Návrh metodiky založené na expertním přístupu pro predikci časových řad

Mgr. David SIKORA

Doctoral thesis

Proposal of methodology based on expert approach to time series prediction

Abstract:

Disertační práce se zabývá alternativním přístupem k analýze časových řad. Tento přístup je založen na principu kombinačních technik, které výslednou predikci sledované časové řady určují jako kombinaci predikcí z několika predikčních metod, a tak redukují riziko při výběru nevhodné predikční metody. Váhy predikcí jednotlivých predikčních metod jsou nastaveny pomocí fuzzy IF-THEN pravidel, v nichž se na základě charakteristických rysů časových řad nastavují váhy pro jednotlivé predikční metody. Jako charakteristické rysy jsou brány pouze rysy kvantitativního charakteru, jako jsou např. trend, sezónnost, variační koeficient, délka časové řady aj. Základním požadavkem bylo, aby navrhovaná metodika nastavovala váhy jednotlivých predikcí pouze na základě dat, takže odpadá nutnost vytvářet tým expertů pro danou oblast a je podstatně snížena subjektivita v názorech expertů. Navrhovaná metodika je otestována na testovací množině časových řad. Výsledky získané pomocí navrhované metodiky jsou porovnány s výsledky jednotlivých predikčních metod a také s výsledky získanými pomocí jednoduché, ale efektivní kombinační techniky založené na využití aritmetického průměru predikcí vytvořených jednotlivými metodami. Získané výsledky pak poukazují na nejen snížení rizika výběru nevhodné predikční metody, ale také na snížení průměrné chyby přesnosti.

Abstract:

This thesis deals with an alternative approach to time series analysis. This approach is based on the principle of combining techniques which determine the final time series prediction by combining predictions of several prediction methods, and thus reducing the risk of selecting inappropriate prediction methods. Weights of predictions of individual prediction methods are set using fuzzy IF-THEN rules, which are based on the characteristics of the time series set weights for individual prediction methods. Only quantitative character features are considered, such as trend, seasonality, coefficient of variation, the length of the time series, etc. The basic requirement was that the proposed methodology used to set the weights of individual predictions only on data basis so there is no need to create a team of experts for the area and subjectivity experts? opinions is considerably reduced. The proposed methodology is tested on a test set of time series. The results obtained by using the proposed methodology are compared with the results of individual prediction methods as well as compared with the results obtained using a simple but effective combining technique based on the use of the arithmetic average of the predictions generated by individual methods. The results then indicate not only reducing the risk of choosing inappropriate prediction methods, but reducing the average precision errors as well.

Keywords

časová řada, predikce, charakteristické rysy, kritéria přesnosti, kombinační techniky, pravidlové systémy, lineární regrese, fuzzy shluková analýza, metoda GUHA

Language used: Czech

Date on which the thesis was submitted / produced: 3. 5. 2013

Accessible from:: 3. 5. 2013

Thesis defence

University of Ostrava

Faculty of Science

Doctoral programme / field:
Information Science / Information Systems