본 논문은 다중 단계 시계열 예측에서의 불확실성 정량화를 위한 새로운 방법인 이중 분할 적합 예측(DSCP)을 제안합니다. 기존의 적합 예측(CP) 방법들이 단일 단계 예측에 초점을 맞추고 다중 단계 예측에서는 실시간 데이터 의존성 및 확장성 문제를 겪는다는 점을 지적하며, 시계열 데이터의 내재적 의존성을 고려하여 설계된 DSCP를 제시합니다. 실제 세계 데이터셋을 이용한 실험 결과, DSCP는 기존 CP 방법들보다 Winkler Score 기준으로 최대 23.59% 향상된 성능을 보였으며, 재생에너지 발전 및 IT 부하 예측 등 실제 응용 분야에서도 효과를 입증하여 데이터 센터 운영 최적화를 통한 탄소 배출량 11.25% 감소를 달성했습니다.
시사점, 한계점
•
시사점:
◦
다중 단계 시계열 예측에서의 불확실성 정량화 문제에 대한 효과적인 해결책 제시
◦
기존 CP 방법들의 한계점을 극복하고 향상된 성능 달성 (최대 23.59% 성능 향상)
◦
실제 응용 분야(재생에너지, IT 부하 예측)에서의 효용성 검증 및 긍정적 결과 도출 (탄소 배출량 11.25% 감소)
