Page Header

Forecasting the Future of Time Series Data Using Machine Learning

Kornsirinut Rothjanawan, Phayung Meesud Phayung Meesud

Abstract


งานวิจัยนี้มีวัตถุประสงค์ เพื่อนำเสนอขั้นตอนวิธีการสร้างรูปแบบการพยากรณ์ข้อมูลอนุกรมเวลาโดยใช้ข้อมูลอนุกรมหลายตัวแปรสำหรับการสอนเครื่องจักรการเรียนรู้ ในงานวิจัยนี้คัดเลือกเครื่องจักรการเรียนสำหรับเป็นตัวแบบพยากรณ์จาก 4 เทคนิค ได้แก่ เทคนิคค่าเฉลี่ยเคลื่อนที่ เพื่อนบ้านใกล้เคียง ระบบผสมโครงข่ายประสาทเทียมและตรรกคลุมเครือ โครงข่ายประสาทเทียมแบบเปอร์เซ็ปตรอนหลายชั้น ในการวิจัยใช้ข้อมูลอนุกรมเวลาปริมาณน้ำของกรมชลประทานที่ 15 โครงการพระราชดำริลุ่มน้ำปากพนัง ในช่วงระยะเวลา 7 ปี จำนวน 12 ตัวแปร โดยใช้ข้อมูลน้ำตัวแปรที่ 1 ถึง 11 เป็นอินพุตสำหรับพยากรณ์ตัวแปรที่ 12 ผลการวิจัยพบว่า โครงข่ายประสาทเทียมแบบเปอร์เซ็ปตรอนหลายชั้นให้ผลการทำนายในชุดทดลองได้ดีที่สุด โดยมีค่าผิดพลาดในการพยากรณ์เท่ากับ 0.486 รองลงมา ได้แก่ เทคนิคเพื่อนบ้านใกล้เคียง มีค่าผิดพลาดในการพยากรณ์เท่ากับ 1.376 เทคนิคค่าเฉลี่ยเคลื่อนที่ มีค่าผิดพลาดในการพยากรณ์เท่ากับ 2.169 และระบบผสมโครงข่ายประสาทเทียมตรรกคลุมเครือ มีค่าผิดพลาดในการพยากรณ์เท่ากับ 4.284 ตามลำดับ


Keywords


ข้อมูลอนุกรมเวลา; การพยากรณ์; เครื่องจักรการเรียนรู้

[1] M. Albayrak, K. Turhan and B. Kurt, "A missing data imputation approach using clustering and maximum likelihood estimation," in Medical Technologies National Congress (TIPTEKNO), Turkey, 2017.

[2] P. Jangyodsuk, D.-J. Seo, R. Elmasr and J. Gao, "Flood Prediction and Mining Influential Spatial Features on Future Flood with Causal Discovery," in IEEE 15th International Conference on Data Mining Workshops (ICDMW), NEW YORK, 2015.

[3] S. A. Rahman, Y. Huang, J. Claassen and S. Kleinberg, "Imputation of Missing Values in Time Series with Lagged Correlations," in 4 IEEE International Conference on Data Mining Workshop, USA, 2014.

[4] M. Khairalla, X. Ning and N. AL-Jallad, "Modelling and optimisation of effective hybridisation model for time-series," The Journal of Engineering, vol. 2018, no. 2, p. 117–122, 2017.

[5] I. R. Widiasari and L. E. Nugroho, "Deep learning multilayer perceptron (MLP) for flood prediction model using wireless sensor network based hydrology time series data mining," in International Conference on Innovative and Creative Information Technology (ICITech), Indonesia, 2017.

[6] A. Sangsongfa and P. Meesud, "Interval Type-2 Fuzzy Systems Trained by Hybrid Heuristic Algorithm for Stock Exchange od thailand," Information Technology Journal King Mongkut’s University of Technology North Bangkok, vol. 11, no. 2, pp. 49-55, 2015. (in Thai)

[7] P. Meesud, Fuzzy Systems and Neural Network, Bangkok: King Mongkut's University of Technology North Bangkok, 2007. (in Thai)

[8] Z. Liu, W. Zhang, T. Q. Quek and S. Lin, "Deep Fusion of Heterogeneous Sensor Data," in IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), USA, 2017.

[9] C. M. Ennett, M. Frize and C. R. Walker, "Imputation of missing values by integrating neural networks and case-based reasoning," in Annual International Conference of the IEEE Engineering in Medicine and Biology Society, Canada, 2008.

[10] K. Rothjanawan and P. Meesud, "The Imputation Many Missing Value in Time Series Data Use Multivariate Relationships," Journal of Information Science and Technology (JIST), vol. 8, no. 1, pp. 16-26, 2018. (in Thai)

Full Text: PDF

Refbacks

  • There are currently no refbacks.


ISSN: -