RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      KCI우수등재

      딥러닝 기법과 잔차 크리깅을 이용한 지가 예측

      한글로보기

      https://www.riss.kr/link?id=A107599357

      • 0

        상세조회
      • 0

        다운로드
      서지정보 열기
      • 내보내기
      • 내책장담기
      • 공유하기
      • 오류접수

      부가정보

      국문 초록 (Abstract)

      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.
      번역하기

      본 연구에서는 지가 예측의 고도화를 위하여 딥러닝 기법과 잔차 크리깅을 결합한 DNNRK 모형을 제안하고 그 성능을 검증하였다. 연구지역은 서울시 강남 3구이며 가격자료는 감정평가사가 ...

      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.

      더보기

      다국어 초록 (Multilingual Abstract)

      This study is propose the conjunction models of deep neural network and residual kriging (DNNRK) for advancement of land price estimation and validate its performance. Seoul (Gangnam 3 District) was chosen as a study area and we collected land prices of standard lots estimated by appraiser. When inspecting the model performance based on the test data, we confirmed that the land price accuracy form the DNNRK model was improved substantially compared with that of the OLS, DNN and RK. Therefore, these results indicate that introducing spatial autocorrelation as a location factor to models can improve the performance of land price prediction significantly. Furthermore, DNNRK model coupling DNN and residual kriging can be an effective alternative for estimating the land price accurately.
      번역하기

      This study is propose the conjunction models of deep neural network and residual kriging (DNNRK) for advancement of land price estimation and validate its performance. Seoul (Gangnam 3 District) was chosen as a study area and we collected land prices ...

      This study is propose the conjunction models of deep neural network and residual kriging (DNNRK) for advancement of land price estimation and validate its performance. Seoul (Gangnam 3 District) was chosen as a study area and we collected land prices of standard lots estimated by appraiser. When inspecting the model performance based on the test data, we confirmed that the land price accuracy form the DNNRK model was improved substantially compared with that of the OLS, DNN and RK. Therefore, these results indicate that introducing spatial autocorrelation as a location factor to models can improve the performance of land price prediction significantly. Furthermore, DNNRK model coupling DNN and residual kriging can be an effective alternative for estimating the land price accurately.

      더보기

      목차 (Table of Contents)

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

      참고문헌 (Reference)

      1 최진호, "토지 실거래가격 추정을 위한 공동 크리깅기법의 적용가능성 연구" 대한공간정보학회 23 (23): 55-63, 2015

      2 전병운, "지가 추정을 위한 공간내삽법의 정확성 평가" 한국지리정보학회 20 (20): 125-140, 2017

      3 서영민, "인공신경망과 크리깅 결합모델을 이용한 지하수위 공간분포추정" 한국환경기술학회 21 (21): 90-100, 2020

      4 송세리, "산림재적 추정을 위한 계층적 베이지안 분석" 한국데이터정보과학회 28 (28): 29-37, 2017

      5 원석환, "머신러닝 기법을 적용한 지가 예측 연구" 국토지리학회 51 (51): 347-355, 2017

      6 이창로, "단독주택가격 추정을 위한 기계학습 모형의 응용" 대한지리학회 51 (51): 219-233, 2016

      7 배성완, "기계 학습을 이용한 공동주택 가격 추정: 서울 강남구를 사례로" 한국부동산분석학회 24 (24): 69-85, 2018

      8 최지혜, "공간회귀모형을 이용한 토지시세가격 추정" 한국통계학회 31 (31): 217-228, 2018

      9 Hastie, T., "The elements of statistical learning" Springer 2009

      10 이창로, "The Deep Learning Approach to Property Valuation: An Application of a Multilayer Neural Net Model for Estimating House" 한국지역개발학회 30 (30): 179-202, 2018

      1 최진호, "토지 실거래가격 추정을 위한 공동 크리깅기법의 적용가능성 연구" 대한공간정보학회 23 (23): 55-63, 2015

      2 전병운, "지가 추정을 위한 공간내삽법의 정확성 평가" 한국지리정보학회 20 (20): 125-140, 2017

      3 서영민, "인공신경망과 크리깅 결합모델을 이용한 지하수위 공간분포추정" 한국환경기술학회 21 (21): 90-100, 2020

      4 송세리, "산림재적 추정을 위한 계층적 베이지안 분석" 한국데이터정보과학회 28 (28): 29-37, 2017

      5 원석환, "머신러닝 기법을 적용한 지가 예측 연구" 국토지리학회 51 (51): 347-355, 2017

      6 이창로, "단독주택가격 추정을 위한 기계학습 모형의 응용" 대한지리학회 51 (51): 219-233, 2016

      7 배성완, "기계 학습을 이용한 공동주택 가격 추정: 서울 강남구를 사례로" 한국부동산분석학회 24 (24): 69-85, 2018

      8 최지혜, "공간회귀모형을 이용한 토지시세가격 추정" 한국통계학회 31 (31): 217-228, 2018

      9 Hastie, T., "The elements of statistical learning" Springer 2009

      10 이창로, "The Deep Learning Approach to Property Valuation: An Application of a Multilayer Neural Net Model for Estimating House" 한국지역개발학회 30 (30): 179-202, 2018

      11 Yeh, I. C., "Spatial Interpolation using MLP-RBFN hybrid networks" 27 : 1884-1190, 2013

      12 Anselin, L and Bera, A., "Spatial Dependence in linear regression models with an introduction to spatial econometrics" Marcel Dekker 1998

      13 Demyanov, V., "Neural network residual kriging application for climate data" /bf 2 : 215-232, 1998

      14 Antipov, E. A., "Mass appraisal of residential apartments : An application of random forest for valuation and a CART based approach for model diagnostics" 39 : 1772-1778, 2012

      15 Gloudemans, R., "Fundamentals of mass appraisal" IAAO 2011

      16 Arno, C., "Deep learning with H2O"

      17 Quin, Y., "Application of deep learning-based interpolation methods to nearshore Bathymetry"

      18 Hengl, T., "About regression kriging : From equations to case studies" 33 : 1301-1315, 2007

      19 Seckin, Y, "A mass appraisal assessment study using machine learning based on multiple regression and random forest" 99 : 104889-, 2020

      더보기

      동일학술지(권/호) 다른 논문

      동일학술지 더보기

      더보기

      분석정보

      View

      상세정보조회

      0

      Usage

      원문다운로드

      0

      대출신청

      0

      복사신청

      0

      EDDS신청

      0

      동일 주제 내 활용도 TOP

      더보기

      주제

      연도별 연구동향

      연도별 활용동향

      연관논문

      연구자 네트워크맵

      공동연구자 (7)

      유사연구자 (20) 활용도상위20명

      인용정보 인용지수 설명보기

      학술지 이력

      학술지 이력
      연월일 이력구분 이력상세 등재구분
      2022 평가예정 계속평가 신청대상 (등재유지)
      2017-01-01 평가 우수등재학술지 선정 (계속평가)
      2013-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2010-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2008-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2005-01-01 평가 등재학술지 선정 (등재후보2차) KCI등재
      2004-01-01 평가 등재후보 1차 PASS (등재후보1차) KCI등재후보
      2003-01-01 평가 등재후보학술지 유지 (등재후보2차) KCI등재후보
      2002-01-01 평가 등재후보 1차 PASS (등재후보1차) KCI등재후보
      2001-01-01 평가 등재후보학술지 선정 (신규평가) KCI등재후보
      더보기

      학술지 인용정보

      학술지 인용정보
      기준연도 WOS-KCI 통합IF(2년) KCIF(2년) KCIF(3년)
      2016 1.18 1.18 1.07
      KCIF(4년) KCIF(5년) 중심성지수(3년) 즉시성지수
      1.01 0.91 0.911 0.35
      더보기

      이 자료와 함께 이용한 RISS 자료

      나만을 위한 추천자료

      해외이동버튼