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
- 학술저널
- 저자정보
- 발행연도
- 2019.4
- 수록면
- 111 - 116 (6page)
- DOI
- 10.7232/JKIIE.2019.45.2.111
이용수
초록· 키워드
오류제보하기
The market for tramp shipping is an industry characterized by volatility that is determined by the principle of perfect competition according to supply and demand. The factors affecting the supply and demand of the market are very diverse, and the mechanism of action is complicated, so forecasting in the shipping market remains a difficult task. To solve this problem, time series analysis has been conducted for a long time. However, there have been some limitations in the time series analysis which did not reflect various indicators. For this reason, most of the previous research has been stayed at an initial stage of research by comparing the prediction accuracy of two approaches : the time series analysis and the deep learning method. There has not been much research on how to improve the model performance. The purpose of this study is to improve the Baltic Dry Index(BDI) prediction performance by using Long Short Term Memory(LSTM) which is one of the deep neural networks and to consider additional variables that influence on the previous research.
목차
1. 서론
2. 문헌 연구
3. LSTM을 활용한 BDI 예측
4. 결론
참고문헌
참고문헌 (26)
참고문헌 신청
Bae, S. H. and Park, K. S. (2016), An Empirical Study on the Effect of the Factors Influencing on the Dry Bulk Freight Rate, Korea Logistics Review, 26(6), 47-60.
Baird Maritime (2018), Baltic Exchange applies chages to BDI, Dry Cargo World (https://www.bairdmaritime.com/ship-world/dry-cargoworld/ 1543-baltic-exchange-applies-changes-to-bdi).
Bakshi, G., Panayotov, G., and Skoulakis, G. (2011), The baltic dry index as a predictor of global stock returns, commodity returns, and global economic activity, AFA 2012 Chicago Meetings Paper 52.
Brockwell, P. J., Davis, R. A., and Calder, M. V. (2002), Introduction to time series and forecasting, Springer, 2.
Cho, M. Y., Hwang, J. C., and Chen, C. S. (1995), Customer short term load forecasting by using ARIMA transfer function model, International Conference on EMPD.
Baird Maritime (2018), Baltic Exchange applies chages to BDI, Dry Cargo World (https://www.bairdmaritime.com/ship-world/dry-cargoworld/ 1543-baltic-exchange-applies-changes-to-bdi).
Bakshi, G., Panayotov, G., and Skoulakis, G. (2011), The baltic dry index as a predictor of global stock returns, commodity returns, and global economic activity, AFA 2012 Chicago Meetings Paper 52.
Brockwell, P. J., Davis, R. A., and Calder, M. V. (2002), Introduction to time series and forecasting, Springer, 2.
Cho, M. Y., Hwang, J. C., and Chen, C. S. (1995), Customer short term load forecasting by using ARIMA transfer function model, International Conference on EMPD.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Deep Learning Model Architecture for Rare Event Time Series Prediction
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2019 .06
-
LSTM을 활용한 BDI(Bulk Dry Index) 예측
대한산업공학회 춘계공동학술대회 논문집
2018 .04
-
LSTM 기반 딥러닝 모델을 이용한 비행 데이터 예측 기법
한국항공우주학회 학술발표회 초록집
2021 .11
-
RNN과 LSTM을 이용한 주가 예측율 향상을 위한 딥러닝 모델
한국정보기술학회논문지
2017 .10
-
딥러닝 기반의 산업 현장 위험도 예측
한국정밀공학회 학술발표대회 논문집
2022 .05
-
An Empirical Study on Food-Retail Demand Forecasting: A Comparative Analysis of Time Series Deep Learning Models
한국통신학회 학술대회논문집
2021 .06
-
딥러닝을 활용한 철근 가격 단기예측범위 확대에 관한 실험적 연구
대한건축학회논문집
2020 .12
-
딥러닝을 활용한 위험 지역 예측 기법
한국정보통신학회 종합학술대회 논문집
2020 .10
-
딥러닝 시계열 알고리즘 적용한 기업부도예측모형 유용성 검증
지능정보연구
2018 .12
-
장단기 교통흐름 예측을 위한 딥러닝 LSTM 신경망
한국정보과학회 학술발표논문집
2019 .06
-
LSTM을 이용한 건설공사비 지수예측에 관한 기초연구
대한건축학회 학술발표대회 논문집
2022 .04
-
라이프로그 데이터를 활용한 LSTM 모델 기반의 치매 예측
한국정보기술학회논문지
2024 .09
-
Attention-Mechanism을 결합한 Hybrid 딥러닝 기반 주간 전력수요예측
전기학회논문지
2024 .09
-
LSTM 기반의 다중 차량 경로 예측 네트워크
제어로봇시스템학회 국내학술대회 논문집
2020 .07
-
Deep Learning(LSTM)을 이용한 강우량 단기 예측
대한토목학회 학술대회
2022 .10
-
딥러닝 기반 시계열 예측 알고리즘의 모델 크기에 따른 성능 비교 및 분석
한국통신학회 학술대회논문집
2022 .06
-
LSTM 기반 딥러닝 기술을 이용한 태양광 발전량 예측
한국통신학회 학술대회논문집
2020 .08
-
CNN-LSTM Coupled Model for Prediction of Waterworks Operation Data
JIPS(Journal of Information Processing Systems)
2018 .01
-
Prediction of the Major Factors for the Analysis of the Erosion Effect on Atomic Oxygen in LEO Satellite Using a Machine Learning Method (LSTM)
항공우주시스템공학회지
2020 .04
-
Prediction of Solar Photovoltaic Power Generation by Weather Using LSTM
한국컴퓨터정보학회논문지
2022 .08
이 논문의 저자 정보
이 논문과 함께 이용한 논문
기계학습 모델을 활용한 벌크운임 예측
임상섭
,
김석훈
한국컴퓨터정보학회논문지
2021
.07
핸디사이즈 운임지수 및 스팟용선료 변화에 영향을 미치는 요인 분석
이충호
,
김태우
,
박근식
한국항만경제학회지
2021
.06
Al/Mg 이종금속 마찰교반접합부의 부식특성
박현준
,
김재하
,
이종근
외 1명
대한용접학회 특별강연 및 학술발표대회 개요집
2019
.05
공압시스템 제습용 중공사막 모듈의 하우징 형태에 따른 제습효율 특성 연구
정은아
,
이기윤
,
윤소남
드라이브·컨트롤
2019
.06
드론-차량 배송시스템에서 용량제약이 있는 복수 차량의 도착지 위치-경로-배정 문제
양병학
한국 SCM 학회지
2019
.05
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2019-530-000561451