함수형 시계열 자료를 위한 추정 및 예측모형과 응용

• 영문명: Estimation and Prediction Model for Functional Time Series Data and Application
• 발행기관: 한국자료분석학회
• 저자명: 이동혁(Donghyuk Lee) 양호진(Hojin Yang)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.25 No.5, 1713~1723쪽, 전체 11쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2023.10.31

국문 초록

대기 중 이산화탄소는 온실가스로서 지표면으로부터 방출되는 복사에너지를 흡수하여 지표면의 생명체가 살기에 적당한 온도를 유지해주는 역할을 하고 있다. 그러나 급격한 산업화 과정 등의 인간의 활동으로 최근 들어 이산화탄소 농도가 증가하게 되면서 지구 온난화의 원인이 되고 있다. 이산화탄소 농도변화를 구체적으로 이해하고 모니터링하기 위하여 많은 연구은 현재와 과거의 이산화탄소와 관련한 수치 모형을 통하여 학습하고 미래의 이산화탄소 농도를 예측하고 있다. 본 연구에서는 국내 기상청에서 측정된 이산화탄소 농도 자료를 함수형 시계열 자료 모형에 의하여 추출된 자료라 간주하고 함수형 자료 분석 방법과 시계열적 분석 방법을 결합하여 함수 간의 시계열 모형을 소개하고 미래의 이산화탄소 농도를 예측하고자 한다. 기존의 연구는 연간 관측된 이산화탄소 농도를 계절 및 공간적 분류를 적용한 후 전통적인 시계열 및 경시적 자료 분석 기법을 활용하였다. 그러나 측정된 이산화탄소 농도는 시간이라는 정의역 공간위에서 관측되어진 연속함수로 가정하는 것이 개별적인 시점의 이산화탄소 농도를 독립적으로 가정하는 것보다 더 타당해 보인다. 따라서 전통적인 분석법에서 탈피하여 관측되는 자료를 함수형 자료로 가정하고 함수열 간의 시계열 관계를 유추하는 통계학적 방법을 사용하여 2001년부터 2021년까지 수집된 국내 이산화탄소 농도에 관한 시계열 관계를 추정하고자 한다. 또한 특정한 미래시점이 주어진 경우 이산화탄소 농도를 예측할 수 있는 방법을 소개하자 한다.

영문 초록

Carbon dioxide (CO2) in the atmosphere is a greenhouse gas that absorbs radiant energy emitted from the earth's surface and maintains a suitable temperature for life on the earth. However, human activities such as rapid industrialization have recently increased the concentration of CO2, which has become a cause of global warming. In order to understand and monitor changes in CO2 level, many studies are learning through numerical models related to current and past CO2 level and predicting future CO2 level. In this study, we consider the CO2 data measured by the Korea Meteorological Administration as a functional time-series data model, incorporate the functional data method with the time-series method. Existing studies have used traditional time-series and longitudinal data approaches after fixing seasonal and spatial criterion to entire CO2 data. However, assuming that the CO2 level is a continuous function over the time space looks more reasonable than assuming the CO2 level is a scalar at individual time point. Therefore, a part from the traditional methods, we assume the observed data as functional data and use a functional data method to infer the dependent relationship between the functions and apply such a approach to the CO2 data collected from 2001 to 2021 in Korea. Also, we introduce forecasting method that can predict the CO2 level for a specific future time.

목차

1. 서론

2. 분석방법

3. 모의실험

4. 자료분석

5. 결론

References

키워드

스팩트럴 분해 자기공분산 자기회귀모형 예측 Autocovariance autoregressive model forecasting spectral decomposition