DOI QR코드

DOI QR Code

Deep Neural Network 기반 프로야구 일일 관중 수 예측 : 광주-기아 챔피언스 필드를 중심으로

Deep Neural Network Based Prediction of Daily Spectators for Korean Baseball League : Focused on Gwangju-KIA Champions Field

  • 박동주 (광주과학기술원 전기전자컴퓨터공학부) ;
  • 김병우 (전남대학교 산업공학과) ;
  • 정영선 (전남대학교 산업공학과) ;
  • 안창욱 (광주과학기술원 전기전자컴퓨터공학부)
  • 투고 : 2018.03.05
  • 심사 : 2018.03.27
  • 발행 : 2018.03.31

초록

본 연구는 Deep Neural Network(DNN)을 이용하여 광주-기아 챔피언스 필드의 일일 관중 수를 예측함으로써 이를 통해 구단과 관련기업의 마케팅 자료제공 및 구장 내 부대시설의 재고관리에 자료로 쓰임을 목적으로 수행 되었다. 본 연구에서는 Artificial Neural Network(ANN)의 종류인 DNN 모델을 이용하였으며 DNN 모델의 과적합을 막기 위해 Dropout과 Batch normalization 적용한 모델을 바탕으로 총 4종류를 설계하였다. 각각 10개의 DNN을 만들어 예측값의 Root Mean Square Error(RMSE)와 Mean Absolute Percentage Error(MAPE)의 평균값을 낸 모델과 예측값의 평균으로 RMSE와 MAPE를 평가한 Ensemble 모델을 만들었다. 모델의 학습 데이터는 2008년부터 2017년까지의 관중 수 데이터를 수집하여 수집된 데이터의 80%를 무작위로 선정하였으며, 나머지 20%는 테스트 데이터로 사용하였다. 총 100회의 데이터 선정, 모델구성 그리고 학습 및 예측을 한 결과 Ensemble 모델은 DNN 모델의 예측력이 가장 우수하게 나왔으며, 다중선형회귀 모델 대비 RMSE는 15.17%, MAPE는 14.34% 높은 예측력을 보이고 있다.

과제정보

연구 과제 주관 기관 : 한국연구재단

참고문헌

  1. 정병기, "프로야구 관람결정요인이 관람만족도 및 재구매행동에 미치는 영향", 한국사회체육학회지, 제29권, 209-220쪽, 2007.
  2. 송한성, "한국 프로야구단 연고지별 관중 수요예측 연구", 한양대학교 대학원 석사학위논문, 2013.
  3. 채한승, 이종호, "프로 스포츠팬 성향 및 경기관람 결정요인에 관한 조사 연구", 한국스포츠산업 경영학회지, 제5권, 2호, 137-154쪽, 2000.
  4. Hinton, G., Osindero, S. and Teh, Y., "A Fast Learning Algorithm for Deep Belief Nets", Neural Computation, vol. 18, no. 7, pp. 1527-1554, 2006. https://doi.org/10.1162/neco.2006.18.7.1527
  5. Fausett, L. V., Fundamental of neural networks: architectures, algorithms, & applications, NJ: Prentice-Hall, 1994.
  6. Haykin, S. C., Neural networks: A comprehensive foundation, NJ: Prentice Hall PTR Upper Saddle River, 1994.
  7. 이유라, 김수형, 김영철, 나인섭, "심층 학습 모델을 이용한 EPS 동작 신호의 인식", 스마트미디어저널, 제5권, 제3호, 35-41쪽, 2016년 9월.
  8. Li, D. and Yu, D., Deep Learning: Methods and Applications, Foundations and Trends${(R)}$ in Signal Processing, pp. 197-387, 2014.
  9. 문대선, 나인호, 김성호, "풍력발전 고장검출 시스템을 위한 인공 신경망 기반의 모델링 기법 개발", 스마트미디어저널, 제1권, 제2호, 47-53쪽, 2012년 3월
  10. 문해민, 박진원, 반성범, "역전파가 제거된 CNN과 LDA를 이용한 얼굴 영상 해상도별 얼굴 인식률 분석", 스마트미디어저널, 제5권, 제1호, 24-29쪽, 2016년 3월.
  11. Nair, V., Hinton, G., "Rectified Linear Units Improve Restricted Boltzmann", International Conference on Machine Learning, pp. 807-814, 2010.
  12. Srivastava N., Hinton, G. E. Krizhevsky, A. Sutskever, I. Salakhutdinov, R., "Dropout: A simple way to prevent neural networks from overfitting", The Journal of Machine Learning Research, vol. 15, no. 1, pp. 1929-1958, 2014.
  13. Loffe, Sergey, and Christian Szegedy, "Batchnormalization: Accelerating deep network training by reducing internal covariate shift", International Conference on Machine Learning, 2015.
  14. 나병국, 윤성로, "GRU 기반 순환 신경망에서의 배치정규화 효과 연구", 한국정보과학회 학술발표 논문집, 663-665쪽, 2016.
  15. 변재진, "관광산업 수요예측 모형에 대한 연구", 대전전문대학 논문집, 제20권, 103-156쪽, 1994.
  16. 이종원, 경제예측론, 서울 : 도서출판 해남, 2006.
  17. 정의선, 유정정, 조승현, 중국 인바운드 관광수입 의 수요예측 -ARIMA모형에 의한 시계열분석을 중심으로-, 호텔리조트연구, 제12권, 제1호, 135-157쪽, 2013.
  18. 오승은, "다중회귀분석을 이용한 남한강보 지점에서의 Chlorophyll-a 농도예측에 대한 연구", 을지대학교 대학원 석사학위논문, 2016.
  19. 오광우, 이우리, 시계열예측 방법과 응용, 자유아카데미, 1995.
  20. 조광익, 관광수요 예측 및 경제 파급효과 분석 : 강원 역사문화촌을 중심으로, 한국관광연구원, 1999.
  21. 최영문, 김사헌, "단변량 시계열 관광수요 예측모형의 적정성 비교평가: 내국인 해외관광객수 실측치와 예측치의 비교", 관광학연구, 제21권, 제2호, 111-128쪽, 1998.
  22. 김형돈, 채진석, "시계열모형을 이용한 프로야구 구단별 관중 수 예측", 한국체육측정평가학회지, 제14권, 제3호, 57-68쪽, 2012.
  23. 김민철, "시계열분석을 통한 프로야구 관중현황 예측모델연구", 한국스포츠산업 경영학회지, 제14 권, 제1호, 17-25쪽, 2009.
  24. 박진욱, 박상현, "인공신경망을 이용한 한국프로야구 관중 수요 예측에 관한 연구", 정보처리학회논문지, 소프트웨어 및 데이터 공학, 제6권, 제12호, 565-572쪽, 2017.