표제지
목차
논문요약 11
제1장 서론 13
1. 연구 필요성과 목적 14
2. 본 논문의 구성 15
제2장 선행/관련연구 17
1. ARIMA의 정의 및 연구방법론 17
2. LSTM의 정의 및 연구방법론 24
3. 본 연구의 독창성 및 차별성 35
제3장 Diff LSTM 모델 기법 37
1. Diff LSTM 모델 정의 37
2. Diff LSTM 모델 설계 방법 39
3. Training 데이터의 정의 44
4. 검증 데이터 정의 및 활용 45
제4장 모델 검증 47
1. Diff LSTM 실험환경 47
2. 학습데이터 전 처리 47
3. 알고리즘 학습 및 예측 값 도출 48
4. Diff LSTM 정확도 비교 51
제5장 결론 55
참고문헌 57
Appendix 61
ABSTRACT 62
표 1-1. Keras LSTM 함수 31
표 1-2. 훈련 데이터=ts_df 41
표 1-3. Diff LSTM 주요 코드 41
표 1-4. Case 1. 생활인구 예측 정확도... 52
표 1-5. Case 2. 생활인구 예측 정확도... 52
표 1-6. Case 3. 생활인구 예측 정확도... 52
그림 2-1. ARIMA 모델 Flow Chart 23
그림 2-2. 단층 퍼셉트론 25
그림 2-3. 다층 퍼셉트론 26
그림 2-4. Relu 활성화 함수 28
그림 2-5. Sigmoid 활성화 함수 28
그림 2-6. Tanh 활성화 함수 29
그림 2-7. RNN 용도별 종류 32
그림 2-8. RNN 개념도 33
그림 2-9. LSTM 개념도 34
그림 3-1. 명동 일자 별 8~9시 생활인구(2020 년) 그래프 38
그림 3-2. 명동 일자 별 8~9 시 생활인구(2020 년) 차분 그래프 39
그림 3-3. 명동 일자 별 8~9 시 실제 생활인구(2021 년 1 월) 그래프 45
그림 4-1. ARIMA 예측 결과 48
그림 4-2. LSTM 예측 결과 Case 1.... 49
그림 4-3. Diff LSTM 예측 결과 Case 1.... 50
그림 4-4. 예측결과 비교 Case 1.... 51