파렛트 이동량에 대한 시간 단위 군집화 예측 모델

Hyunji Moon, Bomi Song
{"title":"파렛트 이동량에 대한 시간 단위 군집화 예측 모델","authors":"Hyunji Moon, Bomi Song","doi":"10.15735/kls.2019.27.4.001","DOIUrl":null,"url":null,"abstract":"데이터 수집 및 처리 기술이 발전하면서 빅데이터 분석 및 활용이 증가하고 있다. 물류 산업에서도 다양한 데이터가 더 높은 빈도로 수집되고 있으며, 이에 따라 데이터 분석 역시 더욱 세분화된 하위집단을 대상으로 시도되고 있다. 물류 데이터는 대표적인 시계열 데이터로서, 시계열 데이터에서 이러한 경향은 복잡한 계절성과 다양한 설명변수와 같은 새로운 데이터 특성을 의미한다. 그러나 기존의 많은 시계열 예측 모델은 구조적 한계로 인해 이러한 새로운 데이터 속성을 반영하지 못하여 낮은 예측 정확도를 보인다. 이러한 한계를 극복하기 위하여 본 논문은 시간 단위 군집화 모델을 제안한다. 제안한 모델은 시간 단위를 기준으로 시계열 데이터를 분류한 후 단위별로 분리된 시계열 집단들을 군집화한다. 또한 복잡한 계절성은 푸리에 방식으로, 다양한 설명변수는 베이즈 일반화된 선형 모델로 표현한다. 제안한 시간 단위 군집화 모델을 파렛트 대여기업의 실제 데이터에 적용하고, 기존의 프로펫 모델과 비교한 결과 더 높은 정확도로 예측값을 산출함을 확인하였다.","PeriodicalId":384419,"journal":{"name":"Korean Journal of Logistics","volume":"47 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-12-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Korean Journal of Logistics","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.15735/kls.2019.27.4.001","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

Abstract

데이터 수집 및 처리 기술이 발전하면서 빅데이터 분석 및 활용이 증가하고 있다. 물류 산업에서도 다양한 데이터가 더 높은 빈도로 수집되고 있으며, 이에 따라 데이터 분석 역시 더욱 세분화된 하위집단을 대상으로 시도되고 있다. 물류 데이터는 대표적인 시계열 데이터로서, 시계열 데이터에서 이러한 경향은 복잡한 계절성과 다양한 설명변수와 같은 새로운 데이터 특성을 의미한다. 그러나 기존의 많은 시계열 예측 모델은 구조적 한계로 인해 이러한 새로운 데이터 속성을 반영하지 못하여 낮은 예측 정확도를 보인다. 이러한 한계를 극복하기 위하여 본 논문은 시간 단위 군집화 모델을 제안한다. 제안한 모델은 시간 단위를 기준으로 시계열 데이터를 분류한 후 단위별로 분리된 시계열 집단들을 군집화한다. 또한 복잡한 계절성은 푸리에 방식으로, 다양한 설명변수는 베이즈 일반화된 선형 모델로 표현한다. 제안한 시간 단위 군집화 모델을 파렛트 대여기업의 실제 데이터에 적용하고, 기존의 프로펫 모델과 비교한 결과 더 높은 정확도로 예측값을 산출함을 확인하였다.
动态随机群集预测模型
随着数据收集和处理技术的发展,大数据分析和应用也在增加。在物流产业中,多种数据也以更高的频率被收集,因此数据分析也试图以更加细分的下位集团为对象进行。物流数据是典型的时序数据,在时序数据中,这种趋势意味着新的数据特性,例如复杂的季节性和各种变量。然而,许多现有的时序预测模型由于结构上的限制,无法反映这些新的数据属性,显示出较低的预测准确度。为了克服这一局限,本论文提出了时间单位群集化模型。提出的模型以时间为单位对时序数据进行分类,然后将按单位分离的时序群进行群集。复杂的季节性以傅立叶方式表现,多样的说明变数以贝氏一般化的线性模型表现。将提出的以时间为单位的群集化模型应用于parlet租赁企业的实际数据,与现有的propet模型进行比较的结果,确认了以更高的准确度计算出预测值。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信