[Thesis] Data Analysis - Temporal Fusion Transformers와 심층 학습 방법을 사용한 다층 수평 시계열 데이터 분석(학술)

서론

• 다층 수평 예측 : 기계 학급에서 시계열 데이터를 사용한 중요한 문제 중 하나
• 시계열 데이터는 다차원 형태를 가지며 다양한 정보를 포함하기 때문에 전통적인 방법을 사용하면 정확한 예측 어렵
• 시계열 정보는 실수형, 범주형 등의 이질적인 형태를 가지며 서로의 관계에 대한 정보 매우 적게 제공
• 본 논문은 이러한 한계점을 보완하고자 함

본론

• 실생활과 밀접한 관련이 있는 3가지 공개 데이터를 이용하여 실험 진행
  • 3가지 공개 데이터 : 주식 데이터, 미세먼지 데이터, 전기 변압기 데이터
• 기존 시계열 예측 모델인 단층 LSTM모델, 다층 LSTM모델, 1D CNN 모델 과 TFT 방법을 이용해 각각의 정확도 비교
• TFT 방법과 기존 방법들의 성능 차이 매우 큼
  • 다층 LSTM 모델의 MSE 값은 약 6.5배 차이 남

결론

• 시계열 데이터는 다양한 종류의 정보를 포함하여 형성되기 때문에 이질적인 특성을 가진 데이터를 모두 반영해해서 예측해야 정확한 예측 결과를 얻을 수 있음
• 따라서 TFT 방법을 이용하여 예측하면 더 정확한 예측 가능

출처

1. 논문 이름 : Temporal Fusion Transformers와 심층 학습 방법을 사용한 다층 수평 시계열 데이터 분석
2. 저자 : 김인경, 김대희, 이재구