[논문 리뷰] Measures of Analysis of Time Series (MATS): A MATLAB Toolkit for Computation of Multiple Measures on Time Series Data Bases

Dimitris Kugiumtzis, Alkiviadis Tsimpiris|arXiv (Cornell University)|2010. 02. 09.

Complex Systems and Time Series Analysis참고 문헌 43인용 수 9

한 줄 요약

이 논문은 대규모 시간 시리즈 데이터베이스에 대한 선형, 비선형, 통계적 측정치의 포괄적인 세트를 계산하기 위한 MATLAB 기반 툴킷인 MATS를 소개한다. 사용자 정의 가능한 파rameter 설정, 서로보 테스트, 시각화 및 사전 처리를 통해 효율적인 분석을 가능하게 하며, 생리학, 금융, 역학 시스템 분야에 적용 가능하다.

ABSTRACT

In many applications, such as physiology and finance, large time series data bases are to be analyzed requiring the computation of linear, nonlinear and other measures. Such measures have been developed and implemented in commercial and freeware softwares rather selectively and independently. The Measures of Analysis of Time Series ({ t MATS}) { t MATLAB} toolkit is designed to handle an arbitrary large set of scalar time series and compute a large variety of measures on them, allowing for the specification of varying measure parameters as well. The variety of options with added facilities for visualization of the results support different settings of time series analysis, such as the detection of dynamics changes in long data records, resampling (surrogate or bootstrap) tests for independence and linearity with various test statistics, and discrimination power of different measures and for different combinations of their parameters. The basic features of { t MATS} are presented and the implemented measures are briefly described. The usefulness of { t MATS} is illustrated on some empirical examples along with screenshots.

연구 동기 및 목표

• 생리학, 금융, 기후 과학와 같은 다양한 분야에서 여러 시간 시리즈 측정치를 계산하기 위한 통합적이고 확장 가능한 소프트웨어의 부족을 해결하기 위해.
• 사용자 우량한 MATLAB 환경을 제공하여 대규모 시간 시리즈 분석을 사용자 정의 가능한 파rameter 설정과 시각화 기능을 지원하기 위해.
• 서로보 데이터를 통한 선형성/독립성 테스트 및 리샘플링 기법을 활용한 측정치 식별 분석과 같은 고급 분석을 가능하게 하기 위해.
• 상관 차원에서 엔트로피, ARMA 모델에 이르기까지 복잡한 측정치의 계산을 단일 확장 가능한 툴킷으로 통합하여 간소화하기 위해.
• 시간 시리즈의 사전 처리 및 변환(예: 추세 제거, Box-Cox, z-스코어)을 지원하여 측정치의 강인성과 적용 가능성 향상시키기 위해.

제안 방법

• 툴킷은 MATLAB을 기반으로 구현되었으며, 핵심 계산을 위해 MATLAB의 GUI 및 내장 도구박스(신호 처리, 시스템 식별, 통계)를 활용한다.
• 고차원 상태공간 재구성에서의 근접 이웃 검색을 가속화하기 위해 k-d 트리 데이터 구조를 사용하며(.dll 및 .mexglx 파일을 통해)
• 시간 시리즈는 표준화(z-스코어, 균일, 정규분포), 추세 제거, 지연 차분, Box-Cox 변환를 포함한 유연한 사전 처리 파이프라인을 거친다.
• 가짜 데이터 생성을 위한 리샘플링 기법(예: 무작위 순열, 푸리에 변환, AAFT, IAAFT, AMRB)을 구현하여 가설 검증을 위한 서로서보 데이터를 생성한다.
• 측정치는 구성 가능한 파arameter 설정(예: 임베딩 차원, 반경, 윈도우 크기)으로 계산되며, 파arameter 값은 표준화된 표기 체계를 통해 지정된다.
• 다중 시간 시리즈의 배치 처리를 지원하며, 이름이 부여된 측정치와 파arameter별 변형을 포함한 출력을 생성한다.

실험 결과

연구 질문

• RQ1 다양한 과학 분야에서 시간 시리즈 측정치의 광범위한 세트를 효율적으로 계산할 수 있는 통합 소프트웨어 툴킷은 어떻게 설계할 수 있는가?
• RQ2 IAAFT, AMRB와 같은 서로서보 데이터 방법은 얼마나 효과적으로 하나의 프레임워크에 통합되어 시간 시리즈의 선형성과 독립성에 대한 테스트를 수행할 수 있는가?
• RQ3 측정치의 다양한 파arameter 설정(예: 임베딩 차원, 반경)은 어떻게 다이나믹스 변화를 식별하는 데의 식별 능력에 영향을 미치는가?
• RQ4 사전 처리 및 시각화 기능을 갖춘 GUI 기반 MATLAB 툴킷은 시간 시리즈 분석의 접근성과 재현 가능성을 어떻게 향상시킬 수 있는가?
• RQ5 긴 또는 대규모 시간 시리즈 데이터베이스를 처리할 때 툴킷의 성능 및 확장성은 어떠한가?

주요 결과

• MATS는 상관 차원, 엔트로피, ARMA, 비선형 예측 등 다양한 시간 시리즈 측정치를 단일 확장 가능한 MATLAB 환경 내에서 성공적으로 구현하였다.
• k-d 트리의 사용은 근접 이웃 검색을 크게 가속화하여 상관 차원 및 가짜 근접 이웃과 같은 측정치의 효율적 계산을 가능하게 하였다.
• IAAFT, AMRB와 같은 다양한 리샘플링 방법을 지원함으로써 시간 시리즈의 선형성 및 독립성에 대한 근본 가설에 대한 강력한 검증이 가능하였다.
• 사용자 정의 가능한 파arameter 설정(예: 반경, 임베딩 차원, 윈도우 크기)을 통해 다양한 설정에서 측정치의 민감도 및 성능을 체계적으로 평가할 수 있었다.
• GUI 및 시각화 기능은 결과의 직관적 탐색과 해석을 가능하게 하였으며, 특히 다이나믹스 변화 탐지 및 측정치 간 비교에 유용하였다.
• 실제 응용 사례는 생리학적 신호(예: 발작 전 EEG 세그먼트) 및 금융 시간 시리즈 분석에서 툴킷의 실용적 유용성을 입증하였으며, 실제 응용 분야에서의 적용 가능성을 보여주었다.