본문 바로가기
  • 학술저널

표지

DBpia에서 서비스 중인 논문에 한하여 피인용 수가 반영됩니다. 내서재에 논문을 담은 이용자 수의 총합입니다.

초록·키워드 목차

본 연구에서는 지가 예측의 고도화를 위하여 딥러닝 기법과 잔차 크리깅을 결합한 DNNRK 모형을 제안하고 그 성능을 검증하였다. 연구지역은 서울시 강남 3구이며 가격자료는 감정평가사가 평가한 표준지 공시지가를 기반으로 하였다. 제안된 모형의 성능은 검증 데이터에 대한 선형회귀모형, 회귀크리깅, 딥러닝의 예측결과를 통계적 지표 (MAE, RMSE, MAPE, COD) 비교를 통해 평가하였다. 모형 성능을 비교한 결과, DNNRK 모형의 가격 예측력이 다른 모형과 비교하여 우수함을 확인할 수 있었다. 본 연구에서는 지가가 물리적 속성 정보뿐만 아니라 위치 정보에 영향을 받는다는 개념을 고려하여 제안된 DNNRK 모형을 적용되었다. 따라서 이러한 결과는 지역 요인으로 대표되는 공간적 상관성을 모형에 투입할 경우 지가 예측력의 상승 효과를 가져온다는 것을 의미한다. #공간적 상관성 #심층신경망 #잔차 크리깅 #지가 #Deep neural network #land price #residual kriging #spatial autocorrelation

요약
1. 서론
2. 자료 및 방법
3. 실증 분석
4. 결론
References
Abstract

DBpia에서 서비스 중인 논문에 한하여 피인용 수가 반영됩니다.
Insert title here
논문의 정보가 복사되었습니다.
붙여넣기 하세요.