이 연구는 코퓰라 이론과 기계 학습 생성 모델을 결합하여 합성 인구 생성을 위한 새로운 프레임워크를 제안한다.
주요 내용은 다음과 같다:
코퓰라 정규화를 통해 변수 간 의존 구조와 주변 분포를 분리함으로써, 데이터가 부족한 지역에 대한 합성 인구 생성이 가능해진다.
베이지안 네트워크, 조건부 테이블 생성 적대 신경망, 테이블 변분 오토인코더 등 다양한 기계 학습 생성 모델을 활용하여 코퓰라를 학습한다.
실제 미국 지역사회 조사 데이터를 활용하여 제안 방법론의 성능을 평가한다. 특히 동일 지리적 수준 간 전이와 상위 지리적 수준에서 하위 수준으로의 전이 실험을 통해 방법론의 적응성을 검증한다.
제안 방법론은 기존 반복적 비례 적합법 대비 SRMSE 지표에서 우수한 성능을 보이며, 원본 데이터에서 관찰되지 않은 새로운 조합을 생성할 수 있다.
In eine andere Sprache
aus dem Quellinhalt
arxiv.org
Tiefere Fragen