Hybrid V-Support Vector Regression as Statistical Methodology for Forecasting Daily Natural Gas Prices

Q: 이 논문에서 정의한 v-SVR이란 무엇인가?

v-SVR은 Support Vector Regression의 개선된 버전으로, v 매개변수를 사용하여 서포트 벡터의 비율과 훈련 오류를 관리하며, 데이터의 엡실론 값을 자동으로 추정한다. 이는 기존 SVR의 서포트 벡터 수 제어 문제를 해결하고, 비선형 회귀 문제에 대한 예측 성능을 향상시키는 데 목적이 있다.

Q: 벨루가 고래 최적화 기반 v-SVR 모델이 천연가스 가격 예측에 효과적인가?

연구 결과, 벨루가 고래 최적화(BWO) 기반 v-SVR 모델은 기존의 그리드 서치(GS-v-SVR) 및 교차 검증(CV-v-SVR) 방식보다 천연가스 및 런던 가스 오일 가격 예측에서 우수한 성능을 보였다. BWO-v-SVR은 더 낮은 MSE, MAE, RMSE 값을 나타내며, DM 테스트에서도 통계적으로 유의미한 우위를 입증하였다.

Omar Salim Ibrahim; Zakariya Yahya Algamal

doi:10.7232/iems.2025.24.4.694

학술저널

저자정보: Omar Salim Ibrahim (University of Mosul) Zakariya Yahya Algamal (University of Mosul)

저널정보: 대한산업공학회 Industrial Engineering & Management Systems Industrial Engineering & Management Systems Vol.24 No.4

오류 신고하기

피인용 0

검색

초록·키워드

The simultaneous accurate forecast of natural gas prices together with London Gas Oil prices leads to optimal market functioning. The complex nature of predicting natural gas prices and London Gas Oil prices becomes very challenging because of their non-linear and non-stationary historical price patterns. v-support vector regression(v-SVR) functions as an established method for predicting metal price variations. The v-SVR achieves better performance results through adjusting its hyperparameters because these values determine its operational effectiveness. v-SVR requires optimal hyperparameter selection for achieving high accuracy levels in its predictions. The research suggests using beluga whale optimization (BWO) as a meta-heuristic framework to enhance the v-SVR hyperparameter estimation which can predict the prices of natural gas and London Gas Oil. The forecasting performance evaluation used multiple metrics including DM test combined with R2, DA, RMSE,MSE, IA and MAE. The prediction capabilities of BWO-v- SVR surpass those of the competitor methods GS-SVR and CV-v-SVR. . Multiple evaluation criteria demonstrated that the proposed BWO-v-SVR technique shows positive outcomes when compared to different available options.

#Natural Gas Prices Along With London Gas Oil Prices #V-Support Vector Regression #Beluga Whale Optimization #Hyperparameter Tuning

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-151-26-02-094587214

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료