Recurrent Neural Networks를 활용한 Baltic Dry Index (BDI) 예측

• 영문명: Time-Series Prediction of Baltic Dry Index (BDI) Using an Application of Recurrent Neural Networks
• 발행기관: 한국항해항만학회
• 저자명: 한민수(Min Soo Han) 유성진(Song Jin Yu)
• 간행물 정보: 『한국항해항만학회 학술대회논문집』2017 추계학술대회논문집, 50~53쪽, 전체 4쪽
• 주제분류: 공학 > 해양공학
• 파일형태: PDF
• 발행일자: 2017.11.02

국문 초록

장기 해운불황에 따라 불확실성이 증폭되고 있는 상황에서 경기추세의 이해뿐만 아니라 예측 또한 중요해지고 있는 실정이다. 본 논문에서는 최근 특정 복잡한 문제에 대해서 각광받고 있는 인공신경망을 적용하여 BDI 예측을 연구하였다. 사용된 인공신경망은 순환신경망으로 RNN과 LSTM 그리고 비교의 목적으로 MLP를 통해 2009.04.01.부터 2017.07.31.의 기간을 대상으로 연구를 진행하였다. 또한 전통적 시계열 예측방법론인 ARIMA 분석을 실시해 인공신경망들의 예측성능과 비교하였다. 결과로 순환신경망인 RNN의 성능이 가장 뛰어났으며 LSTM의 특정 시계열(BDI)에의 적용가능성을 확인할 수 있었다.

영문 초록

Not only growth of importance to understanding economic trends, but also the prediction to overcome the uncertainty is coming up for long-term maritime recession. This paper discussed about the prediction of BDI with artificial neural networks (ANN). ANN is one of emerging applications that can be the finest solution to the knotty problems that may not easy to achieve by humankind. Proposed a prediction by implementing neural networks that have recurrent architecture which are a Recurrent Neural Network (RNN) and Long Short-Term Memory (LSTM). And for the reason of comparison, trained Multi Layer Perceptron (MLP) from 2009.04.01 to 2017.07.31. Also made a comparison with conventional statistics, prediction tools; ARIMA. As a result, recurrent net, especially RNN outperformed and also could discover the applicability of LSTM to specific time-series (BDI).

목차

요약

Abstract

1. 서론

2. ARIMA와 인공신경망 모델의 BDI 예측 적용 및 해석

3. 결론

참고문헌

키워드

장단기 메모리 순환형 신경망 건화물운임지수 인공신경망 시계열 분석 Long Short-Term Memory Recurrent Neural Networks BDI (Baltic Dry Index) Artificial Neural Networks Time-Series Analysis