Earticle

Purpose: The purpose of this study was to compare the result of one-way ANOVA with that of cross-correlation time series analysis in order to evaluate physiologic responses of premature infants to human voices. Methods: Four premature infants born prior to 32 weeks gestational age were included in the study. The Gould 4000TA Recording System recorded the preterm infant's heart and respiratory rate while they were listening to a pre-recorded voice recording. Each infant listened to both male and female voices (1 min each) at each testing session. Results: The results of both one-wayANOVA and cross-correlation time series analysis using heart and respiratory rate data were not consistent in some of premature infants. A cross-correlation time series analysis revealed that the responses of premature infant to vocal stimulation occurred at a varying number of seconds after the stimulus was presented and lasted for over 20-30 sec. Conclusion: The results indicate that a time series analysis can provide more detailed information on the rapidly changing physiologic status of premature infant to the auditory stimulus. In addition, the results provide an insight into an auditory responsitivity of premature infants to a naturally occurring sound, the human voice, in the neonatal intensive care unit.

BCI 기술은 생체신호인 뇌파를 수집하여 신호처리를 거친 후 실질적인 기기제어 및 통신 시스템 등을 제어하는 시스템 관련 기술이다. BCI 시스템 구현을 위해서는 뇌파의 특성을 실시간으로 분석하여 학습 시키고 학습된 뇌파의 특성을 적용하는 단계가 요구된다. 본 논문에서는 EEG 데이터를 효율적으로 분석하기 위해 점진적으로 갱신되는 주성분 분석을 이용하여 왼손/오른손 동작에 영향을 미치는 EEG 신호의 특징을 찾고, 이를 반영하여 데이터의 차원을 축소한다. 입력 자료의 특징을 충분히 포함하면서 낮은 차원을 가지는 데이터를 이용한다면 분류를 위한 계산량을 감소시킬 수 있을 뿐만 아니라 불필요한 특징을 제거함으로써 분류 성능을 향상 시킬 수 있다. 본 논문에서는 점진적으로 갱신되는 주성분 분석을 이용하여 데이터의 차원을 축소하고 이에 대한 효율성을 검증하기 위해 K-NN분류기를 이용하여 분류 정확도 측정을 수행하였다. 그 결과 주성분 분석을 이용하여 특징을 추출하고 분류율을 측정한 경우보다 평균 5% 높은 분류 정확율을 보였다.

BCI technology is to control communication systems or machines by brain signal among biological signals followed by signal processing. For the implementation of BCI systems, it is required that the characteristics of brain signal are learned and analyzed in real-time and the learned characteristics are applied. In this paper, we detect feature vector of EEG signal on left and right hand movements based on incremental approach and dimension reduction using the detected feature vector. In addition, we show that the reduced dimension can improve the classification performance by removing unnecessary features. The processed data including sufficient features of input data can reduce the time of processing and boost performance of classification by removing unwanted features. Our experiments using K-NN classifier show the proposed approach 5% outperforms the PCA based dimension reduction.

시계열 데이터(time series data)는 특정 대상의 시간적 변동을 지속적으로 관측하여 얻은 값이다. 시계열 데이터의 자료수가 많아짐에 따라 자료의 효율적인 탐색을 위한 장치들이 개발되고 있다. 이 중에서 대화형의 자료 탐색(interactive data exploration)을 위한 동적 쿼리(dynamic query)의 대표적인 장치로 Timeboxes를 들 수 있다. Timeboxes는 관심영역에 해당하는 자료들을 보여주는 사각형 쿼리 장치이다. 사용자 본인의 관심 구간을 간단한 마우스 조작을 통해 사각형 형태로 나타내면 이 사각형 영역 내에 해당되는 자료들이 실시간으로 나타난다. 그러나, 구체적인 쿼리 영역을 설정하기에는 한계가 있고 사용자의 사고 모델(mental model)과는 불일치되는 쿼리 영역을 시각화 한다는 문제점이 있다. 이를 해결하기 위해 본 논문에서는 DQB(Dynamic Query Band)를 제안한다. DQB는 시계열 데이터의 시각화 뷰에서 두께를 가지는 꺽은 선이 이루는 쿼리 영역을 말한다. 이 장치는 직관적이고 조작이 간편한 인터페이스를 제공할 뿐만 아니라, 구체적인 쿼리 영역 설정이 가능하고 좋은 개념 모델(Conceptual model)을 제공해 준다.

Time series data is a sequence of data points, measured typically at successive, spaced at time intervals. Many devices for an efficient exploration is developed according as the items of time series data increase. Among these devices, there is a Timebox widget as a representative device of dynamic query for interactive data exploration. Timeboxes are rectangular query region of interest. The users can draw the region of interest using simple mouse manipulation and the query result sets is displayed. But there is a limitation to represent the concrete query region and Timeboxes visualize the query region inconsistent with the mental model of users. To resolve these problems, we propose a new device called DQB(Dynamic Query Band). DQB is a qeury region consisting of user defined polyline with a thickness on time series data. This device is possible to concretely specify the query region. Also, it provides a simple and convenient interface and a good conceptual model.

최근 spatial decorrelation을 극복하기 위하여 비교적 짧은 기선(baseline)을 지니는 여러 시기의 차분간섭도(differential interferogram)로부터 시계열 지표변위(time-series surface deformation)를 관측할 수 있는 small baseline subset(SBAS) 알고리즘이 개발되었다. 이 SBAS 알고리즘은 singluar value decomposition(SVD)을 이용하여 시간별로 완벽하게 연결되지 않는 차분간섭도로부터 시계열 지표변위를 관측하였을 뿐 아니라 공간적으로 저주파 필터와 시간적으로 고주파 필터를 이용하여 대기효과를 보정하였다. 그러나 이 알고리즘은 초기 관측시 시계열 지표변위를 선형으로 가정하였기 때문에 각 차분간섭도의 phase unwrapping 오차를 정확하게 보정하기 어려웠을 뿐 아니라 시계열의 지표변위에 존재하는 노이즈 성분을 완화시키지 못했다. 이와 같은 단점을 보완하기 위하여 이 연구에서는 기존의 SBAS 알고리즘을 개선하였다. 이 개선된 SBAS 알고리즘은 각 차분간섭도의 phase unwrapping 오차를 최소화하기 위하여 반복적으로 시계열 지표면 변위를 개선하였고, 시계열 지표변위의 노이즈를 제거하기 위하여 유한차분근사법(finite difference approximation)을 이용하였다. 서로 다른 지역의 26개의 ERS-12자료와 21개의 RADARSAT-1 fine beam (F5) 자료를 이용하여 개선된 SBAS 알고리즘을 실험하고 분석하였다. ERS-1/2자료에서는 LOS(line-of-sight) 지표변위가 약 13년 동안 최대 -40cm가 관측되었고, RADARSAT-1 fine beam 자료에서는 약 2년 동안 최대 -3cm의 LOS 지표변위가 관측되었다.

Small baseline subset (SBAS) algorithm has been recently developed using an appropriate combination of differential interferograms, which are characterized by a small baseline in order to minimize the spatial decorrelation. This algorithm uses the singular value decomposition (SVD) to measure the time-series surface deformation from the differential interferograms which are not temporally connected. And it mitigates the atmospheric effect in the time-series surface deformation by using spatially low-pass and temporally high-pass filter. Nevertheless, it is not easy to correct the phase unwrapping error of each interferogram and to mitigate the time-varying noise component of the surface deformation from this algorithm due to the assumption of the linear surface deformation in the beginning of the observation. In this paper, we present an improved SBAS technique to complement these problems. Our improved SBAS algorithm uses an iterative approach to minimize the phase unwrapping error of each differential interferogram. This algorithm also uses finite difference method to suppress the time-varying noise component of the surface deformation. We tested our improved SBAS algorithm and evaluated its performance using 26 images of ERS-1/2 data and 21 images of RADARSAT-1 fine beam (F5) data at each different locations. Maximum deformation amount of 40cm in the radar line of sight (LOS) was estimated from ERS-l/2 datasets during about 13 years, whereas 3 cm deformation was estimated from RADARSAT-1 ones during about two years.

KEPCO's AMR (Automatic Meter Reading) is a system that performs the real-time inspection and management of the 15-minute load profile of electric power consumption through a wired and/or wireless network such as CDMA. It has been utilized widely for real-time collection and data analysis. So far, KEPCO has focused on establishing wireless networks using CDMA and collecting data in real time but failed to consider sufficiently performances that can improve the quality of the original data required in terms of data utilization as well as establish the summary information. In this paper, we are going to show the functions that improve data quality by recording the final renewal time of any erroneous data and maintaining such data lists to use them in the rebuilding of summary information. The goals are to reduce any load applied mainly on the DBMS (Database Management System) of AMR, to enable the real-time performance of establishment in the summary information, and to obtain high-quality inspection data. The performance evaluation result has revealed a 10-fold improvement compared to the traditional disk-based DBMS system when the summary information is established.

The ozone concentration is one of the important environmental issue for measurement of the atmospheric condition of the country. This study focuses on applying the Autoregressive Error (ARE) model for analyzing the ozone data at middle part of the Gyeonggi-Do, Anyang monitoring site in Korea. In the ARE model, eight meteorological variables and four pollution variables are used as the explanatory variables. The eight meteorological variables are daily maximum temperature, wind speed, amount of cloud, global radiation, relative humidity, rainfall, dew point temperature, and water vapor pressure. The four air pollution variables are sulfur dioxide $(SO_2)$, nitrogen dioxide $(NO_2)$, carbon monoxide (CO), and particulate matter 10 (PM10). The result shows that ARE models both overall and monthly data are suited for describing the oBone concentration. In the ARE model for overall ozone data, ozone concentration can be explained about 71% to by the PM10, global radiation and wind speed. Also the four types of ARE models for high level of ozone data (over 80 ppb) have been analyzed. In the best ARE model for high level of ozone data, ozone can be explained about 96% by the PM10, daliy maximum temperature, and cloud amount.

본 연구에서는 재무시계얼 자료의 변동성을 분석하는데 유용하게 쓰이는 멱변환 시계열 모형을 인터넷 트래픽 자료 특성 분석에 적용하여 효용성을 보이고자 한다. 트래픽의 특성인 장기기억(long memory)특성을 설명하기 위하여 멱변환 GARCH(PGARCH) 모형을 소개하고 기존의 GARCH 모형보다 더 유용함을 시뮬레이션과 실제 인터넷 트래픽 자료에 적합시켜 입증하였다.

In this paper, we show the performance of the power transformation GARCH(PGARCH) model to analyze the internet traffic data. The long memory property which is the typical characteristic of internet traffic data can be explained by the PGARCH model rather than the linear GARCH model. Small simulation and the analysis of the real internet traffic show the out-performance of the PARCH MODEL over the linear GARCH one.

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.

Pattern matching and pattern searching in time series data have been active issues in a number of disciplines. This paper suggests a novel pattern matching technology which can be used in the field of stock market analysis as well as in forecasting stock market trend. First, we define conceptual patterns, and extract data forming each pattern from given time series, and then generate learning model using Hidden Markov Model. The results show that the context-based pattern matching makes the matching more accountable and the method would be effectively used in real world applications. This is because the pattern for new data sequence carries not only the matching itself but also a given context in which the data implies.

계량경제학 분야에서 널리 쓰이는 MGARCH(multivariate GARCH)모형은 여러개의 시계열자료들의 변동성을 함께 모형화한다. 그러나 변수가 많아질수록 추정해야 할 모수의 수가 급격하게 늘어나는 문제점이 있다. 본 연구에서는 인자 모형을 통해 자료의 차원을 축소시킴로써 이러한 문제를 해결하고자 하였다. 국내의 주가수익률 자료에 통계적 인자 모형과 fundamental factor model을 적용하여 각각의 의미 있는 인자들을 얻은 후 이를 MGARCH모형에 적합시켰다. 또한 두 인자모형을 바탕으로 얻어진 최종 모형들의 MSE, MAD와 VaR(Value at Risk)를 계산하여 예측력을 비교하고자 한다.

Multivariate GARCH(MGARCH) has been useful in financial studies and econometrics for modeling volatilities and correlations between components of multivariate time series. An obvious drawback lies in that the number of parameters increases rapidly with the number of variables involved. This thesis tries to resolve the problem by using dimension reduction technique. We briefly review both factor models for dimension reduction and the MGARCH models including EWMA (Exponentially weighted moving-average model), DVEC(Diagonal VEC model), BEKK and CCC(Constant conditional correlation model). We create meaningful portfolios obtained after reducing dimension through statistical factor models and fundamental factor models and in turn these portfolios are applied to MGARCH. In addition, we compare portfolios by assessing MSE, MAD(Mean absolute deviation) and VaR(Value at Risk). Various financial time series are analyzed for illustration.

본 연구의 목적은 결측 혹은 미계측 증발접시 증발량과 우리나라에서 계측되고 있지 않은 알팔파 기준증발산량의 산정을 위하여 유전자 알고리즘이 내재된 일반화된 회귀신경망모형을 개발하고 적용하는데 있다. 우리나라에서는 장기간동안 증발산계를 이용하여 알팔파 기준증발산량의 관측이 시행되지 않고 있으므로, 본 연구에서는 Penman-Monteith(PM) 공식을 이용하여 산정된 값을 계측된 알팔파 기준증발산량으로 가정하였다. 본 연구를 통하여 최적 증발접시 증발량과 알팔파 기준증발산량의 산정을 위한 COMBINE-GRNNM-GA(Type-1) 모형을 개발하였으며, 훈련, 테스트 및 재현과정을 통하여 COMBINE-GRNNM-GA(Type-1) 모형을 평가하였다. COMBINE-GRNNM-GA (Type-1) 모형은 제시된 기상인자를 평가할 수 있으며, 증발접시 증발량과 알팔파 기준증발산량에 대한 신뢰성 있는 자료를 구축할 수 있다. 더 나아가서 우리나라에서 관개배수 시스템 구축을 위한 참고자료를 제공할 수 있을 것으로 판단된다.

The goal of this research is to develop and apply the generalized regression neural networks model(GRNNM) embedding genetic algorithm(GA) for the estimation and calculation of the pan evaporation(PE), which is missed or ungaged and of the alfalfa reference evapotranspiration ($ET_r$), which is not measured in South Korea. Since the observed data of the alfalfa 37. using Iysimeter have not been measured for a long time in South Korea, the Penman-Monteith(PM) method is used to estimate the observed alfalfa $ET_r$. In this research, we develop the COMBINE-GRNNM-GA(Type-1) model for the calculation of the optimal PE and the alfalfa $ET_r$. The suggested COMBINE-GRNNM-GA(Type-1) model is evaluated through training, testing, and reproduction processes. The COMBINE-GRNNM-GA(Type-1) model can evaluate the suggested climatic variables and also construct the reliable data for the PE and the alfalfa $ET_r$. We think that the constructive data could be used as the reference data for irrigation and drainage networks system in South Korea.

본 연구는 국토의 생태축이라고 할 수 있는 백두대간의 지속가능한 보전 및 주변환경과의 조화로운 관리방안을 수립하는 기초자료를 제공하기 위하여 GIS 및 경관지수를 이용하여 시계열적 토지피복 및 경관구조 변화에 대해 분석하였다. 국가수자원관리 종합정보시스템에서 제공받은 토지피복도를 활용하여 생성한 change detection matrix를 통해 시계열적 토지피복변화를 살펴본 결과, 도시화가 진행된 지역은 약 $3.61km^2$로 농경지($2km^2$)와 산림지역($1.36km^2$)에서 더 많은 개발행위가 이루어진 것으로 나타났으며, 산림지역이 다른 용도로 변화된 지역은 약 $85.7km^2$로 농경지($72.2km^2$)와 초지지역($10.1km^2$)으로 전용된 것으로 분석되었다. 경관지수에 의한 경관구조를 분석한 결과, 산림지역의 경관구조가 구조적으로도 불안정한 상황을 보이는 것으로 나타났는데, 이들 지역에 대해서는 향후 고해상도 위성영상 등을 이용한 추가적인 분석을 통해 지역의 환경조건에 부합하는 생태적 관리를 병행할 필요성이 있다고 판단된다.

The purpose of this study is to analyze contemporary changes of landcover patterns and landscape structure in order to provide basic data and methods for sustainable management and conservation in Baekdu Daegan region using GIS and landscape indices. According to the results based on the pattern analysis of landcover changes using the change detection matrix between 1975 and 2000, addition on $3.6km^2$ became urbanized areas. Otherwise, $85.7km^2$ of forest area shift into agriculture($72.2km^2$) and grass area($10.1km^2$) for the vegetables in highland condition and stock farm. According to the landscape structure analysis using landscape indices, forest areas were unstable forest structures because of fragmentation. Thus, to improve forest ecosystem, significant amount of forest through a new forest management policy considering local environmental conditions are needed. And, the connectivity of forests in local regions should be considered as well.

본 논문에서는 FSVM(Putty Support Vector Machine)의 퍼지소속함수를 새롭게 제안한다. SVM의 완화변수(slack-variable)에 퍼지소속함수를 결합하는 FSVM은 주어진 데이터베이스의 특성이 반영되어 안정적으로 분류성능을 향상시킬 수 있는 퍼지소속 함수를 필요로 한다. 시계열 자료의 패턴분류 성능을 비교하기 위하여 SVM, FSVM(1), 그리고 제안하는 FSVM(2) 등의 분류모델들을 비교 실험하였다. 사용한 데이터베이스는 한국금융시장의 시계열 경제지표 지수들이다.

In this paper, we propose a new fuzzy membership function for FSVM(Fuzzy Support Vector Machines). We apply a fuzzy membership to each input point of SVM and reformulate SVM into fuzzy SVM (FSVM) such that different input points can make different contributions to the learning of decision surface. The proposed method enhances the SVM in reducing the effect of outliers and noises in data points. This paper compares classification and estimated performance of SVM, FSVM(1), and FSVM(2) model that are getting into the spotlight in time series prediction.

본 논문에서는 본 연구논제(2007)에서 개발된 COMBINE-GRNNM-GA(Type-1)으로부터 최적형태의 구조를 가진 모형을 구성하고, 입력층노드의 기상인자를 제거하기 위하여 불확실성 분석을 실시하였다. 훈련과정중에 가장 최소의 평활인자를 가진 입력층변수는 COMBINE-GRNNM-GA(Type-1)에서 제거되었으며, 변형된 COMBINE-GRNNM-GA(Type-1)은 기상학적 변수의 새로운 최소 평활인자를 구하기 위하여 재훈련된다. 최소 평활인자를 가지는 입력층 노드는 모형결과치에 대하여 가장 유용하지 않는 기상인자인 것을 암시하고 있다. 게다가, 민감하거나 민감하지 않은 기상인자들이 불확실성 분석을 통하여 선택되어진다. 최적 COMBINE-GRNNM-GA(Type-1)은 최소 비용과 노력으로 결측 혹은 미계측 증발접시 증발량과 계측되고 있지 않은 알팔파 기준증발산량을 산정하기 위하여 개발되었다 마지막으로 치적 COMBINE-GRNNM-GA(TyPe-1)을 이용하여 우리나라에서 전반적인 가뭄해석 및 관개배수 시스템 구축을 위한 참고자료를 제공할 수 있는 증발접시 증발량 지도 및 알팔파 기준증발산량 지도도 구축되어질 수 있다.

Uncertainty analysis is used to eliminate the climatic variables of input nodes and construct the model of an optimal type from COMBINE-GRNNM-GA(Type-1), which have been developed in this issue(2007). The input variable which has the lowest smoothing factor during the training performance, is eliminated from the original COMBINE-GRNNM-GA (Type-1). And, the modified COMBINE-GRNNM-GA(Type-1) is retrained to find the new and lowest smoothing factor of the each climatic variable. The input variable which has the lowest smoothing factor, implies the least useful climatic variable for the model output. Furthermore, The sensitive and insensitive climatic variables are chosen from the uncertainty analysis of the input nodes. The optimal COMBINE-GRNNM-GA(Type-1) is developed to estimate and calculate the PE which is missed or ungaged and the $ET_r$ which is not measured with the least cost and endeavor Finally, the PE and $ET_r$. maps can be constructed to give the reference data for drought and irrigation and drainage networks system analysis using the optimal COMBINE-GRNNM-GA(Type-1) in South Korea.

최근 멀티미디어 내용기반 검색 기술의 발달로 음악 정보 검색 기술 중 하나인 오디오 특징을 이용한 뮤지션 검색에 대한 관심이 증대되고 있다. 그러나 이와 관련한 음악 데이타베이스의 인덱싱 기법에 대한 연구는 부족한 실정이다. 본 논문에서는 시계열 패턴 인덱스 화일의 공간 분할 방법을 이용하여 오디오 특징 데이터를 사용한 뮤지션 검색 기법을 제시한다. 뮤지션 탐색을 위하여 오디오의 특징을 사용하며, 유사한 후보 뮤지션의 곡을 탐색하기 위한 인덱싱 기법으로 시계열 패턴 인덱스 화일을 사용한다. 실험 결과, 윤번 공간 분할 방법을 사용한 시계열 패턴 인덱스 화일이 뮤지션 검색에 있어서 효율적임을 보였다.

The recent development of multimedia content-based retrieval technologies brings great attention of musician retrieval using features of a digital audio data among music information retrieval technologies. But the indexing techniques for music databases have not been studied completely. In this paper, we present a musician retrieval technique for audio features using the space split methods in the time-series pattern index file. We use features of audio to retrieve the musician and a time-series pattern index file to search the candidate musicians. Experimental results show that the time-series pattern index file using the rotational split method is efficient for musician retrievals in the time-series pattern files.

최근 오염총량관리제도를 위한 오염부하량의 관리문제가 대두되면서 이를 위한 수질분석의 중요성이 인식되고 있다. 그러나 시간적 변화를 가진 유입유량, 유입부하량 자료의 한계로 인하여 기준유량을 대상으로 하는 정적수질분석의 결과가 환경정책에 반영되고 있는 실정이며, 이는 하천유량의 변동과 강우 시 비점오염부하량을 무시한 지극히 제한된 분석에 국한되어 있다. 따라서 시간적 변화를 가진 동적수질분석의 결과가 정책에 반영되기 위해서는 자료의 확보가 우선이다. 본 연구에서는 월 별, 소유역 별 시계열 자료 확보를 위하여 합리적이고 사용이 용이한 방법을 제시하였다. 유출량의 경우, 기존의 비유량법과는 달리 저류효과를 고려한 토양수분 저류구조 Tank모형을 적용하여 장기간의 유출량을 산정하였고, 유출농도의 경우, 기존 인접유역의 동일 유달계수 적용과는 달리, 월 오염부하총량비와 유역오염부하 전달함수를 이용하여 월 별, 소유역 별, 수질변수 별 유출농도를 산정하였다. 산정된 유출량과 유출농도는 남강댐 상류유역 하천에서 WASP 모형을 가지고 동적수질분석을 하기 위하여 적용되었다. 그 결과 적절한 오염물질 농도곡선을 얻을 수 있었으며, 제안된 가정의 적용 가능성은 충분하였다.

최근에 센서 및 모바일 장비들의 발전으로 인하여 이러한 장비들로부터 생성된 대량의 데이터 스트림(data stream)의 처리가 중요한 연구 과제가 되고 있다. 데이타 스트림 중에서 연속되는 시점에 얻어진 실수 값들의 스트림을 스트리밍 시계열(streaming time-series)이라 한다. 스트리밍 시계열에 대한 유사성 매칭은 여러 가지 고유 특성에 의하여 기존의 시계열 데이타와는 다르게 처리되어야 한다. 본 논문에서는 정규화 변환(normalization transform)을 지원하는 스트리밍 시계열 매칭 문제를 해결하기 위한 효율적인 알고리즘을 제안한다. 기존에는 스트리밍 시계열을 아무런 변환 없이 비교하였으나, 본 논문에서는 정규화 변환된 스트리밍 시계열을 비교한다. 정규화 변환은 절대적인 값은 달라도 유사한 변동 경향을 가지는 시계열 데이타를 찾기 위하여 유용하다. 본 논문의 공헌은 다음과 같다. (1) 기존의 정규화 변환을 지원하는 서브시퀀스 매칭 알고리즘[4]에서 제시된 정리(theorem)를 이용하여 정규화 변환을 지원하는 스트리밍 시계열 매칭 문제를 풀기 위한 간단한 알고리즘을 제안한다. (2) 검색 성능을 향상시키기 위하여 간단한 알고리즘을 $k\;({\geq}\;1)$ 개의 인덱스를 이용하는 알고리즘으로 확장한다. (3) 주어진 k에 대하여, 확장된 알고리즘의 검색 성능을 최대화하기 위해 k 개의 인덱스를 생성할 최적의 윈도우 길이를 선택하기 위한 근사 방법(approximation)을 제시한다. (4) 스트리밍 시계열의 연속성(continuity) 개념[8]에 기반하여, 현재 시점 $t_0$에서의 스트리밍 서브시퀀스에 대한 검색과 동시에 미래 시점 $(t_0+m-1)\;(m\geq1)$까지의 검색 결과를 한번의 인덱스 검색으로 구할 수 있도록 재차 확장한 알고리즘을 제안한다. (5) 일련의 실험을 통하여 본 논문에서 제안된 알고리즘들 간의 성능을 비교하고, k 및 m 값의 변화에 따라 제안된 알고리즘들의 검색 성능 변화를 보인다. 본 논문에서 제시한 정규화 변환 스트리밍 시계열 매칭 문제에 대한 연구는 이전에 수행된 적이 없으므로 순차 검색(sequential scan) 알고리즘과 성능을 비교한다. 실험결과, 제안된 알고리즘은 순차 검색에 비하여 최대 13.2배까지 성능이 향상되었으며, 인덱스의 개수 k가 증가함에 따라 검색 성능도 함께 증가하였다.

According to recent technical advances on sensors and mobile devices, processing of data streams generated by the devices is becoming an important research issue. The data stream of real values obtained at continuous time points is called streaming time-series. Due to the unique features of streaming time-series that are different from those of traditional time-series, similarity matching problem on the streaming time-series should be solved in a new way. In this paper, we propose an efficient algorithm for streaming time- series matching problem that supports normalization transform. While the existing algorithms compare streaming time-series without any transform, the algorithm proposed in the paper compares them after they are normalization-transformed. The normalization transform is useful for finding time-series that have similar fluctuation trends even though they consist of distant element values. The major contributions of this paper are as follows. (1) By using a theorem presented in the context of subsequence matching that supports normalization transform[4], we propose a simple algorithm for solving the problem. (2) For improving search performance, we extend the simple algorithm to use $k\;({\geq}\;1)$ indexes. (3) For a given k, for achieving optimal search performance of the extended algorithm, we present an approximation method for choosing k window sizes to construct k indexes. (4) Based on the notion of continuity[8] on streaming time-series, we further extend our algorithm so that it can simultaneously obtain the search results for $m\;({\geq}\;1)$ time points from present $t_0$ to a time point $(t_0+m-1)$ in the near future by retrieving the index only once. (5) Through a series of experiments, we compare search performances of the algorithms proposed in this paper, and show their performance trends according to k and m values. To the best of our knowledge, since there has been no algorithm that solves the same problem presented in this paper, we compare search performances of our algorithms with the sequential scan algorithm. The experiment result showed that our algorithms outperformed the sequential scan algorithm by up to 13.2 times. The performances of our algorithms should be more improved, as k is increased.

본 논문에서는 타임 워핑 하의 시계열 서브시퀀스 매칭을 처리하는 방법에 대하여 논의한다. 타임 워핑은 시퀀스의 길이가 서로 다른 경우에도 유사한 패턴을 갖는 시퀀스들을 찾을 수 있도록 해 주는 변환이다. 접두어 질의 기법(prefix-querying method)는 착오 기각 없이 타임 워핑 하의 시계열 서브시퀀스 매칭을 처리하는 인덱스를 이용한 최초의 방식이다. 이 방법은 사용자가 질의를 편리하게 작성하도록 하기 위하여 기본 거리함수로서 $L_{\infty}$를 사용한다. 본 논문에서는 $L_{\infty}$ 대신 타임 워핑 하의 시계열 서브시퀀스 매칭에서 기본 거리 함수로서 가장 널리 사용되는 $L_1$을 적용할 수 있도록 접두어 질의를 확장한다. 또한, 제안된 기법으로 타임 워핑 하의 시계열 서브시퀀스 매칭을 수행하는 경우 착오 기각(false dismissal)이 발생하지 않음을 이론적으로 증명한다. 다양한 실험을 통한 성능 평가를 통하여 본 연구에서 제시하는 기법의 우수성을 검증한다. 실험 결과에 의하면, 제안된 기법은 가장 좋은 성능을 보이는 기존의 기법과 비교하여 매우 뛰어난 성능 개선 효과를 보이는 것으로 나타났다.

This paper discusses the way of processing time-series subsequence matching under time warping. Time warping enables finding sequences with similar patterns even when they are of different lengths. The prefix-querying method is the first index-based approach that performs time-series subsequence matching under time warping without false dismissals. This method employs the $L_{\infty}$ as a base distance function for allowing users to issue queries conveniently. In this paper, we extend the prefix-querying method for absorbing $L_1$, which is the most-widely used as a base distance function in time-series subsequence matching under time warping, instead of $L_{\infty}$. We also formally prove that the proposed method does not incur any false dismissals in the subsequence matching. To show the superiority of our method, we conduct performance evaluation via a variety of experiments. The results reveal that our method achieves significant performance improvement in orders of magnitude compared with previous methods.

본 연구에서는 전국 59개 지점의 3개월 SPI 자료를 가지고 EOF를 유도하고 아울러 그 공간적 특성을 분석하였다. 또한 EOF 해석에 의해 나타난 Coefficient Time Series를 다변량 시계열 모형에 적용하여 SPI 시계열을 자료기간 10,000년으로 확장하였고 전국적인 가뭄심도를 판단하기 위해 전국 평균 지수를 이용하여 재현기간별 최대심도를 결정하였다. 마지막으로 각 대권역의 댐 유효저수량과 농경지 면적을 이용하여 농업가뭄 대비능력을 판단하였는데 재현기간 30년 가뭄에 적절히 대비할 수 있는 이수능력을 갖춘 유역은 한강유역이 유일한 것으로 파악되었다. 특히 영산강 유역은 큰 농경지 면적에 비해 저수용량이 크게 부족한 것으로 파악되었고 강우량의 크기에 민감한 농업가뭄에 가장 취약할 것으로 나타났다.

In this study 3-month SPI data from 59 stations over the Korean peninsula are analyzed by deriving and spatially characterizing the EOFs. Also, the coefficient time series of EOF are applied to the multi-variate time series model to generate the time series of 10,000 years, to average them to estimate the areal average, and to decide the maximum drought severity for given return periods. Finally, the drought prevention ability is evaluated by considering the effective storage of dam within the basin and the size of agricultural area. Especially for the return period of 30 years, only the Han river basin has the potential to overcome the drought. Other river basins like the Youngsan river basin, which has a large portion of agricultural area but less water storage, are found to be very vulnerable to the rainfall-sensitive agricultural drought.