시계열 데이터베이스에는 반복적인 시간 평가를 통해 액세스되는 일련의 값 또는 이벤트가 포함됩니다. 값은 일반적으로 동일한 시간 간격(예:매시간, 매일, 매주)으로 계산됩니다. 시계열 데이터베이스는 주식 시장 분석, 경제 및 판매 예측, 예산 분석, 유틸리티 연구, 재고 연구, 수확량 예측, 작업 부하 예측, 프로세스 및 품질 관리, 자연 현상 관찰(대기, 온도 포함)과 같은 많은 응용 프로그램에서 널리 사용됩니다. , 바람, 지진), 수치 및 공학 실험, 의료 치료.
시계열 데이터베이스는 시퀀스 데이터베이스이기도 합니다. 시퀀스 데이터베이스는 시간에 대한 구체적인 접근 여부에 관계없이 순서가 지정된 이벤트의 시퀀스를 포함하는 모든 데이터베이스입니다. 예를 들어, 웹 페이지 순회 시퀀스 및 고객 쇼핑 트랜잭션 시퀀스는 시퀀스 데이터이지만 시계열 데이터가 아닐 수 있습니다.
많은 수의 센서, 원격 측정 장치 및 기타 온라인 데이터 수집 도구의 배포가 늘어남에 따라 시계열 데이터의 양은 하루에 기가바이트(예:재고 거래) 또는 심지어 분당(예:NASA 우주 프로그램에서와 같이).
예를 들어 주식 시장에서 주식의 일일 종가를 나타내는 변수 Y를 포함하는 시계열은 시간 t의 함수, 즉 Y =F(t)로 볼 수 있습니다. 추세 분석에는 시계열 데이터를 특징으로 하는 다음 4가지 주요 요소 또는 움직임이 포함됩니다. −
추세 또는 장기 움직임 - 시계열 그래프가 장기간에 걸쳐 이동하는 일반적인 방향을 나타냅니다. 이 움직임은 추세 곡선 또는 추세선으로 표시됩니다. 예를 들어 추세 곡선은 점선으로 표시됩니다. 추세 곡선 또는 추세선을 결정하는 일반적인 방법에는 가중 이동 평균 방법과 나중에 설명하는 최소제곱법이 있습니다.
주기적인 움직임 또는 주기적인 변형 − 이는 주기, 즉 추세선 또는 곡선에 대한 장기간의 진동을 의미하며, 이는 주기적일 수도 있고 아닐 수도 있습니다. 즉, 주기가 동일한 시간 간격 후에 정확히 유사한 패턴을 따를 필요는 없습니다.
계절적 움직임 또는 계절적 변화 − 체계 또는 일정과 관련된 것입니다. 예를 들어 발렌타인 데이를 앞두고 초콜릿과 꽃의 판매가 급증하거나 크리스마스를 앞둔 백화점 품목의 판매가 급증하는 것과 같이 매년 반복되는 이벤트가 있습니다. 더운 날씨로 인해 관찰된 여름 물 소비의 증가는 또 다른 예입니다. 이 예에서 계절적 움직임은 시계열이 연속 연도의 해당 개월 동안 따르는 것으로 보이는 동일하거나 거의 동일한 패턴입니다.
불규칙하거나 무작위적인 움직임 − 이는 노동쟁의, 홍수 또는 회사 내 공표된 인사 변경과 같은 무작위 또는 우연한 사건으로 인한 시계열의 산발적인 움직임을 특징으로 합니다.