메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
민경창 (인하대학교) 하헌구 (인하대학교)
저널정보
한국로지스틱스학회 로지스틱스연구 로지스틱스연구 제30권 제3호
발행연도
2022.6
수록면
41 - 55 (15page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Demand forecasting is an important field and it is safe to say that forecasting is a key component of economic activity. An accurate forecasting is the key to determining the competitiveness of all economic players. Forecasting an uncertain future is a difficult task and radical change in the external environment are adding to the difficulty of forecasting. Amid the increasing demand for accurate demand forecasting, the emergence of Big data, AI, ML, and DL following the development of computing power is becoming a major turning point in the demand forecasting field as well. In addition to the traditional forecasting methodologies, the use of dataming techniques is also rapidly increasing. And various efforts have been continued to improve the forecasting accuracy. In this paper, a hybrid forecasting methodology which is combined time series model and data mining technique and a multistage methodology are presented for short-term forecasting. Specifically, we developed a hybrid forecasting model that combines SARIMA(Seasonal Autoregressive Integrated Moving Average) and Random Forest, and a multistage methodology that utilizing the forecasting result of the upper-category as a variable in the forecasting process of the sub-category. In order to verify the methodologies presented in this paper, we use the rental data of ‘Seoul bike’(shared bicycle in Seoul) as verification data. As a result of the forecasting ‘Seoul bike’ demand for the next 7 days(every 3 hours) of rental point clusters, the average forecasting accuracy was 81.5%. It is high accuracy level considering that the forecasting unit was 3hours, forecasting horizon was next 56 steps, and the average accuracy by Random forest was 65%. In addition, it was confirmed that high accuracy was maintained steadily regardless of the time difference from the forecasting point unlike the characteristics of general demand forecasting, And the high accuracy level was confirmed as a forecasting model not only a 3 hours forecasting, but also daily(90.1%) and weekly(91.7%) forecasting. The research shows the forecasting methodologies of this paper is worth to use as a short-term forecasting model. And we confirmed that the methodologies are very useful to forecasting daily and weekly demand as well. It is expected that the methodologies proposed in this paper will be widely used as an accurate forecasting model in more diverse fields.
#Hybrid Forecasting Model #Multistage Model #demand forecasting #short-term forecasting #Random Forest

목차

등록된 정보가 없습니다.

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 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0