Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Comparative Analysis of Time Series Foundation Models for Demographic Forecasting: Enhancing Predictive Accuracy in US Population Dynamics

Created by
  • Haebom

저자

Aditya Akella, Jonathan Farah

개요

본 연구는 미국 인구 통계 변화 예측을 위해 시계열 기반 모델(TimesFM)을 적용하고, 기존 LSTM, ARIMA, 선형 회귀 모델과 성능을 비교 분석한 연구입니다. 미국 인구조사국 및 FRED 데이터를 사용하여 6개 주의 인구 통계 변화를 예측하였으며, TimesFM이 대부분의 경우(86.67%) 가장 낮은 MSE를 기록하였습니다. 특히 데이터가 부족한 소수민족 인구 예측에서 강점을 보였으며, 사전 훈련된 기반 모델이 인구 통계 분석 및 정책 수립에 효과적임을 시사합니다.

시사점, 한계점

•
시사점:
◦
사전 훈련된 기반 모델(TimesFM)을 활용하여 인구 통계 변화 예측의 정확도를 향상시킬 수 있음.
◦
데이터가 부족한 소수민족 인구에 대한 예측 성능이 우수함.
◦
광범위한 작업별 미세 조정 없이 인구 통계 분석 및 정책 개입에 활용 가능성 제시.
•
한계점:
◦
연구 대상이 미국 6개 주로 제한됨.
◦
다양한 인구 통계 변수에 대한 예측 성능 비교가 부족함.
◦
TimesFM 모델의 일반화 성능에 대한 추가적인 검증 필요.
◦
예측의 장기적인 정확성에 대한 평가가 부족함.
👍
Made with Slashpage