KR20200000679A - 스플라인 보간법 기반 시계열 데이터를 추정하기 위한 장치 및 그 방법 - Google Patents

Abstract

본 발명에 의한 스플라인보간법 기반 시계열 데이터를 추정하기 위한 장치 및 그 방법이 개시된다. 본 발명의 일 실시예에 따른 스플라인보간법 기반 시계열 데이터를 추정하기 위한 장치는 관찰된 데이터를 수신하고, 상기 관찰된 데이터로부터 동향모형을 선정하는 동향모형 선정부; 상기 선정된 동향모형으로부터 환경성을 선정하는 환경성 선정부; 및 상기 선정된 환경성으로부터 로그 회귀 환경성 기법을 이용하여 추정데이터를 생성하는 추정데이터 생성부를 포함한다.

Description

스플라인 보간법 기반 시계열 데이터를 추정하기 위한 장치 및 그 방법{APPARATUS FOR ESTIMATING TIME SERIES DATA BASED ON SPLINE INTERPOLATION AND METHOD THEREOF}

본 발명은 시계열 데이터 추정 기법에 관한 것으로, 보다 상세하게는 스플라인 보간법 기반 시계열 데이터를 추정하기 위한 장치 및 그 방법에 관한 것이다.

측정하지 않았거나 측정할 수 없는 값을 구해야 할 경우 즉, 공간 기준에서 센서와 센서 사이의 공간과 불가항력적으로 센서로부터 센싱 데이터를 수집하지 못한 경우 보간법을 사용한다.

도 1은 일반적으로 사용되는 여러 종류의 보간법을 설명하기 위한 도면이다.

도 1를 참조하면, (a)의 선형 보간법은 구간 f(xi), xi와 f(xi+1), xi+1사이를 항상 반으로 나눈다. 그러나 이 경우 곡선 함수 사이를 고려하지 않아 추정 값의 오차 범위가 커질 수 있다.

(b)의 다항식 보간법은 2차 이상의 다항식으로 추정 값을 계산한다. 다항식 보간법은 다항식의 차수가 높아질수록 데이터 점이 많아져서 계산이 복잡해지고 데이터 점에 따라 많이 바뀌기 때문에 선형보간법보다는 작지만 오차가 있다.

(c)의 스플라인 보간법은 선형 보간법보다 정확하고 다항식 보간법보다 더 복잡하다. 각 구간별 곡선식을 가지므로 하나의 함수식으로 표현이 불가하고 미분이 가능한 곡선이어야 한다.

위 기술들은 규칙성이 일정하고 연속적 시계열 데이터의 경우에는 효과적인 방법이지만 계측 주기가 10분 또는 30분과 같이 非계측 폭이 불규칙하고 공간적으로 비교적 멀리 떨어져 있는 경우, 몇 가지 문제점이 발생한다. 예를 들면 사람이 거주하고 있는 한 공간에서 열 분포도를 표현하기 위하여 3차원 공간에 촘촘히 온도센서를 장착할 수 없다. 이는 비용적인 문제뿐만 아니라 거주자의 행동 범위에 불편함을 초래할 수 있기 때문이다. 이로서 계측 주기가 불규칙적이고 공간적 범위의 문제가 혼재된 경우 위 보건법을 적용할 경우 다음의 문제가 발생한다.

첫 번째는 추정 데이터는 함수에 의하여 매끄러운 곡선을 유지하는 속성으로 생성되어 실제 계측 데이터와 차이가 발생할 수 있다.

도 2는 스플라인 보간법 추정 데이터와 실제 계측된 데이터를 비교한 도면이다.

도 2를 참조하면, 두 데이터의 차이를 보여준다. 스플라인 보간법으로 추정한 데이터는 관측된 데이터보다 전후 중간에 위치한다. 그 원인은 평균값을 사용하여 추정 데이터를 생성하는 것에 있다. 이는 평균을 계산하는 과정에서 각 요소들의 변동이 중간 값으로 수렴하여 추정 데이터가 평활 되었다는 것을 추정할 수 있다.

두 번째는 추정된 데이터에서 계절성에 해당하는 부분이 일정한 패턴을 유지하고 있어서 사실적인 예측 관점에서 다소 부자연스럽다는 것이다.

도 3은 기존 스플라인 보간법과 신경망 스플라인 보간법 추정 데이터를 비교한 도면이다.

도 3을 참조하면, 이는 단순히 기존 동향 변수에 의한 결과라고 할 수 있다. 단순히 기존 동향 변수만이 아닌 환경변화 입력 변수에 의하여 추정 값이 달라질 수 있다.

등록특허공보 제10-0252643호, 공고일자 2000년04월15일

이러한 종래 기술의 문제점을 해결하기 위한 것으로, 본 발명의 목적은 추정 정확도를 높일 수 있는 스플라인보간법 기반 시계열 데이터를 추정하기 위한 장치 및 그 방법을 제공하는데 있다.

다만, 본 발명의 목적은 상기 목적들로 한정되는 것이 아니며, 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위에서 다양하게 확장될 수 있을 것이다.

상기 본 발명의 목적을 달성하기 위하여, 본 발명의 한 관점에 따른 스플라인보간법 기반 시계열 데이터를 추정하기 위한 장치는 관찰된 데이터를 수신하고, 상기 관찰된 데이터로부터 동향모형을 선정하는 동향모형 선정부; 상기 선정된 동향모형으로부터 환경성을 선정하는 환경성 선정부; 및 상기 선정된 환경성으로부터 로그 회귀 환경성 기법을 이용하여 추정데이터를 생성하는 추정데이터 생성부를 포함할 수 있다.

또한, 상기 동향모형 선정부는 선형 회귀 모형, 로그 회귀 모형, 지수 회귀 모형 중 특정한 모형을 상기 동향모형으로 선정할 수 있다.

또한, 상기 추정데이터 생성부는 상기 관찰된 데이터에서 상기 선정한 동향을 빼서 잔차를 구하고, 상기 잔차에서 각 구간의 환경서 데이터를 추출하여 매트릭스를 생성하고, 상기 생성한 매트릭스를 이용하여 각 환경성 인덱스마다 로그 회귀 모형을 생성하고, 상기 동향 모형과 상기 로그 회귀 모형을 이용하여 특정 위치에서의 상기 추정 데이터를 생성할 수 있다.

본 발명의 다른 한 관점에 따른 스플라인보간법 기반 시계열 데이터를 추정하기 위한 방법은 관찰된 데이터를 수신하고, 상기 관찰된 데이터로부터 동향모형을 선정하는 동향모형 선정단계; 상기 선정된 동향모형으로부터 환경성을 선정하는 환경성 선정단계; 및 상기 선정된 환경성으로부터 로그 회귀 환경성 기법을 이용하여 추정 데이터를 생성하는 추정데이터 생성단계를 포함할 수 있다.

또한, 상기 동향모형 선정단계에서는 선형 회귀 모형, 로그 회귀 모형, 지수 회귀 모형 중 특정한 모형을 상기 동향모형으로 선정할 수 있다.

또한, 상기 추정데이터 생성단계에서는 상기 관찰된 데이터에서 상기 선정한 동향을 빼서 잔차를 구하고, 상기 잔차에서 각 구간의 환경서 데이터를 추출하여 매트릭스를 생성하고, 상기 생성한 매트릭스를 이용하여 각 환경성 인덱스마다 로그 회귀 모형을 생성하고, 상기 동향 모형과 상기 로그 회귀 모형을 이용하여 특정 위치에서의 상기 추정 데이터를 생성할 수 있다.

이처럼 본 발명은 추정 데이터를 생성하는 과정에서 사용하는 평균 환경 변화에 추정 정보를 이용한 환경성으로 대체하도록 함으로써, 기조 기술 대비 추정 정확도가 향상될 수 있다.

또한, 본 발명은 환경성의 변화를 추정에 반영하는 효과가 있고, 환경성의 평활 현상을 방지할 수 있다.

또한, 본 발명은 기존 기술 대비 사실적인 추정 데이터 생성이 가능할 수 있다.

다만, 본 발명의 효과는 상기 효과들로 한정되는 것이 아니며, 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위에서 다양하게 확장될 수 있을 것이다.

도 1a 내지 도 1c는 일반적으로 사용되는 여러 종류의 보간법을 설명하기 위한 도면이다.
도 2는 스플라인 보간법 추정 데이터와 실제 계측된 데이터를 비교한 도면이다.
도 3은 기존 스플라인 보간법과 신경망 스플라인 보간법 추정 데이터를 비교한 도면이다.
도 4는 본 발명의 일 실시예에 따른 스플라인 보간법을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 시계열 데이터를 추정하기 위한 장치를 나타내는 도면이다.
도 6은 본 발명의 일 실시예에 따른 시계열 데이터를 추정하기 위한 방법을 나타내는 도면이다.
도 7은 도 6의 추정데이터 생성단계의 상세한 과정을 나타내는 도면이다.

후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.

이하, 첨부되는 도면을 참조하여 본 발명의 예시적인 실시형태에 따른 스플라인보간법 기반 시계열 데이터를 추정하기 위한 장치 및 그 방법을 설명한다. 특히, 본 발명에서는 추정 데이터를 생성하는 과정에서 사용하는 평균 환경 변화에 추정 정보를 이용한 환경성으로 대체하도록 한 새로운 방안을 제안한다.

도 4는 본 발명의 일 실시예에 따른 스플라인 보간법을 설명하기 위한 도면이다.

도 4를 참조하면, (a)에서는 스플라인 보간법을 보여주고, (b)에서는 신경망 스플라인 보간법을 보여주고 있다. 본 발명에서는 계측된 환경 변수 및 신경망을 이용한 추정 값과 스플라인 보간법을 이용하여 데이터를 추정한다.

도 5는 본 발명의 일 실시예에 따른 시계열 데이터를 추정하기 위한 장치를 나타내는 도면이다.

도 5를 참조하면, 본 발명의 일 실시예에 따른 시계열 데이터를 추정하기 위한 장치(100)는 동향모형 선정부(110), 환경성 선정부(120), 추정데이터 생성부(130)를 포함할 수 있다.

동향모형 선정부(110)는 별도의 장치로부터 관찰된 데이터를 수신하고, 그 관찰된 데이터로부터 동향(trend) 모형을 선정할 수 있다. 이러한 동향 모형은 예컨대, 선형 회귀 모형, 로그 회귀 모형, 지수 회귀 모형 중 특정한 모형일 수 있다.

여기서 동향은 관찰된 데이터의 큰 흐름을 포현하는 정보로서 종래의 기술에서는 이동 평균을 사용하여 추세를 추출하였다. 그러나 본 발명에서는 이와는 달리 회귀 기법을 사용하는데, 회귀 기법은 특히 하나 또는 그 이상의 독립 변수가 존재하거나 좀더 긴 미래 구간의 예측이 필요할 때 더욱 적합하다.

환경성 선정부(120)는 선정된 동향모형으로부터 환경성을 선정할 수 있다.

추정데이터 생성부(130)는 선정된 환경성으로부터 미리정의된 로그 회귀 환경성 기법을 이용하여 추정 데이터 특히, 특정 위치에서의 추정 데이터를 생성할 수 있다.

도 6은 본 발명의 일 실시예에 따른 시계열 데이터를 추정하기 위한 방법을 나타내는 도면이다.

도 6을 참조하면, 본 발명의 일 실시예에 따른 시계열 데이터를 추정하기 위한 방법은 동향모형 선정단계(S110), 환경성 선정단계(S120), 추정데이터 생성단계(S130)를 포함할 수 있다.

먼저, 동향모형 선정단계(S110)에서는, 관찰된 데이터를 수신하고, 그 관찰된 데이터로부터 동향(trend) 모형을 선정할 수 있다.

다음으로, 환경성 선정단계(S120)에서는, 선정된 동향모형으로부터 환경성을 선정할 수 있다.

다음으로, 추정데이터 생성단계(S130)에서는, 선정된 환경성으로부터 미리 정의된 로그 회귀 환경성 기법을 이용하여 추정 데이터를 생성할 수 있다.

도 7은 도 6의 추정데이터 생성단계의 상세한 과정을 나타내는 도면이다.

도 7을 참조하면, 본 발명의 일 실시예에 따른 추정데이터 생성단계(S130)는 관찰된 데이터와 환경성을 이용하여 추정 데이터를 생성할 수 있다. 여기서 es는 관찰된 환경 데이터를 나타내고, freq는 환경성을 나타낸다.

먼저, 관찰된 데이터에서 선정한 동향(trend)을 빼서 잔차(residuals)를 구할 수 있다(S131).

다음으로, 잔차에서 각 구간의 환경서 데이터를 추출하여 매트릭스를 생성할 수 있다(S132). 예컨대, 3개 주기로 반복 패턴을 보이면 환경성 데이터로 판단한다.

다음으로, 생성한 매트릭스를 이용하여 각 환경성 인덱스마다 로그 회귀 모형을 생성할 수 있다(S133). 예컨대, 환경성이 3개이면 3개의 로그 회귀 모형이 생성된다.

다음으로, 이미 선정한 동향 모형과 각 환경성 인덱스마다 생성한 로그 회귀 모형을 이용하여 특정 위치에서의 추정 데이터를 생성할 수 있다(S134).

이상에서 실시예들에 설명된 특징, 구조, 효과 등은 본 발명의 하나의 실시예에 포함되며, 반드시 하나의 실시예에만 한정되는 것은 아니다. 나아가, 각 실시예에서 예시된 특징, 구조, 효과 등은 실시예들이 속하는 분야의 통상의 지식을 가지는 자에 의해 다른 실시예들에 대해서도 조합 또는 변형되어 실시 가능하다. 따라서 이러한 조합과 변형에 관계된 내용들은 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.

또한, 이상에서 실시예를 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어, 실시예에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부된 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.

110: 동향모형 선정부
120: 환경성 선정부
130: 추정데이터 생성부

Claims (6)

1. 관찰된 데이터를 수신하고, 상기 관찰된 데이터로부터 동향모형을 선정하는 동향모형 선정부;
   상기 선정된 동향모형으로부터 환경성을 선정하는 환경성 선정부; 및
   상기 선정된 환경성으로부터 로그 회귀 환경성 기법을 이용하여 추정 데이터를 생성하는 추정데이터 생성부;
   를 포함하는, 스플라인보간법 기반 시계열 데이터를 추정하기 위한 장치.
2. 제1항에 있어서,
   상기 동향모형 선정부는,
   선형 회귀 모형, 로그 회귀 모형, 지수 회귀 모형 중 특정한 모형을 상기 동향모형으로 선정하는, 스플라인보간법 기반 시계열 데이터를 추정하기 위한 장치.
3. 제1항에 있어서,
   상기 추정데이터 생성부는,
   상기 관찰된 데이터에서 상기 선정한 동향을 빼서 잔차를 구하고,
   상기 잔차에서 각 구간의 환경서 데이터를 추출하여 매트릭스를 생성하고,
   상기 생성한 매트릭스를 이용하여 각 환경성 인덱스마다 로그 회귀 모형을 생성하고,
   상기 동향 모형과 상기 로그 회귀 모형을 이용하여 특정 위치에서의 상기 추정 데이터를 생성하는, 스플라인보간법 기반 시계열 데이터를 추정하기 위한 장치.
4. 관찰된 데이터를 수신하고, 상기 관찰된 데이터로부터 동향모형을 선정하는 동향모형 선정단계;
   상기 선정된 동향모형으로부터 환경성을 선정하는 환경성 선정단계; 및
   상기 선정된 환경성으로부터 로그 회귀 환경성 기법을 이용하여 추정데이터를 생성하는 추정 데이터 생성단계;
   를 포함하는, 스플라인보간법 기반 시계열 데이터를 추정하기 위한 방법.
5. 제4항에 있어서,
   상기 동향모형 선정단계에서는,
   선형 회귀 모형, 로그 회귀 모형, 지수 회귀 모형 중 특정한 모형을 상기 동향모형으로 선정하는, 스플라인보간법 기반 시계열 데이터를 추정하기 위한 방법.
6. 제4항에 있어서,
   상기 추정데이터 생성단계에서는,
   상기 관찰된 데이터에서 상기 선정한 동향을 빼서 잔차를 구하고,
   상기 잔차에서 각 구간의 환경서 데이터를 추출하여 매트릭스를 생성하고,
   상기 생성한 매트릭스를 이용하여 각 환경성 인덱스마다 로그 회귀 모형을 생성하고,
   상기 동향 모형과 상기 로그 회귀 모형을 이용하여 특정 위치에서의 상기 추정 데이터를 생성하는, 스플라인보간법 기반 시계열 데이터를 추정하기 위한 방법.

Images