Analýza časových řad

Jan Trupl

Diplomová práce

Time Series Analysis

Anotace:

Tato práce představuje komplexní studii analýzy časových řad pomocí hlubokých neuronových sítí. Účinnost těchto metod je porovnána s existujícími řešeními pro analýzu časových řad. Implementace těchto metod se provádí na vybraném souboru dat a je ověřena jejich výkonnost. Implementace metod se provádí pomocí open source knihoven, jako jsou TensorFlow a Keras. Pro otestování existujících řešení je použit framework Darts. Výsledky srovnání jsou diskutovány a jsou z nich vyvozovány závěry. Celková zjištění naznačují, že hluboké neuronové sítě mohou být efektivně použity pro analýzu časových řad se srovnatelně dobrými výsledky jakých dosahují současné metody.

Abstract:

Abstract This thesis presents a comprehensive study of time series analysis using deep neural networks. The efficacy of these methods is compared against the existing solutions for time series analysis. The implementation of these methods is done on a selected data set and their performance is verified. The implementation of the methods is done through the use of open source libraries, such as TensorFlow and Keras. Darts framework is used to test existing solutions. The results of the comparison are discussed and conclusions are drawn from them. The overall findings suggest that deep neural networks can be effectively used for time series analysis, with results comparable to existing methods.

Klíčová slova

analýza časových řad, hluboké neuronové sítě, klasifikace časových řad, predikce časových řad, metriky pro analýzu časových řad, RNN, LSTM, GRU, seznam frameworků pro analýzu časových řad, Keras, Darts, KU-HAR Dataset, Yoga Dataset, Chile Wind Speed b08, Jena Dataset, Předpovídání spotřeby plynu

Keywords

Time Series Analysis, Deep Neural Networks, Time Series Classification, Time Series Prediction, Time Analysis Metrics, RNN, LSTM, GRU, Time Series Framework List, Keras, Darts, KU-HAR Dataset, Yoga Dataset, Chile Wind Speed b08, Jena Dataset, Natural Gas Forecasting

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 30. 4. 2023

Obhajoba závěrečné práce

• Obhajoba proběhla 8. 8. 2023
• Vedoucí: Jan Platoš
• Oponent: Petr Gajdoš

VŠB – Technická univerzita Ostrava

Fakulta elektrotechniky a informatiky

Magisterský studijní program:
Průmysl 4.0