지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 백준걸
- 발행연도
- 2018
- 저작권
- 고려대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Times series data is closely related with real-world more than other data. Time Series Prediction is one of the most important subjects that is useful in real-world problems. There are already many time series analysis methods. This study try to overcome the limitations of one of the famous time series analysis methods, ARIMA. ARIMA has limitations that are weakness in short term prediction and absence of nonlinear pattern analysis. This study use MODWT(Maximum Overlap Discrete Wavelet Transform) for preprocessing the time series data, and predict the data with ARIMA(Auto-Regressive Integrated Moving Average) and DBNs(Deep Belief Networks) which is usually used for analyzing nonlinear data. Real case datasets are used to compare the performances with original ARIMA and existing prediction methods. The results from the experiments demonstrate the usefulness and possibilities in various time series fields and superiority with improved accuracy
목차
1. 서론 ………………………………………………………………12. MODWT …………………………………………………………43. 연구에 사용된 예측모델 ………………………………………83.1 ARIMA 예측 모형 …………………………………………83.2. DBNs 예측 모형 …………………………………………94. 제안하는 기법 ………………………………………………… 124.1 최적의 웨이블릿 필터 선택 및 시계열 데이터 분해 …124.2 예측 모델의 적용 …………………………………………155. 실험 ……………………………………………………………166. 결론 및 추후 연구 …………………………………………23부록……………………………………………………………………26참고문헌………………………………………………………………28
최근 본 자료
댓글(0)
0