인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김도현
- 발행연도
- 2023
- 저작권
- 명지대학교 논문은 저작권에 의해 보호받습니다.
이용수17
초록· 키워드
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
시계열 예측 문제에서는 시계열 데이터가 가지고 있는 특징과 패턴을 포착하여 미래의 시계열 값을 예측하게 된다. 이러한 시계열 데이터가 지닌 특징과 패턴을 포착하기 위해 다양한 딥러닝 기반의 시계열 예측방법이 제안되었다. 대부분의 딥러닝 시계열 예측방법들은 시계열의 특징과 패턴을 파악하기 위해서 주로 과거 시계열 값만을 사용한다. 그러나 정확한 시계열 예측을 위해서, 특히 장기간 시계열 예측을 위해서는 시계열에 영향을 줄 수 있는 많은 외생변수와의 관계도 동시에 고려하여야 한다. 이를 위해 본 논문에서는 외생변수를 고려한 딥러닝 기반의 시계열 예측방법을 제안하고자 한다. 그런데, 많은 외생변수를 고려할 때, 예측하고자 하는 시계열과 관련이 있는 외생변수들만을 고려해야 모델의 과적합에 의한 예측 성능의 저하를 예방할 수 있다. 따라서 본 연구에서는 관련 외생변수를 선별할 수 있는 단계를 추가하고, 이외에도 시계열 예측 결과에 대한 해석이 용이하도록 시계열의 추세와 계절성 패턴을 동시에 도출할 수 있는 알고리즘을 제안하였다.
목차
- 그림목차 ⅲ표목차 ⅳ국문초록 ⅴ제 1 장 서론제 1 절 연구의 배경 및 목적 1제 2 절 관련 연구 31.2.1 시계열 예측 개요 31.2.2 통계 기반 시계열 예측 모형 41.2.3 딥러닝 기반 시계열 예측 모형 71.2.4 기존 연구의 한계 14제 3 절 연구의 목적 및 논문의 구성 15제 2 장 외생변수와 추세 및 계절성을 고려한 시계열 예측 알고리즘 개발제 1 절 N-BEATS 162.1.1 전체 프로세스 162.1.2 일반적인 모델 172.1.3 해석 가능한 모델 21제 2 절 제안 알고리즘 242.2.1 전체 프로세스 242.2.2 구성요소 252.2.3 변수선택 프로세스 292.2.4 시계열 구성요소 프로세스 322.2.5 회귀 프로세스 332.2.6 시계열 예측 33제 3 절 제안된 기법의 특징 34제 3 장 실험 및 결과제 1 절 실험 데이터 및 실험 환경 353.1.1 실험 데이터 353.1.2 실험 환경 38제 2 절 실험 설계 393.2.1 실험 프로세스 393.2.2 성능 평가 측도 393.2.3 데이터 전처리 403.2.4 최적 하이퍼파라미터탐색 41제 3 절 실험 결과 433.3.1 모델 학습 및 하이퍼파라미터 선정 433.3.2 정량적 결과 463.3.3 정성적 결과 60제 4 장 결론 및 향후 과제참고문헌 66Abstract 70
최근 본 자료
