6533b859fe1ef96bd12b7be0

RESEARCH PRODUCT

Laikrindu modelēšana un prognozēšana ar statistiskiem un dziļās mašīnmācīšanās modeļiem

Ksenija Zavjalova

subject

laikrindasDatorzinātneDeepARARIMAprognozēšanadziļā mašīnmācīšanās

description

Šajā maģistra darbā tiek aplūkota datu zinātnes problemātika – laikrindu prognozēšana ar statistiskiem un jaunākiem dziļās mašīnmācīšanās modeļiem. Mērķis ir salīdzināt trīs prognozēšanas modeļu veiktspēju un precizitāti, izmantojot veiktspējas mērījumus. Darbs teorētiskajā daļā 3., 4., un 5. nodaļās ir aprakstīta vispārējo laikrindu datu analīze, datu sagatavošana un galvenie statistisko modeļu ARIMA komponenti. Darba 6. nodaļa iepazīstina ar galvenajiem dziļās mašīnmācīšanās komponentiem un jaunākajām arhitektūrām – DeepAR un Temporal Future Transformer jeb TFT. Darbā praktiskajā daļā 7. un 8. nodaļās tiek izvērtētas statistisko un dziļās mašīnmācīšanās modeļu priekšrocības un trūkumi. Modeļu veiktspējas novērtēšanai tiek izmantotas trīs dažāda apjoma datu kopas. Darba rezultātā tiek parādīts, ka statistiskais modelis ARIMA pārspēj dziļās mašīnmācīšanās modeļus, ja tiek izmantotas mazākas datu kopas. Dziļās mašīnmācīšanās modelis TFT spēj parādīt salīdzinoši labus rezultātus. Ar TFT modeli iespējams efektīvi izmantot eksogēnos datus, lai uzlabotu prognozēšanas precizitāti.

https://dspace.lu.lv/dspace/handle/7/59998