KCI등재
딥러닝을 이용한 공간예측 = Spatial Prediction using the Deep Learning
저자
최승배(Seung Bae Choi) ; 강창완(Chang Wan Kang) ; 윤상후(Sanghoo Yoon) 연구자관계분석
발행기관
학술지명
Journal of the Korean Data Analysis Society(Journal of The Korean Data Analysis Society)
권호사항
발행연도
2021
작성언어
-주제어
KDC
310
등재정보
KCI등재
자료형태
학술저널
수록면
149-160(12쪽)
KCI 피인용횟수
2
DOI식별코드
제공처
공간상에서 얻어지는 데이터는 일반통계학과 다르게 얻어지는 관측값들은 서로 상관되어 있다는 전제하에서 분석이 행해진다. 공간통계학에서 공간데이터는 (1) 경험 베리오그램 추정, (2) 추정된 경험베리오그램을 이용한 이론베리오그램 적합, 그리고 (3) 이론베리오그램을 이용하여 기지(旣知)의 위치에서 측정된 관측값을 이용하여 미지(味知)의 위치에서의 관측값을 예측하는 크리깅의 과정을 거쳐 분석된다. 최근 이슈화되고 있는 인공지능 기법의 하나인 딥러닝이 역시 예측의 한 방법으로 널리 적용되고 있다. 전기한 두 방법 모두 예측을 한다는 측면에서는 유사 하지만, 공간통계학의 분석과정을 거쳐 예측하는 방법은 분석자의 주관이 개입될 수 있을 뿐만 아니라 분석과정은 그리 간단하지 않다. 그리고 공간데이터 분석의 가정을 만족하지 못하는 경우도 있다. 그러나 딥러닝은 이론적으로는 복잡할 수 있으나 공간통계학에서 행해지는 분석방법 보다 훨씬 사용하기가 간단하다는 장점이 있다. 본 연구에서는 시뮬레이션을 이용하여 두 방법을 사용하여 분석을 수행하고, 어느 방법이 더 예측적인 측면에서 우월한가에 대해서 알아보고, 실제 적용 예를 통해서 본 연구의 타당성을 알아본다. 예측력의 기준으로 RMSE를 사용하였고, 분석결과 기존의 공간통계학 예측방법과 딥러닝 기법에 따른 예측력은 비슷한 결과를 보였다. 따라서 공간데이터를 분석함에 있어 공간예측의 단점을 보완할 수 있는 딥러닝을 적용한 공간예측 분석을 제안한다.
더보기Unlike general statistics, spatial data is analyzed on the premise that they are spatially correlated. In general, spatial data is analyzed by kriging method as follow stages: (1) Estimating an empirical variogram, (2) Fitting a theoretical variogram using the estimated empirical variogram, (3) Predicting the value in the unknown location using the observations from the known location with the fitted theoretical variogram. Deep learning, one of the artificial intelligence techniques that have recently become an issue, is also widely applied as a way of prediction. Although both methods are similar in terms of making predictions, not only can the subject of the analyst be involved in the method of predicting through the analysis process of kriging method, but the analysis process is not very simple. However, deep learning can be complex to design, but it has the advantage of being much simpler to use than analytical methods conducted in kriging method. In this work, we use both methods to conduct our analysis and to find out which methods are superior in terms of more spatial predictive aspects. The RMSE was used as the criteria for prediction performance. The result of the prediction comparison showed that kriging method and deep learning have similar power for spatial prediction. Therefore, we propose to perform spatial analysis by applying deep learning that can compensate for the disadvantages of spatial prediction by triple stages of kriging method.
더보기분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2026 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2020-01-01 | 평가 | 등재학술지 유지 (재인증) | KCI등재 |
2017-01-01 | 평가 | 등재학술지 유지 (계속평가) | KCI등재 |
2013-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2010-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2008-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2005-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | KCI등재 |
2004-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | KCI후보 |
2002-07-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 1.26 | 1.26 | 1.15 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
1.05 | 0.98 | 0.956 | 0.4 |
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)