$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

단계적 회귀분석과 인공신경망 모형을 이용한 광양항 석탄·철광석 물동량 예측력 비교 분석

A Comparative Analysis of the Forecasting Performance of Coal and Iron Ore in Gwangyang Port Using Stepwise Regression and Artificial Neural Network Model

초록

항만의 주요 정책 및 향후 운영계획 수립 시 정확한 물동량 예측에 관한 연구는 매우 중요하며 이러한 중요성으로 인해 관련 연구가 활발히 수행되고 있다. 본 논문에서는 국내 최대 석탄 및 철광석 처리 항만인 광양항을 대상으로 단계적 회귀분석과 인공신경망모형을 활용하여 모형간 예측력을 비교하였다. 2009년 1월부터 2019년 1월까지 총 121개월의 월별자료를 활용하였으며 석탄 및 철광석 물동량에 영향을 주는 요인을 선정하여 공급관련요인과 시장·경제관련요인으로 분류하였다. 단계적 회귀분석 결과, 광양항 석탄 물동량 예측모형의 경우, 입항선박 톤수, 석탄가격 및 대미환율이 최종변수로 선정되었고 철광석 물동량 예측모형의 경우, 입항선박 톤수, 철광석가격이 최종변수로 선정되었다. 인공신경망모형의 경우, 모델 성능에 영향을 미치는 다양한 Hyper-parameters를 조정하며 최적 모델을 선정하는 시행착오법을 사용하였다. 분석결과 인공신경망모형이 단계적 회귀분석에 비해 우수한 예측성능을 나타내었으며 예측 모형별 예측값과 실측값을 그래프 상 비교 시에도 인공신경망모형이 단계적 회귀분석에 비해 고·저점을 유사하게 나타냈다.

Abstract

It is very important to forecast freight volume accurately to establish major port policies and future operation plans. Thus, related studies are being conducted because of this importance. In this paper, stepwise regression analysis and artificial neural network model were analyzed to compare the predictive power of each model on Gwangyang Port, the largest domestic port for coal and iron ore transportation. Data of a total of 121 months J anuary 2009-J anuary 2019 were used. Factors affecting coal and iron ore trade volume were selected and classified into supply-related factors and market/economy-related factors. In the stepwise regression analysis, the tonnage of ships entering the port, coal price, and dollar exchange rate were selected as the final variables in case of the Gwangyang Port coal volume forecasting model. In the iron ore volume forecasting model, the tonnage of ships entering the port and the price of iron ore were selected as the final variables. In the analysis using the artificial neural network model, trial-and-error method that various Hyper-parameters affecting the performance of the model were selected to identify the most optimal model used. The analysis results showed that the artificial neural network model had better predictive performance than the stepwise regression analysis. The model which showed the most excellent performance was the Gwangyang Port Coal Volume Forecasting Artificial Neural Network Model. In comparing forecasted values by various predictive models and actually measured values, the artificial neural network model showed closer values to the actual highest point and the lowest point than the stepwise regression analysis.

본문요약 

문제 정의
  • 따라서 본 논문에서는 통계적 예측 기법 중 하나인 다중회귀모형 중 변수를 축차적으로 선택하거나 제거하여 가장 적합한 회귀모형을 선택하는 방법인 단계적 회귀분석(stepwise regression analysis)과 인공신경망모형인 다층퍼셉트론(MLP; Multi-layer perceptron)을 활용하여 광양항의 석탄 및 철광석 물동량 예측 모형을 구성하여 모형 간의 예측력을 비교해보고자 한다.

    따라서 본 논문에서는 통계적 예측 기법 중 하나인 다중회귀모형 중 변수를 축차적으로 선택하거나 제거하여 가장 적합한 회귀모형을 선택하는 방법인 단계적 회귀분석(stepwise regression analysis)과 인공신경망모형인 다층퍼셉트론(MLP; Multi-layer perceptron)을 활용하여 광양항의 석탄 및 철광석 물동량 예측 모형을 구성하여 모형 간의 예측력을 비교해보고자 한다. 예측 모델의 성능 평가기준은 다양하지만 일반적으로 관련 연구에서 가장 많이 활용되는 지표인 RMSE(Root Mean Square Error), MAE(Mean Absolute Error), 및 MAPE(Mean Absolute Percentage Error)를 활용하였다(Paliwal and Kumar, 2009).

본문요약 정보가 도움이 되었나요?

질의응답 

키워드에 따른 질의응답 제공
핵심어 질문 논문에서 추출한 답변
다층(Multi-layer) 신경망
다층(Multi-layer) 신경망이란 무엇인가?
인공신경망모형 중 2개 이상의 은닉층을 가지는 신경망모형

이러한 인공신경망모형 중 2개 이상의 은닉층을 가지는 신경망모형을 다층(Multi-layer) 신경망 또는 다층퍼셉트론(MLP; Multi-layer perceptron)이라 한다. 다층퍼셉트론의 목적은 입력 벡터 x를 출력벡터 값 y(x)로 맵핑(Mapping)하는 것이다.

전진선택법
전진선택법의 단점을 보완하기 위해, 이미 선정된 변수들의 중요도를 다시 검사하여 중요도가 낮은 변수를 제거하는 방법은 무엇인가?
이미 선정된 변수들의 중요도를 다시 검사하여 중요도가 낮은 변수를 제거하는 방법을 단계적 선택법(Stepwise selection method)라 하며 단계적 선택법에서 선정된 변수들을 사용하여 회귀분석을 실시하는 방법을 단계적 회귀분석이라 한다.

전진선택법 사용 시 한 변수를 선정하면 기존에 선정된 변수 중 중요도가 낮은 변수가 존재할 수 있다. 이러한 단점을 보안하기 위해 이미 선정된 변수들의 중요도를 다시 검사하여 중요도가 낮은 변수를 제거하는 방법을 단계적 선택법(Stepwise selection method)라 하며 단계적 선택법에서 선정된 변수들을 사용하여 회귀분석을 실시하는 방법을 단계적 회귀분석이라 한다.

전통적인 통계적 기법
전통적인 통계적 기법의 한계는 무엇인가?
현실에서 발생하는 전반적인 현상을 완벽하게 설명할 수 없다

예측 분석 방법은 전통적인 선형시계열(linear time series) 모형을 기반으로 한 통계적 기법(statistical techniques)들이 주로 사용되었다(Shin and Jeong, 2011). 하지만 전통적인 통계적 기법은 현실에서 발생하는 전반적인 현상을 완벽하게 설명할 수 없다는 한계점을 지니고 있다. 이러한 전통적인 통계적 기법의 대안 중 다수의 연구에서 활용되는 방법인 기계학습 메커니즘을 기반으로 한 인공신경망(ANN; Artificial Neural Network)모형이다(Shin and Jeong, 2011).

질의응답 정보가 도움이 되었나요?

문의하기 

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

Q&A 등록

원문보기

원문 PDF 다운로드

  • ScienceON :
  • KCI :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

이 논문 조회수 및 차트

  • 상단의 제목을 클릭 시 조회수 및 차트가 조회됩니다.

DOI 인용 스타일

"" 핵심어 질의응답