는 기준주제도로 사용되어진다. 제안한 방법은 1)기준주제도를 사용한 training data의 추출, 2)taining data의 균질성에 의거한 변화화소의 검출, 3)검출된 변화화소에 대한 clustering, 4)training data의 재구성, 5)maximum likelihood classifier와 같은 판별법에 의한 분류 등 5개의 단계로 구성된다. 제안한 방법의 성능을 정량적으로 평가하기 위하여 4개의 시계열 Landsat TM image data를 제안한 방법과 숙련된 operator가 필요한 기존의 방법으로 각각 분류하여 비교 검토하였다. 그 결과, 기존의 방법으로는 숙련된 operator가 필요하고, 분류도를 얻기까지 수일이 소요되는 데 반하여, 제안한 방법으로는 숙련된 operator 없이, 신뢰성 있는 분류도를 수 시간 내에 자동으로 얻을 수 있었다.

A new automatic classification method with high and stable accuracy for time-series image data is presented in this paper. This method is based on prior condition that a classified map of the target area already exists, or at least one of the time-series image data had been classified. The classified map is used as a reference map to specify training areas of classification categories. The new automatic classification method consists of five steps, i.e., extraction of training data using reference map, detection of changed pixels based upon the homogeneity of training data, clustering of changed pixels, reconstruction of training data, and classification as like maximum likelihood classifier. In order to evaluate the performance of this method qualitatively, four time-series Landsat TM image data were classified by using this method and a conventional method which needs a skilled operator. As a results, we could get classified maps with high reliability and fast throughput, without a skilled operator.

본 연구에서는 신경망이론을 이용하여 시계열자료를 분석할 때 문제가 되고 있는 초기 가중값을 선정하는 방법을 제시하고자 한다. 기존의 연구에서 학습을 위한 초기 가중값의 결정은 난수에 의존하고 있다. 본 연구에서는 신경망학습의 효율적인 초기값을 선택하기 위하여 제어상자를 이용한다. 그리고 학습과정에서 가중값의 변화를 추적하고 적절한 가중값의 범위를 탐색하면서 새로운 초기값을 제어상자를 통하여 실시간으로 재설정하는 방법을 제시한다.

계절성을 갖는 승법 계절 혼합 시계열 모형들의 동질성 검정을 위하여 Wald 검정 통계량을 구하고 그 극한 분포가 ${\chi}^2$-분포함을 보였으며 시뮬레이션 연구를 통하여 뒷받침하였다. 도시 규모가 비슷한 우리나라 지역별 평균 온도자료를 가지고 이 동질성 검정을 수행하여 시계열을 지역별로 모형화하여 예측한 것과 동질성이 있는 것을 묶고 모형화하여 예측한 것에 대한 예측 오차를 비교하였다.

This paper describes a diagnostic protocol of nonlinear dynamic characteristics of biological system using chaos theory. An integrated chaos analysis system for the diagnosis of biological system was designed. We suggest a procedure of attractor reconstruction for reliable qualitative and quantitative analysis. The effect of autonomic nervous system activity on heart rate variability with power spectral analysis and its characteristics of chaotic attractors are investigated. The results show the applicability to evaluate the mental and physical conditions using nonlinear characteristics of biological signal.

기후를 대기의 종합상태라 볼 때에 어느 지역의 기후요소의 변동 크기는 그 지역의 기후의 특성을 나타내는 하나의 지표가 된다. 특히 우리나라 하계 우기인 6,7,8월 동안의 강우량(1920년~1985년)의 변화경향성, 다우년과 과우년의 발생빈도, 그리고 주기 등에 대해 남한 전역의 표준강우량 및 서울, 대구, 부산, 목포, 강릉, 전주의 6개 지점의 강우를 서로 비교하였다. 그리고 남서기류의 영향이 우리나라의 하계 강우에 어떠한 영향을 미치는지 알아보기 위해 남한의 표준강우량 및 6개 지점의 강우와 인도 하계 몬순(monson) 강우와의 상관관계를 조사하였다. 남한 전역의 표준강우량의 평균은 611.6mm이고 표준편차는 165.5mm로서 평균의 21%이다. 6개 지점별 강수량의 평균은 지역에 따라 차이가 심하고 다우년과 과우년의 발생횟수 역시 지역에 따라 차이가 심하다. 변화경향성을 조사한 통계량 r는 남한 전역의 표준강우량의 경우 0.07이며 각 지점별 강우의 경우에도 비슷한 통계량 크기를 나타냈으며 이러한 값들은 통계적으로 유의하지 않다. 즉, 변화경향성은 없다. 우리나라 하계강우의 주기는 2.4~2.5년, 3.1~3.6년 그리고 7.3년으로 나타났다. 우리나라 하계강우와 인도 하계몬순 강우와의 상관은 대구와 전주같은 내륙지방에서는 크게 나타나고, 그 외 해안에 인접한 지역에서는 잘 나타나지 않고 있다.

The interannual fluctuation, trends and perio-dicties in summer rainfall of South Korea were analyzed primarily by using Mann-Kendall rank method and Power Spectrum analysis for the period from 1920 to 1985. Their relations to Indian summer monsoon rainfall have also been examined. Increasing or decreasing rainfall tendencies are not found in South Korea. In Power Spectrum alalysis, 2.5 years periods are predominent at the 95 per cent confidence level in south Korea as a whole and Pusan. Also the period of 11.0 years is found in Seou. There are another prominent spectral peaks at 2.4, 3.1, 6.2 and 7.3 years period, which are significant at 90 per cent confidence level.

For the efficient control of photochemical smog materials, the researches on the change patterns of photochemical smog precursors are indispensable. In this study, a time-series analysis was performed for the auto-monitoring data of Kwanghwamun and Jamsil stations in 1990, and the change patterns of photochemical smog materials were studied. Especially, auto-correlation coefficients were analyzed to investigate the cyclic characteristics of pollutants in question and cross-correlation coefficients to investigate the correlations between pollutants adjusted for time lag and between $O_3$ and meteorological factors. Results of researches are as follows: First, in the case of NO and $NO_2$ intimately related to human activities, 12-hour cycle was prevalent. But $O_3$ showed 24-hour cycle. Second, NO showed a relatively high correlation with $O_3$ and usually developed into $O_3$ 5 to 7 hours later. Third, temperature, insolation intensity, and wind speed showed a positive correlation with $O_3$ while relative humidity a negative correlation.