Key points are not available for this paper at this time.
시계열 모델링 및 예측은 다양한 실용 분야에 근본적인 중요성을 갖습니다. 따라서 이 주제에 대한 활발한 연구가 여러 해 동안 진행되고 있습니다. 예측의 정확도와 효과성을 개선하기 위해 많은 중요한 모델들이 문헌에서 제안되었습니다. 이 논문 작업의 목표는 실제에서 사용되는 몇 가지 인기 있는 시계열 예측 모델에 대한 간결한 설명과 그 두드러진 특징을 제시하는 것입니다. 이 논문에서는 확률적 모델, 신경망 및 SVM 기반 모델의 세 가지 중요한 시계열 모델 클래스를 설명하고, 그들의 고유한 예측 강점과 약점에 대해 논의하였습니다. 또한 우리는 정적성, 간결성, 과적합 등과 같은 시계열 모델링과 관련된 기본 문제에 대해서도 논의했습니다. 다양한 시계열 모델에 대한 논의는 여섯 개의 실제 시계열 데이터 세트에서 수행된 실험적 예측 결과를 제시하여 뒷받침되었습니다. 데이터 세트에 모델을 맞출 때, 가장 간결한 모델을 선택하는 데 특별한 주의가 기울여졌습니다. 예측 정확도를 평가하고 시계열에 맞춘 다양한 모델 간의 비교를 위해 우리는 MSE, MAD, RMSE, MAPE 및 Theil의 U 통계량을 포함한 다섯 가지 성능 측정 방법을 사용했습니다. 여섯 개의 데이터 세트 각각에 대해, 원래 관측치와 예측된 관측치 간의 유사성을 그래픽으로 보여주는 예측 다이어그램을 제시했습니다. 시계열 모델링 및 예측에 대한 논의에서 신뢰성과 명확성을 확보하기 위해, 우리는 저명한 저널과 일부 표준 서적에서 발표된 다양한 연구 작업의 도움을 받았습니다.
Adhikari et al. (별), 이 질문을 연구했습니다.