GRU 모델을 활용한 간헐적 수요 예측 연구: 국내 수입 자동차 수요 변동성과 불규칙성을 중심으로

박성연; 정예림

doi:10.7737/KMSR.2024.41.3.099

추천

검색

질문

자료유형: 학술저널

저자정보: 박성연 정예림 (연세대학교)

저널정보: 한국경영과학회 경영과학 經營科學第41卷第3號

발행연도: 2024.9

수록면: 99 - 114 (16page)

DOI: 10.7737/KMSR.2024.41.3.099

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

This study investigates demand forecasting for imported cars using the GRU (Gated Recurrent Unit) model. To enhance the forecasting accuracy for the intermittent demand of imported cars, the sales time series data for different car models are categorized into four groups based on demand size volatility (ADI) and the irregularity of zero demand (CV2). The GRU model is then applied to each group, and the forecasting performance of each group is compared. To further improve the model"s forecasting accuracy, the study adjusts the data sample size, input window size, and output window size, proposing optimized data input/output window sizes for each group. Two main analyses are conducted: First, whether the forecasting performance shows the same pattern across groups based on demand size volatility and zero demand irregularity is examined. Second, the impact of data sample size and input/output window sizes on each group is individually assessed. The results indicate that using a 10-year data sample size provides the most stable forecasting performance across all groups. Additionally, as the output window size increases, the model"s forecasting performance tends to decrease in each group. Conversely, the input window size exhibits a U-shaped relationship with model accuracy across all groups, with the inflection point varying according to data size volatility.

#GRU(Gated Recurrent Unit) #Machine Learning Algorithms #Intermittent Demand Forecasting #Sliding Window #Input and Output Window Size

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

데이터마이닝을 통한 소비성향패턴 분석에 관한 연구

황정태 , 조성훈 , 김의룡 외 1명 한국통신학회 학술대회논문집 2016 .11

데이터마이닝을 활용한 동적인 고객분석에 따른 고객관계관리 기법

하성호 , 이재신 지능정보연구 2003 .12

판매 데이터를 통한 Recurrent Neural Networks(RNN) 기반 리테일 매장 수요 예측 및 재고 관리 모델 개발 연구

김대호 , 박형준 , 최만규 외 2명 대한산업공학회 춘계공동학술대회 논문집 2019 .04

합리적 행동이론을 적용한 소비자 쇼루밍 행동의 이해

염민선 유통연구 2015 .10

경쟁적 전력시장에서의 입찰균형가격 예측을 위한 이론적 모델과 실증 분석

김남일 에너지경제연구원 연구보고서 2002 .12

최근 본 자료

전체보기

UCI(KEPA) : I410-151-25-02-090949688

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)