$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

WaveNet과 Work Forward Validation을 활용한 시계열 데이터 분석
Time Series Data Analysis using WaveNet and Walk Forward Validation 원문보기

한국시뮬레이션학회논문지 = Journal of the Korea Society for Simulation, v.30 no.4, 2021년, pp.1 - 8  

윤협상 (Dept. of Software Convergence, Daegu Catholic University)

초록
AI-Helper 아이콘AI-Helper

복잡하고 비선형적인 특징을 갖는 시계열 데이터를 예측하기 위해 딥러닝 기법이 널리 사용되고 있다. 본 연구에서는 최근에 개발된 WaveNet을 개선하고 워크포워드 검증 기법을 적용하여 전력 소비량 데이터를 24시간 이전에 예측하고자 한다. 원래 WaveNet은 오디오 데이터 예측에 사용하고자 고안되었으며, 장기간의 데이터를 효과적으로 예측하기 위해 1차원 팽창인과 합성곱(1D dilated causal convolution)을 사용한다. 먼저, WaveNet이 부호화된 정수 값이 아니라 실수 값을 출력하여 전력 데이터를 예측하기 적합하도록 개선하였다. 다음으로 학습 과정에 적용된 하이퍼파라미터(입력 기간, 배치 크기, WaveNet 블록 개수, 팽창 비율, 학습률 변경)를 조정하여 적절한 성능을 나타내도록 하였다. 마지막으로 성능 평가를 통해 전통적인 홀드아웃 검증 기법보다 본 연구에서 사용한 워크포워드 검증 기법이 전력 소비량 데이터 예측에 우수함 성능을 나타냄을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Deep learning is one of the most widely accepted methods for the forecasting of time series data which have the complexity and non-linear behavior. In this paper, we investigate the modification of a state-of-art WaveNet deep learning architecture and walk forward validation (WFV) in order to foreca...

주제어

#시계열 예측   #딥러닝   #웨이브넷   #워크포워드 검증  

표/그림 (13)

참고문헌 (12)

  1. Bergstra, J., Bardenet, R., Bengio, Y., and Kegl, B., "Algorithms for Hyper-parameter Otimization", Proc. of 25th Annual Conference on Neural Information Processing Systems, pp. 1-9, 2011 

  2. Cho K, Merrienboer B. van, Gulcehre C, Bahdanau, D., Bougares, F,. Schwenk, H., and Bengio, Y. "Learning Prase Rpresentations sing RNN Encoder-Decoder for Statistical Machine Translation", Proc. of Empirical Methods in Natural Language Processing. pp. 1724-1734. 2014. 

  3. Clements M. P., Franses P. H., and Swanson N. R., "Forecasting Economic and Financial Time-Series with Non-linear Models". International Journal of Forecast, vol. 20, no. 2, pp. 169-183, 2004. 

    상세보기 crossref

  4. Hochreiter, S. and Schmidhuber, J., "Long Short-Term Memory", Neural Computation, vol. 9, no. 8, pp. 1735-1780, 1997 

    상세보기 crossref

  5. Hong, T., Gui, M., Baran, M., and Willis, H. L., "Modeling and Forecasting Hourly Electric Load by Multiple Linear Regression with Interactions", Proc. of the IEEE Power and Energy Society General Meeting, pp. 1-8, 2010. 

  6. Hong, T., Wang, P., and Willis, H. L., "A Naive Multiple Linear Regression Benchmark for Short Term Load Forecasting", Proc. of the IEEE Power and Energy Society General Meeting, vol. 2, pp. 1-6, 2011. 

  7. Karim, A. and Ariffin, S., "Electricity Load Forecasting in UTP Using Moving Averages and Exponential Smoothing Techniques", Applied Mathematical Sciences, vol. 7, no. 77-80, pp. 4003-4014, 2013. 

    crossref

  8. Livieris, I. E., Emmanuel, P., and Panagiotis, P., "A CNN-LSTM Model for Gold Price TimeSeries Forecasting", Neural Computing and Applications. vol. 32, no. 23, pp. 17351-17360, 2020. 

    상세보기 crossref

  9. Masters, D. and Luschi, C., "Revisiting Small Batch Training for Deep Neural Networks", 1-18. http://arxiv.org/abs/1804.07612, 2018 

  10. Ngoc T. T., van Dai, L., and Phuc D. T., "Grid Search of Multilayer Perceptron Based on the Walk-Forward Validation methodology", International Journal of Electrical and Computer Engineering, vol. 11, no, 2, pp. 1742-1751, 2021. 

    상세보기

  11. Oord, A. van den, Dieleman, S., Zen, H., Simonyan, K., Vinyals, O., Graves, A., Kalchbrenner, N., Senior, A., and Kavukcuoglu, K., "WaveNet: A Generative Model for Raw Audio", http://arxiv.org/abs/1609.03499, 2016. 

  12. Tealab, A., "Time Series Forecasting Using Artificial Neural Networks Methodologies: A Systematic Review." Future Computing and Informatics Journal, vol. 3, no. 2, pp. 334-340. 2018. 

    상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로