Earticle

이 연구에서는 시퀀스 자료의 유사성을 측정하는 동적 타임 워핑 방법을 통해서 시계열적으로 유사한 변화를 보이는 지역을 분류하는 방법을 제안한다. 제안한 방법은 자료구축, 유사성 측정, 군집 분석, 군집별 특성 탐색 단계로 구성되어 있다. 이 방법을 고양시 토지거래 변화에 분석해 본 결과, 비슷한 시기에 유사한 변화를 보이는 지역들의 공간분포, 시계열적 변화 특성, 그리고 군집별 특성 정보를 얻을 수 있었다. 이것은 지역을 연구하는 연구자들에게는 시공간적 특성에 대한 새로운 정보가 될 것이다.

The purpose of this study is to propose the method to classify regions using dynamic time warping. The proposed method is comprised of four steps: construction data, similarity measurement, cluster analysis, exploratory analysis. We analyzed land deals in Goyang City. We could obtain information about spatial pattern of regions having similar changes occurring at the same times, characteristics of time series data, and difference of cluster. This information is expected to be helpful for researchers studying spatio-temporal characteristics of regions.

This study analyzes the time series characteristics of daily Won/Yen exchange rate, using the time series data from April 1994 to February 2011, whether it has nonlinear dependency or not. It separates time period into the overall period and the normal period which excludes the two crisis periods, that is, 1997 currency crisis and 2008 global financial crisis. Daily time series exchange rate data was transformed into normal series by logarithmic transformation and differencing. First,according to the test result, auto-correlation analysis for the transformed series data shows that it has linear or non-linear dependence. Second, the analysis about the time series data transformed(AR residuals) from which linearity was removed shows that it has non-linear dependence, especially stronger in the whole period. Third,the test result about the series(AR-GARCH residuals) from which linearity and non-linear stochastic property were removed shows that it has non-linear dependence, especially in the whole period. Fourth, BDS test value of AR residuals is lowered than that of AR residuals in the whole period, but made no difference with the normal period. It implies that the non-linear series includes the non-linear relation, not stochastic relation. However, we cannot conclude that it has the deterministic relation. Therefore, the time series data of Won/Yen rate is estimated to have, to some extent, linear and nonlinear dependence, although the data and testing tool have some problems. However, we cannot say that such a non-linearity does not have non-linear determinacy, that is, chaotic characteristic.

본 연구는 낙동강의 지류 하천인 내성천을 대상으로, 장기간(1984~2001년)과 단기간(2009~2011년)의 하도 단면의 변화 특성과 원인에 대해 분석하였다. 지난 약 20년 동안 내성천 하류부의 대부분 지점에서는 최대 2m까지 하상 고도의 저하가 나타났다. 이는 지난 20~30년간 활발하게 이루어진 하상 골재 채취 작업과 하천 준설에 의한 영향으로 판단된다. 최근 2년 동안에는 NM1 지점에서 하도 내 사주의 규모가 크게 축소되는 변화가 나타났다. 그 원인은 NM1 지점의 바로 상류부에서 진행되고 있는 영주댐 공사로 인해 퇴적물 운반이 차단되고 있기 때문으로 보인다. 그러나 하도의 자연성이 상대적으로 양호한 NM2와 NL2 지점에서는 지난 2년간 미약하게나마 하상의 고도 상승이 발생하고 있다. 따라서 내성천에서는 인위적인 하도 간섭이 퇴적물 공급 감소에 따른 하상의 고도 저하에 가장 큰 영향을 미치고 있는 것으로 판단된다.

The changes and causes of channel section in Naeseongcheon River, a tributary of Nakdong River, during the long(1984~2001) and short(2009~2011) periods are analyzed. There are the declines of channel height with a maximum of approximately 2m in the most areas of the lower reaches during the past 20 years. These are thought as the influences of active aggregate collections and river dredging. The size of sand bar within the channel at the NM1 decreases greatly during the past 2 years. This may results from the decrease of sediment supply due to the Yeongju Dam construction in the upper reaches. However, the NM2 and NL2 where the natural channel are preserved experience the slight increase of height during the past 2 years. Therefore, the anthropogenic channel interferences in Naeseongcheon River have greatly influenced on the declines of channel height by the decrease of sediment supply.

본 연구의 목적은 장기실종아동부모의 시계열적 실종아동 찾기 변화를 질적으로 분석하여 그 현상을 파악하는데 있다. 이를 위해 짧게는 2년 5개월에서 길게는 36년까지 아동의 실종을 경험하고 있는 장기실종아동부모 6명을 연구 참여자로 선정하였으며, 개별심층면접 1~3회씩을 통해 자료를 수집하고, Miles와 Huberman의 질적 연구 방법을 통해 분석을 하였다. 그 결과 장기실종아동부모의 시계열적 실종아동 찾기가 ‘소극적 행동기(부인기, 의존기)’, ‘적극적 행동기(독립기, 부모 연합기)’, ‘일시 소강기(절망기, 포기/재충천기)’, ‘체계적 행동기(핵심 전략기, 찾기 유지기)’라는 일련의 변화 속에서 꾸준히 진행되어오고 있다는 것을 발견할 수 있었다. 본 연구는 장기실종아동부모의 실종아동 찾기의 과정을 시계열적으로 연구함으로써 실종아동 찾기에 관련한 실태와 욕구 및 문제점을 파악할 수 있는 자료로 활용될 수 있을 것이다. 또한 나아가 관련된 제도의 실천적 대안을 마련하는데 기초적인 자료로서 도움이 될 수 있을 것이다.

This paper aims to seek the actual condition through analyzing the time series changes of searching missing children of long-term missing children's parents in terms of the qualitative approach. For this purpose, six people who have experienced missing their children for from two years and five months to 36 years participate this research. The researchers collect the information from 6 semi-structured in-depth interviews for one to three times. Then the data has analyzed by Miles & Huberman's qualitative approach. The result shows that the time series changes of searching missing children of long-term missing children's parents constantly have been processed by as following periods: 'passive action period(ignorant period, dependent period)', 'active action period(independent period, group associated period)', 'temporary decreased period(hopeless period, abandonment/ recharging period)', 'systemic action period(key strategical period, maintaining searching period)'. Therefore, the study may help to understand the time series changes of searching missing children of long-term and be evident that social intervention is important.

본 논문의 연구목적은 우리나라 유가증권시장에 상장된 기업의 분기이익의 시계열속성에 관한 경험적 증거를 제공하고, 다섯 가지 분기이익 예측모형(랜덤웍모형 2개, Box-Jenkins 방법론에 따라 식별된 모형 3개)의 예측능력을 평가하는 것이다. 2000-2009년 기간(40개 분기)에 걸친 193개 상장기업의 분기이익자료를 이용하여 분기이익의 횡단면적 자기상관함수를 조사한 결과 분기이익시계열에 (a) 인접분기요소와 (b) 계절성요소가 존재한다는 점을 발견하였다. 기업규모를 기준으로 전체표본을 세 개의 부분표본(대기업, 중기업, 소기업)으로 분할하여 표본자기상관계수를 조사한 결과, 대기업과 중기업의 경우 자기상관계수의 발생패턴이 전체표본과 유사하게 나타났으나 소기업의 경우 인접분기요소의 영향이 상대적으로 약하게 나타났다. 시계열속성 분석결과를 근거로 다섯 가지 예측모형의 예측능력을 분석한 결과, 평균절대비율오차와 오차의 평균순위로 측정한 예측정확성 측면에서 Brown-Rozeff모형(1979)이 가장 우수한 것으로 나타났고, 이러한 분석결과는 미국기업을 대상으로 한 분석에서도 동일하게 나타났다. 모형의 우수성은 매출액의 계절성, 유⋅무형자산 원가의 기간적 배분으로 인해 감가상각비에 나타나는 이동평균속성, 우리나라 상장기업의 분기이익조정실무로 인해 나타날 수 있는 자기회귀속성으로 설명될 수 있다. 기업규모별 예측능력분석에서는 대기업과 중기업에서는 모형의 우수성이 나타났으나, 소기업에서는 예측모형간 우수성이 존재하지 않는 것으로 밝혀졌다.

The objectives of this paper are twofold: (1) to provide descriptive evidence on the time-series properties of quarterly earnings of Korean listed company and (2) to assess the predictive performance of a set of quarterly earnings prediction models: two random walk models and three models identified using the Box-Jenkins methodology. Using the quarterly earnings data of 193 listed firms over the 2000-2009 period(40 quarters), I provide empirical evidence documenting that the quarterly earnings series has (a) an adjacent quarter-to-quarter component and (b) a seasonal component, based on inspection of the cross-sectional autocorrelation function of quarterly earnings. The results concerning predictive performance(one-step-ahead quarterly earnings forecasts) indicate that the Brown-Rozeff(1979) model significantly dominates the random walk with drift model, seasonal random walk with drift model, Foster model(1977), and Griffin(1977)-Watts(1975) model in the predictive ability. Investigating whether the predictive dominance of the model pertains to firms of varying size or is constrained to a particular size stratum based on the notion that firm size is an economic determinant of earnings persistence, I find that the forecast errors of larger firms are significantly smaller than those of smaller firms.

주택시장 및 토지시장과 거시경제 간의 인과관계 및 장기균형 분석에 벡터시계열모형(VAR, VECM 등)을 적용한 연구들이 다수 있으며, 이 연구들은 부동산시장의 이해에 큰 도움을 주고 있다. 그런데 실증분석 결과 간에 차이가 큰 경우가 많지만, 분석대상 기간이 다르기 때문일 수 있다는 가능성 이상에 대해서는 탐구된 바가 없으며 단지 새로운 모형을 시도하는 연구들만이 있었다. 우리는 선행연구들이 월별 자료들을 분기 자료로 축소할 때 발생하는 정보의 손실, 각 기관들이 발표하는 분기별 자료 생성 기준의 불일치, 벡터시계열모형의 변수투입 방법 등에서 개선이 여지가 있다고 파악한다. 이들 반영하여 서울시 주택시장 자료에 적용하였는데, 특히 벡터시계열모형의 데이터 요구량이 큰 것에 주목하여 최근에 제안된 월별 GDP 자료 구축방법을 활용하여 월별 자료를 구축하였다. 월별 자료와 분기별 자료를 이용한 분석 간의 비교를 통해 월별 자료를 분기 자료로 변환할 때 정보의 손실이 크다는 사실을 확인하였다. 특히 월별 자료를 쓸 때 분기별 자료가 설명하지 못하는 변수간의 동태적 관계를 분석할 수 있으며, 모형의 설명력도 높았다.

Many researchers have employed vector time-series models such as VAR, VECM to understand inner workings of real estate markets as well as interactions with macro-economic variables. Results of such studies are often incompatible, but the reason has not been systematically analyzed. We identify several methodological flaws in the current literature, including loss of informations in converting monthly data into quarterly data. Recent advances in macroeconomics allow us to generate monthly GDP estimates. Using monthly data, and comparing the results with those using quarterly data, we confirm that increasing data frequency greatly improves explanatory power of the vector time-series models.

This study aimed at evaluating council's activities of the Seoul Metropolitan Council in a time series context. To attain this purpose, the researcher divided council's activities into four categories according to functions of the Council: legislation, budgeting, control over the Executive branch, and representation. Then, the researcher developed 16 indicators to measure these four functional legislative activities. The research indicates that overall, the Fourth Council gained the highest score (88.63), and the Third Council got the lowest score (63.80). In addition, this study highlights that the Fourth Council earned the highest score in controlling over the Executive branch because it had to check the national government of South Korea in a conflict relationship, the Fifth Council acquired the highest score in making legislations and budgeting because it faced the situation of Financial Crisis that required those legislations and budgeting to resolve various economic and social problems from such crisis, and the Sixth Council gained the highest score in representing citizens because it tried to carefully listen to the voices of citizens. Finally, this research expects that the performance of Seoul Metropolitan Council can be measured, analyzed, and even improved through the evaluation of council's activities according to its various functions.

본 연구에서는 분기이익에 대한 관심이 증대되고 있는 현실에서 분기이익의 시계열 결정요인을 조사하는데 그 목적이 있다. 이를 위해서 산업조직 문헌을 근거로 설명변수로 기업규모(firm-size), 제품유형(product-type), 진입장벽(barriers-to-entry), 수출비중(weight of export), 재벌기업관계기업여부(firms concerned with plutocracy)를, 종속변수로 분기이익(매출액)의 수준 및 1차차분 자료에 대하여 산출된 특정 계절적 및 비계절적 시차를 가진 표본자기상관함수(SACF)를 사용하여 횡단면 회귀분석을 실시하였다. 분석 결과, 수준자료의 SACF에 대하여 기업규모 변수와 수출비중변수가 큰 영향을 미친다는 점을 발견하였다. 이러한 분석결과는 기업규모가 클수록, 수출비중이 낮을수록 분기이익수치가 좀 더 안정적이고 좀 더 뚜렷한 시계열상관성을 보인다는 관념과 일치한다. 다른 경제적 변수에 대한 분석결과는 좀 더 상황 의존적으로 나타났다. 즉, 전체표본을 사용하는지 아니면 계절성을 지닌 부분표본을 사용하는지, 수준자료를 사용하는지 아니면 차분자료를 사용하여 정상성을 만족하였는지에 따라 분석결과가 달라졌다. 제품유형과 진입장벽 변수에 대해서는 계절성이 있는 기업표본자료의 계절시차의 경우에 좀 더 강력한 분석결과가 나타났다. 이러한 결과는 분기이익과 분기매출액 자료의 계절적 시계열속성에 대한 경제적 근거를 제시한다.

We conduct explanatory data analysis on the economic determinants of quarterly earnings and sales data. After surveying the industrial literature and considering Korean economic condition, we selected firm-size, product type, barriers-to-entry, weight of export and firms concerned with plutocracy as independent variables useful in explaining autocorrelation in quarterly earnings and sales. We perform cross-sectional regression analysis on a sample of 486 calendar year-end, Korean Stock Exchange firms. As our dependent variable, we employed both seasonal and non-seasonal lags of the levels and first difference of the sample autocorrelation function(SACF) of quarterly earnings and sales data. Our results support a pervasive impact of firm-size and weight of export on the levels of the SACF. This outcome is consistent with the notion that larger firms and higher weight of export firms exhibit more stable, higher pronounced levels of serial correlation in their quarterly earnings numbers than smaller firms and lower weight of export firms. Results for the other economic variables were more contextual, depending on whether we use full sample or a subgroup and on whether the data were differenced. Strong results on the product-type and barrier-to-entry variables were documented for the seasonal firms subgroup at seasonal lags. This results is suggestive of an economic rationale for seasonal behavior of quarterly earnings and sales.

본 연구는 경찰혁신의 일환으로 2003년 10월 시행된 지역경찰제와 이전 경찰제도간의 효율성 비교분석을 통해 현재 지역경찰제를 평가하고 보다 효율적인 방향성을 제시하는데 있다. 이를 위해 지역경찰제 실시 전후로 우리나라 14개 지방경찰청을 대상으로 2002년부터 2006년도까지 효율성 변화 추세를 분석하였다. 이 분석을 위한 변수로 경찰의 인력 수와 예산을 투입변수로 설정하였고, 또한 산출변수로 국민의 치안 체감을 가장 많이 느낄 수 있는 경범죄와 5대 범죄 검거 건수를 이용하였다. 그리고 시계열적인 상대적 효율성 비교분석을 위해 윈도우 폭을 5년으로 한 DEA WINDOW 기법을 활용하였다. 분석결과를 보면, 첫째, 각 지방경찰청의 연도별 CCR분석과 BCC분석의 결과를 보면, 지역경찰제를 본격적으로 실시한 2004년과 2005년, 2006년이 지역경찰제를 실시하기 이전인 2002년과 2003년에 비해 효율성이 좋지 않음을 확인할 수 있었다. 둘째, CCR모형에서는 비효율적이었지만 BCC모형에서 서울(2002), 울산(2002), 경기(2005), 제주(2003, 2004) 지방경찰청이 효율적인 기관으로 분석되어 이는 기술적 비효율성 때문에 발생한 것이 아니라 규모의 비효율성으로 인해 나타난 사실임을 확인할 수 있다. 따라서 경찰 예산의 분배와 인력의 효율적 재배치를 통해 CCR모형에서 나타난 비효율성을 제거할 수 있도록 해야 한다.

This study evaluates and present more efficient direction of community police system through efficiency comparative analysis between community police system of before and after police system that is begun October, 2003. Therefore, Korean 14 provincial police agencies of community police system operation before and behind analysed efficiency change trend from 2002 to 2006. Used number of police manpower and budget in input variables and number of minor criminal offenses and 5 crime arrest in output variables for analysis. And used DEA WINDOW method that do WINDOW period by 5 years for relative efficiency comparative analysis that is the time series. If see analysis result, first, in the CCR, BCC analysis, 2004, 2005 and 2006 that begin community police system by period of each provincial police agencies was low efficiency than 2002 and 2003. Second, Seoul(2002), Woolsan (2002), Gyeunggi(2005), Cheju(2003, 2004) provincial police agencies are inefficient in CCR model, but analysed efficiency agencies in BCC model, this can confirm that is expose by inefficiency of scale that is not technical inefficiency cause. Therefore, should do so that can remove inefficiency that appear in CCR model through efficient reassignment of police manpower and budget division.

소득증가와 시장개방으로 축산물수급구조에 커다란 변화가 생겼고, 가격시계열에도 질적인 변화가 예상된다. 본고는 지난 30~40년간의 축산물가격시계열의 추이와 변동성구조를 살펴봄으로써 그동안의 시장 환경변화가 축산물 가격안정에 어떠한 영향을 주었는가를 살펴보고자 하는 것이다. 본고는 대표적인 축산물인 쇠고기, 돼지고기, 닭고기, 계란의 월별 가격변화율을 이용하여 각각의 시계열적 특성을 살펴보는 것이다. 이들 가격은 모두 정규분포라 보기 어려우며, 계열간 기간종속성이 존재하고 분포도 i.i.d.가 아니라는 증거를 발견할 수 있다. 이들 시계열에 변동성 집적현상과 ARCH효과가 발견되어 AR-GARCH 모형으로 추정하고 비선형동학적 특성을 분석하였다. 분석대상이 된 네 개의 축산물가격의 변동성이 시기에 따라 일정하지 않고 변하였음을 알 수 있다. 즉, 조건부분산을 살펴보면, 돼지고기가격은 80년대 초에 커졌다가 이후에 점차 감소하는 양상을 보인 반면, 쇠고기와 닭고기 및 계란가격은 시간이 지나면서 변동성이 더욱 커져 가격이 과거보다 더 불안정해졌음을 말해준다. 쇠고기와 계란은 가격에 계절성이 없는 반면, 돼지고기와 닭고기는 계절성이 나타나고 있다. 분석된 네 개의 축산물가격 모두 시장충격의 단기적인 효과는 크지 않은 반면, 장기기억효과가 큰 것으로 분석되었다. 즉, 시장의 충격으로 즉각적인 반응은 크지 않은 반면, 그 충격이 오랜 시간에 걸쳐 남아 있는 것이다. 이러한 장기기억효과는 계란에서 가장 크게 나타나며, 쇠고기에서도 크게 나타났고, 그 뒤를 돼지고기와 닭고기가 따르고 있다. 변동성에 대한 계절성 검정결과 네 개의 축산물가격 모두에서 변동성이 계절성을 띄고 있음을 발견하였다. 대표적인 축산물 가격의 비선형동학적인 특성을 살펴보고자 한 본 연구는, 시장기능이 강화되고 시장이 더욱 확대 개방됨에 따라 가격불안정이 더욱 심해질 것이라는 전망 속에서, 각 가격의 변동성이 가지는 특성을 보고자 하는 시도이다. 기존의 연구가 주로 가격수준에 관한 것이어서 변동성의 특성을 살펴보는 것이 나름대로의 의미를 가지고 있지만, 본고에서 사용된 자료의 제약 때문에 통계분석의 결과를 해석하는데 신중을 기해야 할 것이다. 일부 자료에서 나타난 문제이지만, 각 축종 내에서의 여러 부류의 평균가격이 사용된 것이기에 앞으로 각 부류별 분석이 이루어져야 할 것이다. 또한 본고에서 사용한 데이터는 월별 데이터이므로 향후에는 주별 데이터나 일별 데이터를 사용한 분석과 비교 검토되어야 할 것이다. 이러한 가격변동성에 관한 연구는 향후에 축산물 정책이 가격안정화나 가격변동성 구조에 어떠한 영향을 주었는가하는 연구의 기초자료로 활용될 수 있을 것이다.

This paper shows how the changes in the market circumstances have impacted on the stabilization of livestock prices by analyzing the trends in the livestock price time series and the volatility dynamics during past three decades or more. Analyzing the volatility dynamics helps price risk management in ranch farming. This paper considers monthly price changes of the representative livestock prices such as beef price, pork price, chicken price, and egg price. Distributions of these price series are neither normal distribution nor i.i.d., and all the price series considered contain serial dependences. According to the GARCH estimation, while conditional variance of pork price is fairly stable during the analyzed period except early 1980’s, those of beef price, chicken price and egg price are relatively unstable after 1990's than before. Seasonalities are found in the prices of pork and chicken, but not in beef and egg. Unexpected market impacts affect little on the prices in a short-term, but are memorized in the prices in a long-term, which implies that livestock prices show little short-term responses on the market impact, but the market impact persists and influences on the following prices for a long time. Also, in all four prices, seasonalities are found in the volatilities.

본 분석은 우리나라 보험손해율의 예측을 위한 확률모형의 개발과 그 응용에 관련된다. 이를 위해, 먼저 일정기간(1991-2003) 관측된 월별 자동차보험 손해율 자료의 통계적 분석을 통하여 이 계열의 회귀추세, 주기성, 계열적 종속성, 그리고 조건부 분산인 변동성 등 확률 및 통계적 특성을 파악한다. 다음은 이 특성들을 기초로 미래의 손해율 예측을 위한 자기회귀이분산모형을 개발하였다. 또한, 유도된 모형을 이용한 미래의 손해율의 예측에 대한 통계적 절차를 제안하였다.

This paper is concerned with the development and application of a stochastic model for loss ratio of insurance. For this, the characteristics of the regression trend, periodicity, serially dependence and monthly volatility effect of the loss ratios are investigated by the statistical analysis of the monthly loss ratios of car insurance observed in Korea during 1991-2003. Based on these, autoregressive conditional heteroscedastic (ARCH) model for the prediction of monthly log loss ratios is derived. A statistical procedure for using the model to predict the loss ratios is also proposed.

VAR(벡터자기회귀)에서 모형의 식별가정에 관한 주된 비판은 변수의 나열순서에 따라 결과가 달라진다는 것이다. 본 논문은 Swanson and Granger (1997) 이후 시계열 분석에 활발히 적용되기 시작한 그래프이론이 이와 같은 임의식별 문제를 해결함으로써, 자원가격의 가격발현과정을 이해하는데 유용한 수단임을 보여준다. 모형의 이론적 방법론을 소개한 후, 미국 대두의 지역 베이시스를 이용한 실증추정 결과를 제시한다.

The purpose of this paper is to introduce time-series causality analysis by combining time-series technique with graph theory. Vector autoregressive (VAR) models can provide reasonable interpretation only when the contemporaneous variables stand in a well-defined causal order. We show that how graph theory can be applied to search for the causal structure in VAR analysis. Using Maryland crop cash prices and CBOT futures price data, we estimate a VAR model with directed acyclic graph analysis. This expands our understanding the degree of interconnectivity between the employed time-series variables.

본 연구는 고정투자의 시계열적 특성과 그에 따른 고정투자와 GDP 변동 간의 관계에 대한 실증분석이다. 자본스톡의 조정과정을 나타내는 단순한 항등식에 따르면 고정투자의 증가율은 일정한 반전현상을 나타낼 것으로 예상된다. 또한 고정투자의 이러한 특성을 민간소비가 임의보행을 따른다는 항상소득가설과 결합할 경우, GDP의 변동은 주로 고정투자의 변동을 통하여 예측될 수 있을 것으로 기대된다. OECD 회원국들의 자료를 이용한 본 논문의 실증분석결과는 이러한 가설과 대체로 일치한다. 예상대로, 고려된 국가들의 대부분에서 고정투자 증가율의 자기상관계수의 합은 -0.5에 가깝게 추정되며, 이러한 고정투자의 특징은 GDP의 예측에도 유의하게 작용하는 것으로 나타난다. 특히 고정투자의 이러한 예측력은 경기침체기에 더 뚜렷하게 관찰된다.

본 연구는 Bernas형 이온주입장치의 ion flux를 예측하기 위해, Gated Recurrent Unit(GRU) 및 Long Short-Term Memory(LSTM) 기반의 시계열 딥러닝 모델을 적용하였다. 입력 데이터는 장치 성능에 영향을 주는 이온원 구간의 14개 변수이며, 하이퍼 파라미터는 Tree-structured Parzen Estimator(TPE) 기반 Bayesian Optimization을 통해 탐색하였다. 그러나 TPE는 초기 조건에 민감해 학습 결과의 일관성이 떨어질 수 있어, 이를 보완하기 위해 Gradient Consistency를 통한 window size 선택 방식을 제안하였다. 성능 평가는 Mean Squared Error(MSE)와 Mean Absolute Error(MAE) 외에도 반복 실험 간 변동성을 측정하는 Relative Standard Deviation(RSD)를 활용하였다. 확인 결과, GRU 모델에서 validation MSE의 RSD가 TPE(70.3%) 대비 Gradient Consistency(GC) (57.0%)에서 감소하였고, test MAE 역시 35.5%에서 31.7%로 줄어들어 더 안정적인 성능을 보였다. 이를 통해 본 연구는 이온주입장치와 같은 고정밀 장비 운용에서, 평균 성능뿐만 아니라 일관성과 신뢰성 확보를 위한 새로운 기준으로 GC를 통한 window size 최적화 방안을 제시한다.

This study applied GRU and LSTM models to predict ion flux in Bernas-type ion implantation systems using 14 ion source variables. While TPE-based Bayesian Optimization explored hyperparameters, its sensitivity to initial conditions leads to inconsistent results. We proposed a Gradient Consistency-based window size selection to address this limitation. Performance evaluation using MSE, MAE, and RSD showed that the GRU model achieved better stability: validation MSE RSD decreased from 70.3% (TPE) to 57.0% (Gradient Consistency-based), and test MAE improved from 35.5% to 31.7%. This approach provides a new criterion for ensuring consistency in high-precision equipment operation.

기존 시계열 예측 연구는 범주형 변수의 사용을 고려하지 않아 중요한 패턴이나 정보를 활용하지 못하였다. 결과적으로 이러한 연구는 편향성과 과적합 문제로 고전하였다. 본 논문에서는 다음과 같이 두 가지 기법을 통합적으로 활용하여 시계열 예측 성능을 개선하는 방법을 제안한다. 첫째, Feature Tokenizer와 Dozer Attention를 활용해 범주형 변수와 연속형 변수를 통합적으로 처리한다. 둘째, Variational Auto-Encoder(VAE) 기반 데이터 증강 기법으로 시계열 패턴의 편향성과 과적합 문제를 완화한다. 실험 결과, 제안한 방법이 기존 모델보다 더 우수한 예측 성능을 보인다. 제안한 방법은 시계열 예측에서 범주형 변수의 중요성을 반영하고, VAE 기반으로 증강된 데이터를 사용함으로써 예측 성능을 개선하였다.

Existing time series forecasting studies have overlooked the use of categorical variables, failing to leverage important patterns and information. As a result, they suffer from pattern bias and overfitting issues. This paper proposes a novel approach to improve time series forecasting performance by integrating the following two techniques. First, the Feature Tokenizer and Dozer Attention are utilized to comprehensively process both categorical and continuous variables. Second, a Variational Auto-Encoder (VAE)-based data augmentation technique is employed to mitigate pattern bias and overfitting problems. Experimental results demonstrate that the proposed method outperforms existing models in predictive performance. By incorporating the importance of categorical variables in time series forecasting and leveraging VAE-augmented data, the proposed method achieves significant improvements in predictive accuracy.

본 논문은 태양광 발전량 데이터를 기반으로 발전량 예측 알고리즘을 개발하고, 상관관계 분석을 통해 변수 선정과 모델 성능 향상에 중점을 두었다. 태양광 발전량 예측을 위해 환경 데이터와 발전 데이터를 포함한 다변량 변수를 측정하였으며, 데이터의 안정성과 신뢰성을 확보하기 위해 다변량 데이터의 상관관계 분석 이후 ARIMA(Auto Regressive Integrated Moving Average) 모델을 활용한 전처리를 수행하였다. 예측을 수행하기 위해서 LSTM-Autoencoder 결합 모델을 이용하여 태양광 발전량을 예측하였으며, 각 다변량 변수의 장기 종속성 (Long-Term Dependency)을 효과적으로 학습하였다. 정제된 데이터를 활용하여 환경 변수의 추세를 분석한 결과, 원 데이터에 비해 예측 성능이 크게 향상되었음을 확인하였다. 특히, 피어슨 상관계수(Pearson Correlation Coefficient)를 이용한 상관관계 분석은 발전량 예측 과정에서 핵심적인 역할을 하였다.

This paper developed a power generation prediction algorithm based on solar power generation data and focused on selecting variables and improving model performance through correlation analysis. Multivariate variables including environmental data and power generation data were measured for solar power generation prediction, and pre-processing was performed using the Auto Regressive Integrated Moving Average (ARIMA) model after correlation analysis of multivariate data to secure the stability and reliability of the data. In order to perform the prediction, the amount of solar power was predicted using the LSTM-Autoencoder combined model, and the long-term dependence of each multivariate variable was effectively learned. As a result of analyzing the trend of environmental variables using the refined data, it was confirmed that the prediction performance was significantly improved compared to the original data. In particular, correlation analysis using the Pearson Correlation Coefficient played a key role in the power generation prediction process.

본 연구는 시계열 예측에서 지연 종속 변수(Lagged Dependent Variables, LDV)의 활용 가능성을 검증하기 위해 수행되었다. 시계열 데이터는 자기상관성과 추세를 내포하고 있어, 과거 시점의 정보를 효과적으로 반영하는 것이 예측 성능 향상에 매우 중요하다. 그러나 기존 연구들은 딥러닝 모델 또는 전통적 회기 기법에 집중되어 있어, LDV를 결합한 모델들의 성능을 비교한 연구는 제한적이다. 본 연구는 LDV를 활용한 예측 모델이 기존 모델 및 딥러닝 모델 대비 어느 정도의 성능적 우위를 가지는 지 분석하였다. 이를 위해 선형회귀(Linear Regression), Ridge 회귀, Kernel Ridge 회귀 등 전통적인 방법론과, Linear Regression with LDV, Ridge Regression with LDV, Kernel Ridge Regression with LDV를 비교하였다. 추가적으로 LSTM과 Transformer 모델을 포함해 총 8개 모델을 평가하였다. 데이터셋은 화력발전소 가스 터빈에서 발생하는 일산화탄소(CO)와 질소산화물(NOx) 배출량 예측을 목표로 구성된 오픈소스 시계열 데이터와 변압기 내 유온 예측을 위한 ETTm1 데이터셋을 활용하였다. 실험 결과, LDV를 활용한 모델들이 전통적인 모델 대비 평균 45%의 성능 향상을 보였다. 반면 LSTM과 Transformer는 데이터 특성 및 규모의 제약으로 성능이 오히려 저조하게 나타나, 단순히 딥러닝 기법을 적용하는 것만으로는 효과적이지 않음을 확인했다.

This research examines the applicability of Lagged Dependent Variables(LDV) in time series forecasting. Since time series data inherently exhibit autocorrelation and trends, incorporating past observations is essential for improving predictive accuracy. Yet, prior research has focused mainly on deep learning or traditional regression methods, with limited empirical evaluation of LDV-based models. We compare three conventional methods -Linear Regression, Ridge Regression, and Kernel Ridge Regression(KRR)-with their LDV-augmented versions, alongside LSTM and Transformer models, for a total of eight models. The dataset used open-source time-series data constructed to predict carbon monoxide and nitrogen oxides emissions from gas turbines at thermal power plants, along with the ETTm1 dataset for measuring transformer oil temperature. Results show that LDV-based models showed an average performance improvement of 45% compared to the traditional model, while LSTM and Transformer models perform poorly due to data characteristics and scale.

이 연구에서는 식중독 발생건수를 원인물질별로 나눈 자료와 합한 자료를 별개로 분석하여 예측값을 유도한 후 계층구조를 만족하도록 하는 계층 시계열 예측에 대해 알아본다. 원인물질별 식중독 방생건수는 영과잉 포아송 회귀모형과 음이항 회귀모형으로 분석하고 합한 식중독 발생건수 포아송 회귀모형과 음이항 회귀모형으로 분석한다. 계층 시계열 예측을 위해 최적결합 중 하나인 Wickramasuriya 등 (2019)의 MinT 추정이 사용되었다. 계층조정 과정에서 발생한 음의 예측값은 0으로 수정하고 나머지 최하위 변수에 가중치를 곱해 계층구조를 만족시킨다. 실증분석 결과를 보면 원인물질별 예측에서는 계층조정을 한 결과와 하지 않은 결과에 차이가 거의 없었으나 주요, 기타 및 전체에 대한 예측에서는 계층조정 한 결과가 대체로 우수한 것으로 나타났다. 중요한 것은 계층조정을 하지 않으면 최하위 변수의 예측빈도가 주요나 기타의 예측빈도 보다 큰 경우도 발생하지만 제안된 방법을 적용하면 계층구조를 이루는 예측값을 얻을 수 있다.

In this paper, we investigate hierarchical time series forecasting that adhere to a hierarchical structure when deriving predicted values by analyzing segmented data as well as aggregated datasets. The occurrences of food poisoning by a specific pathogen are analyzed using zero-inflated Poisson regression models and negative binomial regression models. The occurrences of major, miscellaneous, and overall food poisoning are analyzed using Poisson regression models and negative binomial regression models. For hierarchical time series forecasting, the MinT estimation proposed by Wickramasuriya et al. (2019) is employed. Negative predicted values resulting from hierarchical adjustments are adjusted to zero, and weights are multiplied to the remaining lowest-level variables to satisfy the hierarchical structure. Empirical analysis revealed that there is little difference between hierarchical and non-hierarchical adjustments in predictions based on pathogens. However, hierarchical adjustments generally yield superior results for predictions concerning major, miscellaneous, and overall occurrences. Without hierarchical adjustment, instances may occur where the predicted frequencies of the lowest-level variables exceed that of major or miscellaneous occurrences. However, the proposed method enables the acquisition of predictions that adhere to the hierarchical structure.

최근 기후변화로 인한 이상기후로 인해 홍수, 산사태, 토사 유출과 같은 자연재난의 피해가 급증하고 있다. 우리나라는 국토의 63% 이상이 산지라는 지형적 특성 때문에 사면 재해에 취약하며, 특히, 토석채취지는 소단형성 과정에서 흙과 암석을 채굴하기 때문에 산사태가 발생할 확률이 높으며, 사업장 내부 뿐만 아니라, 외부까지 재해발생 위험이 높은 지역이다. 이에 따라, 본 연구는 토석채취지의 모니터링을 위해 UAV와 항공LiDAR를 활용하여 DEM을 구축하고 시계열 변화 분석을 수행하였으며, 토석채취지 모니터링을 위한 최적의 DEM 구축방법을 제안하였다. DEM 구축을 위해 UAV와 LiDAR 기반 Point Cloud 구축하고 Aggressive Classification(AC), Conservative Classification(CC), Standard Classification(SC) 등 세가지 알고리즘을 활용하여 지면부를 추출하였다. 알고리즘에 따라 구축한 UAV 및 LiDAR기반 DEM은 수치지형도 기반 DEM과의 비교를 통해 정확도를 평가하였다. 정확도 평가 결과, 알고리즘 방법간의 높이 차는 최대 1 m 내외로 차이가 거의 없었다. 또한, 음영기복도를 활용한 지면부의 질감을 시각적 비교해보았을 때 CC 알고리즘의 성능이 가장 우수하였으며, 산림지역에서 LiDAR 기반 DEM이 높은 정확도를 보였다. 구축한 최적의 DEM을 통해 토석채취지의 시계열 변화량을 비교한 결과, 토석채취지역, 소단 형성지역 등 시계열 변화에 따른 토석채취지의 변화지역 탐지가 가능하였다.

Recently, due to abnormal climate caused by climate change, natural disasters such as floods, landslides, and soil outflows are rapidly increasing. In Korea, more than 63% of the land is vulnerable to slope disasters due to the geographical characteristics of mountainous areas, and in particular, Quarry mines soil and rocks, so there is a high risk of landslides not only inside the workplace but also outside.Accordingly, this study built a DEM using UAV and aviation LiDAR for monitoring the quarry, conducted a time series change analysis, and proposed an optimal DEM construction method for monitoring the soil collection site. For DEM construction, UAV and LiDAR-based Point Cloud were built, and the ground was extracted using three algorithms: Aggressive Classification (AC), Conservative Classification (CC), and Standard Classification (SC). UAV and LiDAR-based DEM constructed according to the algorithm evaluated accuracy through comparison with digital map-based DEM.