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.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 차경준
- 발행연도
- 2017
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 논문에서는 시계열 자료 분석 시 정상성 가정에 대한 단점의 한계를 보완하고자 비정상성 시계열 자료에 기계학습 방법 중 하나인 서포트 벡터 회귀모형을 적용하였다. 본 논문에서 사용한 자료는 가뭄의 척도 중에 하나인 월 표준강수지수(SPI)를 이용하였다. 시계열 자료임을 고려해 서포트 벡터 회귀모형을 적용할시 자료의 형태를 크게 2가지로 과거시점을 고려하지 않은 자료형태와 과거시점을 고려한 자료형태가 있다. 본 논문에서 과거시점을 고려한 자료형태가 고려하지 않은 자료형태보다 서포트 벡터 회귀모형의 예측정확도가 더 높음을 알 수 있었다. 또한, 계절성을 고려한 서포트 벡터 회귀모형에서도 과거시점을 고려한 자료형태의 예측정확도가 더 높음을 확인하였다. 그러나 계절성을 고려한 서포트 벡터 회귀모형과 계절성을 고려하지 않은 서포트 벡터 회귀모형의 예측정확도의 차이는 크지 않았고, 이를 통해 본 논문에서는 가뭄을 예측하는데 계절적 요소는 유의하지 않다고 판단하였다. 또한 비정상성 시계열 자료에 서포트 벡터 회귀모형을 적용할시, 과거시점을 고려한 자료의 형태가 더 좋은 예측정확도를 보임으로 적절한 자료형태라고 판단하였다.
목차
국문요지표 목차그림목차1. 서 론 11.1 연구의 배경 및 목적 11.2 연구의 구성 32. 분석방법론 52.1 서포트 벡터 회귀(support vector regression) 62.1.1 선형 서포트 벡터 회귀모형 62.1.2 비선형 서포트 벡터 회귀모형 132.2 계절성 163. 실제 자료를 이용한 분석 173.1 자료 소개 173.2 자료 전처리 203.3 예측 모형 평가 방법 234. 실제 자료 분석결과 및 비교평가 244.1 실제자료 분석 결과 244.1.1 과거시점을 고려하지 않은 자료의 서포트 벡터 회귀 예측모형 254.1.2 과거시점을 고려한 자료의 서포트 벡터 회귀 예측모형 274.1.3 계절성을 고려한 서포트 벡터 회귀 예측모형 334.2. 분석결과 비교평가 415. 연구의 결론과 고찰 43참고문헌 45ABSTRACT
최근 본 자료
댓글(0)
0