Enhancing Time Series Forecasting via a Parallel Hybridization of ARIMA and Polynomial Classifiers
Created by
Haebom
저자
Thanh Son Nguyen, Van Thanh Nguyen, Dang Minh Duc Nguyen
개요
본 논문은 기존의 시계열 예측 방법인 ARIMA 모델과 다항식 분류기를 결합한 하이브리드 예측 모델을 제안합니다. ARIMA 모델의 시간적 의존성 모델링 강점과 다항식 분류기의 비선형 관계 포착 능력을 결합하여 예측 정확도를 높이고자 합니다. 다양한 실제 시계열 데이터셋을 사용하여 실험을 진행하였으며, 예측 정확도와 계산 효율성을 평가 지표로 삼았습니다. 실험 결과, 제안된 하이브리드 모델은 개별 모델보다 예측 정확도가 높았으나, 실행 시간은 다소 증가하는 것으로 나타났습니다.
시사점, 한계점
•
시사점:
◦
ARIMA와 다항식 분류기를 결합한 하이브리드 모델이 기존 모델보다 높은 예측 정확도를 달성할 수 있음을 보여줌.
◦
다양한 도메인의 실제 시계열 데이터에 적용 가능성을 확인.
•
한계점:
◦
하이브리드 모델의 실행 시간이 개별 모델보다 다소 증가함.
◦
사용된 데이터셋의 다양성이 제한적일 수 있음. (구체적인 데이터셋 종류와 특성에 대한 정보 부족)
