KCI등재
딥러닝을 활용한 실시간 GRDP 예측 모형 개발 = A study on real-time forecasting GRDP using deep learning
저자
발행기관
학술지명
권호사항
발행연도
2024
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
수록면
63-85(23쪽)
제공처
본 연구는 지역 경제 예측 모형의 적시성을 제고시키는 것을 목적으로 한다. 이를 위해 비정형 데이터인 지역 경제 뉴스를 활용하는 텍스트 마이닝과 기계학습 방법론을 활용한다. GDP와 관련해서는 이미 임상수⋅최항석(2023)이 예측의 적시성을 제고시키기 위해 실시간 예측 모형을 개발했으며, 본 연구는 이렇게 개발된 연구를 바탕으로 GRDP를 예측하고자 한다. 이를 위해 신경망분석 중 하나인 장단기기억 알고리즘과 게이트순환유닛 알고리즘, 그리고 자기회귀 혼합데이터샘플링모형을 분석 방법을 활용한다. 또한 비정형 데이터인 경제 뉴스를 정량화하기 위해 TF 가중 방법인 TF-IDF 방법론을 활용한다. 이와 함께 예측력을 제고시키기 위해 훈련 데이터를 바탕으로 모형별로 예측력이 가장 높은 모형을 선정하고, 이들 모형에 실험 데이터를 적용하여 적절한 모형을 선정했다. 예측력을 바탕으로 적합한 모형을 선정하기 위한 기준으로 RMSE와 MAE 통계량을 활용했다. 분석 결과, 16개 시도별로 적합한 모형은 다른 것으로 나타났고, 이는 시도별로 GRDP를 설명하는 요인들과 특성이 다르기 때문이다. 이처럼 본 연구는 딥러닝을 활용하여 예측의 적시성을 제고시키는 예측 모형을 16개 시도별 GRDP에 적용 가능성을 검토했다는 점에서 의의가 있다.
더보기This paper is trying to improve the timeliness of regional economic forecast models. Text mining and machine learning methodologies that utilize local economic news, which is unstructured data, are used to do this. This study seeks to predict GRDP based on the research methodology for GDP foresting by Lim and Choi(2023). For this purpose, analysis methods such as LSTM(long-short-term memory) algorithm, GRU(gate recurrent unit) algorithm, and autoregressive mixed data sampling model, which are types of neural network analysis, are utilized. Additionally, the TF-IDF methodology, a TF weighting method, is used to quantify economic news, which is unstructured data. In addition, in order to improve predictive power, the model with the highest predictive power was selected for each model based on the training data, and the test data was applied to these models to select an appropriate model. RMSE and MAE statistics were used as criteria for selecting an appropriate model based on predictive power. As a result of the analysis, the appropriate model for each of the 16 major cities and provinces was found to be different, and this is because the factors and characteristics explaining GRDP are different for each city and province. As such, this study is significant in that it examined the applicability of a prediction model that uses deep learning to improve the timeliness of predictions to the GRDP of each of the 16 cities and provinces.
더보기분석정보
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)