메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
한재현 (광운대학교) 조치현 (광운대학교) 고은총 (광운대학교) 김도형 (광운대학교) 이수욱 (광운대학교)
저널정보
한국정보통신학회 한국정보통신학회논문지 한국정보통신학회논문지 제28권 제10호
발행연도
2024.10
수록면
1,131 - 1,137 (7page)
DOI
10.6109/jkiice.2024.28.10.1131

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
시계열 예측은 금융, 경제, 기상, 에너지 등 다양한 분야에서 중요한 역할을 한다. 전통적으로 많이 사용되는 SARIMAX 모델은 시계열 데이터의 계절성, 추세 및 외생 변수를 고려하지만, 선형 가정에 기반하여 비선형 패턴을 포착하는 데 한계가 있다. 반면, 딥러닝 기반의 순환 신경망 모델, 특히 GRU는 비선형성을 효과적으로 모델링할 수 있는 능력으로 주목받고 있다. 본 연구의 목표는 SARIMAX 모델의 선형적 예측 능력과 GRU 모델의 비선형적 예측능력을 결합한 Stacked SARIMAX-GRU 모델을 제안하여, 시계열 예측의 정확성을 향상시키는 것이다. 본 모델은 스태킹 기법을 통해 두 모델의 예측 결과를 메타 모델의 입력으로 사용하여 시계열 예측의 정확성을 향상시킨다. 실증 분석을 통해 제안된 모델이 기존의 SARIMAX 모델 및 GRU 모델을 단독으로 사용했을 때보다 우수한 예측 성능을 보임을 확인하였으며, MAE, MAPE, RMSE와 같은 오차는 감소하고, R-squared 값은 높아짐을 확인하였다.

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 제안 방법론
Ⅴ. 결론
REFERENCES

참고문헌 (14)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0