Earticle

In this paper, we propose an improved technique called HAB (Huffman encoding Aware Bitpacking) that enhances the Sprintz method, which is a representative time series data compression technique. The proposed technique boosts compression rates by incorporating Huffman encoding-aware bitpacking in the secondary compression stage. Additionally, it can be applied to terminal nodes or edge nodes with limited available resources, as it does not require separate parameters or storage space for compression. The proposed technique is a lossless method and is suitable for fields that require the generation of artificial intelligence models and accurate data analysis. In the experimental evaluation, the proposed HAB showed an average improvement of 14.7% compared to the existing technique in terms of compression rate.

가계동향조사는 가구에 대한 가계수지 실태를 파악하여 국민 소득·소비 수준과 그 변화의 측정 및 분석 등을 목적으로 하는 통계청의 대표적인 조사이다. 최근 여러 기관들에서 2017년과 2018년의 가계동향 지출부문에서 발생한 시계열 단절에 대한 문제를 인식하고, 이 기간에 대한 시계열 연계를 위한 관련 연구를 진행하고 있다. 본 연구에서는 2016년까지의 가계동향 조사 시계열 특성을 파악하고, 이를 반영하여 2017년과 2018년의 지출액에 대한 시계열을 연계하는 예측값을 도출한다. 본 연구에서는 각 지출 항목들의 시계열적 특성을 골고루 반영하는 동시에 특정 예측 모형의 영향을 줄이기 위하여 총 8개의 회귀모형, 시계열모형, 머신러닝 기법을 합성하여 사용하였다. 특히 본 연구의 주목할 만한 특징은, Top-down 또는 Bottom-up 방식이 아닌, 정보의 손실없이 가계동향조사의 계층 구조를 반영할 수 있는 optimal combination 기법을 사용하여 예측력을 향상시켰다는 점이다. 2017년부터 2019년 자료에 대한 가계동향 지출 부문의 연계 분석 결과, 본 연구가 제안하는 연계 방식이 시계열 단절성 회복 및 예측력 향상에 기여하며, 또한 optimal combination 기법에 의한 계층 조정 후의 예측값이 조사자료에 보다 근접한 결과를 보여줌을 확인하였다.

The Household Income and Expenditure Survey is a representative survey of Statistics Korea, which aims to measure and analyze national income and consumption levels and their changes by understanding the current state of household balances. Recently, the disconnection problem in these time series caused by the large-scale reorganization of the survey methods in 2017 and 2019 has become an issue. In this study, we model the characteristics of the time series in the Household Income and Expenditure Survey up to 2016, and use the modeling to compute forecasts for linking the expenditures in 2017 and 2018. In order to evenly reflect the characteristics across all expenditure item series and to reduce the impact of a specific forecast model, we synthesize a total of 8 models such as regression models, time series models, and machine learning techniques. In particular, the noteworthy aspect of this study is that it improves the forecast by using the optimal combination technique that can exactly reflect the hierarchical structure of the Household Income and Expenditure Survey without loss of information as in the top-down or bottom-up methods. As a result of applying the proposed method to forecast expenditure series from 2017 to 2019, it contributed to the recovery of time series linkage and improved the forecast. In addition, it was confirmed that the hierarchical time series forecasts by the optimal combination method make linkage results closer to the actual survey series.

본 논문은 Wang과 Samworth (2018)가 제안한 성근 프로젝션 방법을 개선하여 MOSUM을 이용하여 고차원의 시계열데이터에 존재하는 다중 평균 변화점을 추정하는 방법에 대해서 제안한다. 제안한 방법은 국소방법으로 다중 변화점을 동시에 찾을 수 있어 순차적 오류를 최소화 할 뿐만 아니라 평균이 상쇄되는 경우에도 변화점을 추정하는 장점을 지니고 있다. 또한 데이터 의존적인 방법으로 블록 와일드 붓스트랩 방법을 활용하여 임계점을 찾는 방법을 제안한다. 모의 실험을 통해 제안한 방법이 좋은 성능을 보임을 확인하였으며 S&P 500 지수를 구성하는 개별 기업들의 금융 자료에 적용하여 최근 6년간 네 번의 변화점을 찾았다.

This paper proposes the so-called MOSUM-based sparse projection method for change points detection in high-dimensional time series. Our method is inspired by Wang and Samworth (2018), however, our method improves their method in two ways. One is to find change points all at once, so it minimizes sequential error. The other is localized so that more robust to the mean changes offsetting each other. We also propose data-driven threshold selection using block wild bootstrap. A comprehensive simulation study shows that our method performs reasonably well in finite samples. We also illustrate our method to stock prices consisting of S&P 500 index, and found four change points in recent 6 years.

본 연구에서는 여러가지 시계열 모형 중 평활법(가법계절지수, 승법계절지수), 계절 ARIMA 모형, ARARCH 그리고 AR-GARCH 회귀모형을 이용하여 최대 전력수요를 예측하는 방법을 연구하였다. 이 때 가중 평균모형으로 추세를 갖는 시계열 모형과 온도에 대한 회귀 모형을 적절한 가중치로 예측 정확도를 높이는 방법도 연구하였다. 결과적으로 AR-GARCH 회귀모형으로 예측하는 것이 가중 우수함을 보였다.

Through this study, we studied how to consider environment variables (such as temperatures, weekend, holiday) closely related to electricity demand, and how to consider the characteristics of Korea electricity demand. In order to conduct this study, Smoothing method, Seasonal ARIMA model and regression model with AR-GARCH errors are compared with mean absolute error criteria. The performance comparison results of the model showed that the predictive method using AR-GARCH error regression model with environment variables had the best predictive power.

Quality control (QC) to process observed time series has become more critical as the types and amount of observed data have increased along with the development of ocean observing sensors and communication technology. International ocean observing institutions have developed and operated automatic QC procedures for these observed time series. In this study, the performance of automated QC procedures proposed by U.S. IOOS (Integrated Ocean Observing System), NDBC (National Data Buy Center), and OOI (Ocean Observatory Initiative) were evaluated for observed time-series particularly from the Yellow and East China Seas by taking advantage of a confusion matrix. We focused on detecting additive outliers (AO) and temporary change outliers (TCO) based on ocean temperature observation from the Ieodo Ocean Research Station (I-ORS) in 2013. Our results present that the IOOS variability check procedure tends to classify normal data as AO or TCO. The NDBC variability check tracks outliers well but also tends to classify a lot of normal data as abnormal, particularly in the case of rapidly fluctuating time-series. The OOI procedure seems to detect the AO and TCO most effectively and the rate of classifying normal data as abnormal is also the lowest among the international checks. However, all three checks need additional scrutiny because they often fail to classify outliers when intermittent observations are performed or as a result of systematic errors, as well as tending to classify normal data as outliers in the case where there is abrupt change in the observed data due to a sensor being located within a sharp boundary between two water masses, which is a common feature in shallow water observations. Therefore, this study underlines the necessity of developing a new QC algorithm for time-series occurring in a shallow sea.

복잡하고 비선형적인 특징을 갖는 시계열 데이터를 예측하기 위해 딥러닝 기법이 널리 사용되고 있다. 본 연구에서는 최근에 개발된 WaveNet을 개선하고 워크포워드 검증 기법을 적용하여 전력 소비량 데이터를 24시간 이전에 예측하고자 한다. 원래 WaveNet은 오디오 데이터 예측에 사용하고자 고안되었으며, 장기간의 데이터를 효과적으로 예측하기 위해 1차원 팽창인과 합성곱(1D dilated causal convolution)을 사용한다. 먼저, WaveNet이 부호화된 정수 값이 아니라 실수 값을 출력하여 전력 데이터를 예측하기 적합하도록 개선하였다. 다음으로 학습 과정에 적용된 하이퍼파라미터(입력 기간, 배치 크기, WaveNet 블록 개수, 팽창 비율, 학습률 변경)를 조정하여 적절한 성능을 나타내도록 하였다. 마지막으로 성능 평가를 통해 전통적인 홀드아웃 검증 기법보다 본 연구에서 사용한 워크포워드 검증 기법이 전력 소비량 데이터 예측에 우수함 성능을 나타냄을 확인하였다.

Deep learning is one of the most widely accepted methods for the forecasting of time series data which have the complexity and non-linear behavior. In this paper, we investigate the modification of a state-of-art WaveNet deep learning architecture and walk forward validation (WFV) in order to forecast electric power consumption data 24-hour-ahead. WaveNet originally designed for raw audio uses 1D dilated causal convolution for long-term information. First of all, we propose a modified version of WaveNet which activates real numbers instead of coded integers. Second, this paper provides with the training process with tuning of major hyper-parameters (i.e., input length, batch size, number of WaveNet blocks, dilation rates, and learning rate scheduler). Finally, performance evaluation results show that the prediction methodology based on WFV performs better than on the traditional holdout validation.

Anomaly detection of Machine Learning such as PCA anomaly detection and CNN image classification has been focused on cross-sectional data. In this paper, two approaches has been suggested to apply ML techniques for identifying the failure time of big time series data. PCA anomaly detection to identify time rows as normal or abnormal was suggested by converting subjects identification problem to time domain. CNN image classification was suggested to identify the failure time by re-structuring of time series data, which computed the correlation matrix of one minute data and converted to tiff image format. Also, LASSO, one of feature selection methods, was applied to select the most affecting variables which could identify the failure status. For the empirical study, time series data was collected in seconds from a power generator of 214 components for 25 minutes including 20 minutes before the failure time. The failure time was predicted and detected 9 minutes 17 seconds before the failure time by PCA anomaly detection, but was not detected by the combination of LASSO and PCA because the target variable was binary variable which was assigned on the base of the failure time. CNN image classification with the train data of 10 normal status image and 5 failure status images detected just one minute before.

The purpose of this study is to analyze the hydrologic cycle environment of Gyeongui Line Forest Park, a linear city park, in order to improve hydrologic cycle systems in urban areas. The method of the study is the Biotope Area Ratio and the Permeable ratio survey. The study subject is the Gyeongui Line Forest Park, created in 2016 as a linear park in Seoul. The results showed that the Biotope Area Ratio improved by 31.2% (31,927㎡) from 35.7% (36,480㎡) in 2000 to 66.9% (68,407㎡) in 2019 on a site area of 102,117㎡. Next, the Permeable ratio improved by 43.8% from 29.0% to 72.8%, and the impermeable ratio decreased by 43.8% from 71.0% to 27.2%. The Biotope Area Ratio exceeded the target ratio of 60% by 6.9%, set by the Ministry of Environment. The ratio of green space exceeded the target ratio of 60%, by 4.0%. And so they contributed to the improvement of the hydrologic cycle by the creation of the Gyeongui Line Forest Park. Urban parks need to exceed the Biotope Area Ratio and the green area ratio of the legal standards, especially when creating large parks of over 100,000 square meters, in the era of climate change. It is necessary to continuously plant trees in the space where trees can be planted, and to contribute to the improvement of the hydrologic cycle system and urban heat island effect by conducting three-dimensional.

얼마나 많은 에너지를 사용하느냐에 대한 예측은 사회에서 중요한 이슈이다. 특히 주거 건물은 건물의 특성상 다른 건물에 비해 예측하기 힘들다. 본 논문에서는 주거용 건물의 전력 사용량에 대한 시계열 분석의 방법들을 설명하고자 한다. 일반적으로 온도는 전력 사용량과 밀접한 관련이 있다고 알려져 있다. 변수들 사이에 공적분 관계가 존재한다면, 시간에 따른 오차를 조정하는 방법인 오차수정모형을 적용한다. 전력 사용량과 온도를 포함한 변수들 사이에 공적분 관계가 있음을 보이고, 새로운 온도 반응 함수를 정의하여 온도 효과를 고려한 오차수정모형을 적용하고자 한다.

Predicting how much energy to use is an important issue in society. However, it is more difficult to capture the usage characteristics of residential buildings than other buildings. This paper provides time series analysis methods for electricity consumption in a residential building. Temperature is closely related to electricity demand. An error correction model, which is a method of adjusting the error with time, is applied when a cointegration relation is established between variables. Therefore, we analyze data via ECMs with consideration of the temperature effect.

우리나라 갯벌은 우리나라의 하천 및 중국의 양자강과 황하 등으로부터 흘러 들어온 퇴적물이 밀물과 썰물에 의해 생성된 지형이며 오염정화, 어패류 생산 등에 있어 중요성이 아주 높다. 갯벌은 직접적인 접근이 어려워 지상측량이 힘들어 항공사진측량 기법을 활용하여 고해상도의 공간 정보를 얻는 것이 효율적이다. 본 연구에서는 비용 및 촬영 주기 등에 있어 단점이 있는 유인항공기 및 인공위성을 보완하기 위해 최근 산업적으로 주목받고 있는 드론을 활용하여 갯벌 지형 생성에 대한 연구를 수행하였다. 전라남도 영광 함평만 야월리 갯벌에 대해 GPS(Global Positioning System) 기준점 측량, 시간대별 드론 영상 획득, 번들 조정, 입체영상 처리를 통하여 DSM(Digital Surface Model) 및 정사영상을 생성하고 상호 좌표등록 등의 절차를 통해 단시간 내에 공간 정확성이 높은 갯벌의 시계열 공간 정보의 생성이 가능하였다.

The mud flat in Korea is the geographical feature generated from the sediment of rivers of Korea and China and it is the important topography for pollution purification and fishing industry. The mud flat is difficult to access such that it requires the aerial survey for the high-resolution spatial information of the area. In this study we used drones instead of the conventional aerial and remote sensing approaches which have shortcomings of costs and revisit times. We carried out GPS-based control point survey, temporal image acquisition using drones, bundle adjustment, stereo image processing for DSM and ortho photo generation, followed by co-registration between the spatio-temporal information.

기존에는 lab-scale 연구에서 이론식을 기초로 막오염 모델식을 구성하였지만, 이러한 모델식은 여과, 역세, 배출이 연속적으로 이루어지는 실규모 현장에 적용하기에는 적합하지 않았다. 본 연구는 실제로 인천시 G-정수사업소에서 발생되는 배출수 처리를 위해 연속자동 운전되고 있는 침지막 공정을 대상으로 진행되었다. 정유량 조건에서 막오염 관리지표를 막간차압(Trans-Membrane Pressure, TMP)으로 결정하고 침지막 공정의 주요 운전변수인 총 투과유량과 조 내 SS농도를 독립변수로 하여 TMP의 시계열 예측을 시도하고 예측 가능성 및 적용성을 평가하였다. 유전자알고리즘을 이용한 시계열 예측모형을 구성한 결과, TMP 예측값이 펄스주기 형태와 경시적인 증가 추세 두 가지를 모두 반영하고 있어서 만족할 만한 결과가 나왔다. 두 번의 검증 결과, 선형회귀 방식으로 TMP 실측치와 예측치의 상관성(유의성)을 나타내면 각각 $r^2=0.721$, $r^2=0.928$ 수준이다. 본 연구에서는 하절기 자료를 활용하여 모델링 작업을 수행하였지만 추후에 연속자료가 더 쌓이면 같은 절차로 모델링 작업을 반복해서 더 높은 신뢰도의 예측모형을 구성할 수 있고 이를 실제 현장에 적용하여 2~3일 정도의 단기예측을 수행한다면 실제로 막공정을 에너지 효율적으로 운영하는데 도움이 될 것으로 사료된다.

Most research on membrane fouling models in the past are based on theoretical equations in lab-scale experiments. But these studies are barely suitable for applying on the full-scale spot where there is a sequential process such as filtration, backwash and drain. This study was conducted in submerged membrane system which being on operation auto sequentially and treating wastewater from G-water purification plant in Incheon. TMP had been designated as a fouling indicator in constant flux conditions. Total volume of inflow and SS concentration are independent variables as major operation parameters and time-series analysis and prediction of TMP were conducted. And similarity between simulated values and measured values was assessed. Final prediction model by using genetic algorithm was fully adaptable because simulated values expressed pulse-shape periodicity and increasing trend according to time at the same time. As results of twice validation, correlation coefficients between simulated and measured data were $r^2=0.721$, $r^2=0.928$, respectively. Although this study was conducted limited to data for summer season, the more amount of data, better reliability for prediction model can be obtained. If simulator for short range forecast can be developed and applied, TMP prediction technique will be a great help to energy efficient operation.

환경생태 자료 분석에 사용된 많은 자료가 시간에 따라 얻어지고 있다. 조사된 시점의 수가 적은 경우에는 자료가 충분한 정보를 주지 않기 때문에 반복 측정하거나 여러 지점을 조사하여 종합적인 분석을 수행하게 된다. 이때 사용하는 방법이 경시적 자료 분석(longitudinal data analysis) 또는 혼합모형(mixed model) 분석이다. 그러나 시점의 수가 많아 정보의 양이 충분하다면 반복적인 자료가 필요하지 않으며 이러한 자료는 시계열 분석 기법을 이용하여 분석하게 된다. 특히 현재와 같이 다수의 시점에서 얻어진 자료의 수가 많아지고 있는 상항에서 각 변수 간에 서로 어떤 영향을 주는지 또는 향후 어떤 경향을 띠게 되는지 예측을 원한다면 시계열 분석 기법을 사용하여 자료를 분석해야 한다. 본 연구에서는 단변량 시계열 분석(univariate time series analysis), 개입 분석(intervention time series model), 전이함수 모형 분석(transfer function model), 다변량 시계열 분석(multivariate time series model) 기법을 소개하고 현재까지 진행된 국내외 연구 논문을 살펴보았다. 또한 향후 환경생태 자료 분석에서 중요하게 사용될 수 있는 오차수정 모형(error correction model)을 소개하였다.

Much of the data used in the analysis of environmental ecological data is being obtained over time. If the number of time points is small, the data will not be given enough information, so repeated measurements or multiple survey points data should be used to perform a comprehensive analysis. The method used for that case is longitudinal data analysis or mixed model analysis. However, if the amount of information is sufficient due to the large number of time points, repetitive data are not needed and these data are analyzed using time series analysis technique. In particular, with a large number of data points in the current situation, when we want to predict how each variable affects each other, or what trends will be expected in the future, we should analyze the data using time series analysis techniques. In this study, we introduce univariate time series analysis, intervention time series model, transfer function model, and multivariate time series model and review research papers studied in Korea. We also introduce an error correction model, which can be used to analyze environmental ecological data.

정확한 전력수요 예측은 에너지 소비를 줄이고 전력수급의 불균형을 방지한다. 본 연구는 외부요인의 영향을 가장 적게 받는 특정 시간대의 일 단위 전력 수요량을 참조선 (reference line)으로 한 시계열모형을 세우고자 한다. 고려된 시계열모형은 슬라이딩 창을 이용한 이중 계절성 Holt-Winters 모형과 TBATS 모형이다. 시계열모형의 모수는 2009년 1월 4일부터 2011년 12월 31일까지 자료를 이용하여 추정되었으며, 2012년 1월 1일부터 2012년 12월 29일까지의 각 모형의 전력수요량을 예측하여 성능을 비교하였다. RMSE와 MAPE를 통해 예측 성능을 비교한 결과 TBATS 모형의 성능이 우수하였다.

Accurate electricity demand forecasts is essential in reducing energy spend and preventing imbalance of the power supply. In forcasting electricity demand, we considered double seasonal Holt-Winters model and TBATS model with sliding window. We selected a specific time zone as the reference line of daily electric demand because it is least likely to be influenced by external factors. The forecasting performance have been evaluated in terms of RMSE and MAPE criteria. We used the observations ranging January 4, 2009 to December 31 for testing data. For validation data, the records has been used between January 1, 2012 and December 29, 2012.

본 연구에서는 서울에서 직경 $10{\mu}m$이하의 미세먼지에 대한 공간분석을 수행하였다. PM10은 폐암과 질병에 의한 사망율을 증가시키는 주요 원인이기 때문에 PM10의 공간적 분포는 서울의 대기오염에서 중요한 관심 사항이다. 본 연구에서 PM10의 공간적 분포 분석은 2010년과 2011년 서울시 미세먼지의 월 평균자료에 의해 모니터링 되었다. PM10의 공간보간은 PM10의 공간분포 특성을 잘 반영하는 IDW 방법을 적용하였고, PM10의 월 평균 공간분포는 서울시의 서부지역(영등포)이 초봄과 겨울철에 서울시의 북부지역 보다 높은 농도의 공간 분포를 나타내었다. 또한 2010년과 2011년 PM10 농도 분포의 비교에서 2011년 강남구와 송파구의 PM10 농도는 2010년 연평균 공간분포 보다 증가하였다. 서울시 PM10의 공간 분포가 영등포구, 강남구, 청량리 등 특정지역에서 높은 경향을 나타내고 있어서 이에 대한 관리방안의 수립이 요구된다.

In this study spatial analysis of PM10 was performed to Particulate Materials(PM) less than $10{\mu}m$ in diameter in Seoul city. Because PM10 are responsible for the increasing mortality rate of lung cancer and cardiovascular diseases, spatial distribution of PM10 are special interest in air pollution of Seoul. In this study, spatial analysis of Particulate Materials were monitored by monthly averaged PM10 concentration of 2010, 2011. The monthly spatial patterns of PM10 showed the west area of Seoul(Youngdungpo) higher PM10 concentration than northern part of Seoul in early spring and winter seasons. In the comparison of PM10 concentration distribution patterns in 2010 and 2011, the PM10 concentration of 2011 at Gangnam and Songpa-gu were more increased than yearly averaged patterns of 2010. The distribution patterns of PM10 in Seoul city showed the high concentration PM10 of several areas with Youngdungpo-gu, Gangnam-gu and Cheongnyangni. Therefore we need to establish PM10 management strategy for these area.

동해 남서부에 위치한 강릉-울릉도간 해역에서 정기여객선 씨스타호에 수온, 염분 및 클로로필a 형광센서를 설치하고 2012년 7월부터 2013년9월까지 북한한류와 동한난류역을 가로질러 매일 왕복조사를 수행하여 해수물성을 연속관측 하였다. 본 연구에서는 염분과 클로로필a 형광 기록과 동해정선관측 및 환경측정망조사 결과, AVISO의 일별 표면해류도 그리고 GOCI 클로로필a 영상을 이용하여 표층해역의 염분 시계열 변동을 분석하였다. 본 연구 결과, 6월부터 10월까지 강릉-울릉도간 표층 해역에 염분범위 33.15~34.12의 고염분수역이 주로 환류의 중간해역이나 강한 북향류의 서쪽 경계역에서 나타났다. 이 수역의 서쪽에는 최저 염분범위가 30.58~33.20로 남향류를 수반하였고 동쪽은 31.30~33.24로 북향류가 수반되었다. 서쪽의 저염분수는 남하하는 북한한류수의 표층수이며, 동쪽의 저염분수는 북상하는 대마난류 표층수이다. 본 연구에서 확인된 북한한류수의 최저염분은 30.36이었으며, 서쪽 저염분수의 동쪽 한계는 강릉 동쪽 약 110 km지점까지, 남쪽으로는 죽변 연안까지 수심 약 5~10 m 이천에서 33.00이하로 분포하였다. 이 저염분수는 하계에 양자강희석수의 혼합으로 저염화된 대마난류 표층수가 북상하면서 수송하는 담수의 규모에 비하여 무시할 수 없을 정도이다. 이것을 본 연구에서는 북한한류수 기원 하계 표층수라고 명명하고자 한다.

An instrumented ferry made two transects per day across two current systems which are the North Korean Cold Current and the East Korean Warm Current over the years 2012-2013 from Gangneung to Ulleungdo in the southwestern East Sea. Seawater properties of these transects were measured with high spatial and temporal resolution for an extended period of time. Here the salinity records from the transects with the oceanographic observation data from East Sea Fisheries Institute of NFRDI, AVISO daily current chart and GOCI Chlorophyll-a image in 2012 and 2013 are used to study the time-series variation of salinity at the surface. The high salinity section with the range of 33.15~34.12 occurred on the transect mainly in the middle of eddy, and western boundary of strong northward current from June to October. We can found low salinity waters in both sides of the high salinity section. It is estimated that the western low salinity waters with the range of 30.58~33.20 accompanied by southward current were derived from the NKCC and the eastern waters with the range of 31.30~33.24 accompanied by northward current were derived from the Tsushima Surface Water. The lowest salinity of NKCC is confirmed in this study as 30.36. It is found that the western waters below 33.00 extended extremely toward the east about 110 km area from Gangneung and toward the south around Jukbyon coastal area as a 5~10 m layer. We can find its volume of low saline waters transport is not neglectable compared with that of Tsushima Current region in the western part of the East Sea. In this study we named it as the North Korean Low Saline Surface Water in summer.

연안 도시인 목포는 시 면적의 약 70%가 바다를 매립하여 이루어진 도시로(Kim et al., 2005) 매립에 의한 지반침하 현상이 지속적으로 보고되고 있다. 본 연구에서는 ALOS PALSAR L-band 위성에서 얻어진 영상을 이용하여 2006년부터 2010년까지 목포시 일원에서 발생한 지반침하를 관측하였고, 2010년부터 2012년까지 획득된 GPS 현장 자료의 시계열 분석을 통해 지반침하의 양상을 비교, 분석하였다. GPS 자료처리 결과 일정한 주기를 가지고 지표의 상승과 하강이 반복되는 양상이 나타났다. 따라서 이를 제외한 정확한 지반침하량만을 계산하기 위해서 시계열 분석을 수행하였다. 분석결과 GPS 자료로부터 계산된 지반침하 속도는 3.89cm/yr이고, 같은 지점에서 SAR 영상으로부터 관측된 지반침하 속도는 2.65cm/yr로 관측되었다. SAR와 GPS 자료처리 결과가 매우 유사하게 나타났으며 이를 바탕으로 두 자료를 통합하여 새로운 지반침하 모델링이 가능함을 시사한다. 또한 지반침하가 관측된 곳은 간척지에 해당하며, 2012년까지 지반침하가 지속적으로 발생했음을 확인하였다.

Most of regions within the city of Mokpo, located on the southwest coast of the Korean Peninsula, are subjected to significant subsidence because about 70% of the city is land reclaimed from the sea (Kim et al., 2005). In this study, we aimed to estimate the rate of subsidence over Mokpo by using PALSAR L-band dataset from 2006 to 2010. Time series analysis was performed as well using GPS surveying data from 2010 to 2012. Results from these two independent datasets are then compared and analyzed over the common period of time. GPS data processing provides the results of seasonal variation on the surface, that is, via repeatedly rising and falling in association with the periodic cycle. Therefore, a time series analysis was performed to calculate the rate of ground subsidence. The deformation rates calculated for the same point are 3.89cm/yr and 2.65cm/yr from the GPS data and SAR data, respectively. SAR and GPS data processing results show a very similar pattern in terms of magnitude of annual subsidence. Thus, if the two datasets are integrated together, new modeling on ground subsidence is feasible. Lastly, subsidence was detected in a landfill area in the city of Mokpo, which has been continuously occurring through 2012.

비선형 동력학 시스템으로 판단되는 전력수요의 시계열 데이터를 분석하고 예측하기 위해 다양한 방법과 알고리즘이 적용되어져 왔다. 본 논문에서는 복잡한 비선형 시스템의 특성을 파악하기 위해 비선형 시계열 분석을 효과적으로 수행할 수 있는 각종 알고리즘과 코드를 패키지로 제공하는 TISEAN을 이용하여 전력수요 시계열 데이터가 가지고 있는 카오스 성질을 분석하였다.

On this paper, various analysis methods has been applied to analyze and forecast the maximum electrical power needs, which is regarded as a nonlinear dynamic system. To understand the characteristic of complicated system, we used TISEAN package and evaluate the chaotic characteristic of time series obtained from electrical power demand using it. TISEAN package offers various algorithms and codes to analyze time series of nonlinear system effectively.

현재 국내에서 EM-120에 의해 검측된 틀림 데이터는 매우 불규칙적인 형태를 나타내며 데이터 분석 시 다양한 문제점을 가지고 있다. 본 연구에서는 궤도의 효율적인 유지관리를 위해 검측된 틀림데이터의 특징과 문제점을 분석하고, 이를 보완할 수 있는 효율적인 처리 기법을 개발하였으며, 정제된 데이터의 ARIMA 분석을 통해 검측데이터와 계절 변화의 상관관계 분석을 수행하였다. 또한 회귀모형, 지수평활법, ARIMA 모형 등 다양한 예측 모델의 적용을 통해 검측 데이터의 시계열 분석을 수행하고, 궤도 틀림 데이터의 예측 모델에 적합한 최적 모델 선정과 관련한 연구를 수행하였다.

Irregularity data inspected by EM-120, an railway inspection system in Korea includes unavoidable incomplete and erratic information, so it is encountered lots of problem to analyse those data without appropriate pre-data-refining processes. In this research, for the efficient management and maintenance of railway system, characteristics and problems of the detected track irregularity data have been analyzed and efficient processing techniques were developed to solve the problems. The correlation between track irregularity and seasonal changes was conducted based on ARIMA model analysis. Finally, time series analysis was carried out by various forecasting model, such as regression, exponential smoothing and ARIMA model, to determine the appropriate optimal models for forecasting track irregularity progress.

최근 고령화 사회가 도래함에 따라 복지 사회 실현을 위해 의료기술에 IT 기술을 접목하여 인간의 건강을 효과적으로 유지하려는 요구가 증가하였다. 이러한 요구의 증가로 인해 원격으로 건강 상태를 검진하여 질병을 방지하거나 만성적인 환자의 건강상태를 장기적으로 관찰할 수 있는 IT 기술에 대한 연구가 활발하게 진행되고 있다. 본 연구에서는 누적된 인체 센서 데이터에 대한 분류화 기법을 제안하여 구현하고 성능을 검증하였다. 분류화 기법은 인체 센서 데이터에 잘 적용될 수 있는 지지벡터 기계를 활용하여 구현하였다. 인체 센서 데이터의 대표패턴 정의와 실험을 위한 잡음 생성을 통하여 분류화 정확도를 높일 수 있도록 실험을 설계하였고 다양한 설정 변수에서도 기법을 실험하여 빠르고 정확한 기법을 설계 및 구현하였다.

In order to determine temporal changes of the urban landscape, interdependence and interaction among geo-spatial objects can be analyzed using GIS analytic methods. In this study, to investigate changes in the landscape structure of the Namyangju area, the size and shape of landscape patches, and the distance between the patches were analyzed with the Spatial Autocorrelation Method. In addition, both global and local spatial autocorrelation analyses were conducted. The results of global Moran's I revealed that both patch size and shape index transformed to a more dispersed pattern over time. Next, the local Moran's I of patch size in all time series determined that almost all patches were of a high-low pattern. Meanwhile, the local Moran's I of the shape index was found to have changed from a high-high pattern to a high-low pattern in time series. Finally, as time passes, the number of hot spot patches about size and shape index had been decreased according to the results of hot spot analysis. These changes appeared around the development projects in the study area. From the results of this study, degradation of landscape patches in Namyangju were ascertained and their specific areas were delineated. Such results can be used as useful data in selecting areas for conservation and for preparing plans and strategies in environmental restoration.