호텔 수요 예측을 위한 NSGA3 특징 선택 기반의 시간 컨볼루션 네트워크 모델 (A Temporal Convolutional Network for Hotel Demand Prediction Based on NSGA3 Feature Selection)

서지정보

· 발행기관 : 한국컴퓨터정보학회
· 수록지 정보 : 한국컴퓨터정보학회논문지 / 29권 / 10호 / 121 ~ 128페이지
· 저자명 : 박기현, 정경호, 안현철

초록

수요 예측은 관광 산업에서 수익 관리의 중요한 요소이다. 2010년대 이후 관광 산업의 세계화와 SNS와 같은 다양한 형태의 마케팅 및 정보 공유가 증가함에 따라 비선형 활동과 비정형 정보로 인해 예측이 어려워졌다. 이러한 문제를 해결하기 위한 다양한 예측 모델이 연구되었으며, 기계 학습(ML) 모델이 효과적으로 사용되었다. 본 연구에서는 특징 선택 기법(NSGA3)을 시계열 모델에 적용하고 성능을 비교하였다. 호텔 수요 예측에서 TCN 모델은 MAPE 9.73%로, 특징 선택을적용하지 않았을 때보다 7.05% 성능이 향상된 높은 예측 성능을 보였다. 본 연구 결과는 향상된예측 성능을 통해 의사결정 지원에 유용할 것으로 기대된다.

영어초록

Demand forecasting is a critical element of revenue management in the tourism industry. Since the 2010s, with the globalization of the tourism industry and the increase of different forms of marketing and information sharing, such as SNS, forecasting has become difficult due to non-linear activities and unstructured information. Various forecasting models for resolving the problems have been studied, and ML models have been used effectively. In this study, we applied the feature selection technique (NSGA3) to time series models and compared their performance. In hotel demand forecasting, it was found that the TCN model has a high forecasting performance of MAPE 9.73% with a performance improvement of 7.05% compared to no feature selection. The results of this study are expected to be useful for decision support through improved forecasting performance.

참고자료

· 없음