지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록· 키워드
오류제보하기
최근 코로나-19 팬데믹을 거치며 제조업 분야의 업황에 내포된 불안정성이 상당 수준 증가하는 현상이 확인되었다. 이에 본 연구에서는 해당 불안정성을 개선하기 위한 정책 수립 등에 직간접적으로 기여하고자, 제조업 업황 실적을 한 분기 이상 선제적으로 예측할 수 있는 딥러닝 모델을 구축하는 한편, 제조업 업황실적에 시차를 두고 영향을 미치는 요인들의 한계 기여 경향 등을 파악하고자 하였다. 본 연구는 SEMD 분해를 기반으로 한 신호 추출 및 NMIFS-HHO 알고리즘을 기반으로 한 주요 변수 추출을 활용하여 4개월 후 제조업 업황 예측에 유의미하게 기여하는 것으로 파악되는 설명변수 집합을 도출, 이를 기반으로 LSTM을 전제로 한 순환신경망을 학습시킴으로써 제조업 업황실적을 선제적으로 예측할 수 있는 딥러닝 모델을 구축하였다. 연구 결과, 본 모델은 매우 적은 오차 아래 정밀한 제조업 업황실적 예측을 전개할 수 있음이 확인되며, 이때 SHAP 분석을 기반으로 변수별 한계기여도를 확인한 결과 자기계열상 약 3~4년 주기의 장기신호, 경기종합지수, 정부대출금리 등이 예측상 주요 설명변수로서 기능함이 확인되었다.
목차
요약
1. 서론
2. 이론적 배경 및 선행연구 검토
3. 연구 방법론
4. 연구 결과
5. 결론 및 제언
참고문헌
Abstract
참고문헌 (0)
참고문헌 신청이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-089758587