순환신경망 모형을 활용한 시계열 비교예측Time Series Prediction Using Recurrent Neural Network
- Other Titles
- Time Series Prediction Using Recurrent Neural Network
- Authors
- 김종화; 최종후; 강창완
- Issue Date
- 2019
- Publisher
- 한국자료분석학회
- Keywords
- ARIMA 모형; 신경망모형; 순환신경망; LSTM.; ARIMA model; neural network; RNN; LSTM.
- Citation
- Journal of The Korean Data Analysis Society, v.21, no.4, pp.1771 - 1779
- Indexed
- KCI
- Journal Title
- Journal of The Korean Data Analysis Society
- Volume
- 21
- Number
- 4
- Start Page
- 1771
- End Page
- 1779
- URI
- https://scholar.korea.ac.kr/handle/2021.sw.korea/69631
- DOI
- 10.37727/jkdas.2019.21.4.1771
- ISSN
- 1229-2354
- Abstract
- 최근 알파고 이후 딥러닝 연구에 대한 활발한 연구가 진행되고 있다. 딥러닝에는 이미지 분석에 적합한 CNN(convolution neural network), 순차적 자료에 적합한 RNN(recurrent neural network) 모델 등 많은 모델이 존재하는데 그 중 시계열데이터 분석에 적합한 딥러닝 모델을 전형적 시계열데이터인 항공사 데이터(1949년 1월부터 1960년 12월까지 매월 총 국제 항공사 승객 수)에 Box-Jenkins의 ARIMA 모형과 함께 적합시켜 비교 할 것이다. 본 연구에서는 R 프로그램을 이용하여 LSTM(long short-term memory) 순환신경망 모델을 구축하고, ARIMA 모형, Faraway(1998)가 제시한 단순 신경망(neural network) 모형 그리고 Jordan & Elman의 순환신경망 모형과의 적합도를 비교하였다. 모형 비교결과 Elman 모형의 오차제곱합이 0.0128, Jordan 모형의 오차제곱 합이 0.0138, LSTM 모형의 오차제곱합이 0.0165, 신경망 모형은 오차제곱합 0.0212로 ARIMA 모형의 0.0194 에 비해 조금 뒤떨어지는 것으로 나타났다. 결국 Elman 순환신경망 모형이 가장 우수하게 나타났으며 LSTM 모형도 기존 ARIMA 모형과 Faraway의 단순신경망모형 보다 우수한 적합도를 나타났다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - College of Public Policy > Division of Big Data Science > 1. Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.