Crearea modelelor bazate pe algoritmi de învățare automată pentru predicția seriilor de timp

Abstract

În cadrul tezei de master, au fost analizați algoritmii existenți pentru predicția seriilor de timp, a fost explorat și curățat un set de date din lumea reală, după care în baza algoritmilor selectați au fost create și evaluate modele de predicție. Au fost determinate caracteristicile de bază ale seriilor de timp prezente în setul de date cum sunt existența datelor lipsă și a multiplelor componente de sezonalitate. În rezultat, au fost selectate instrumentele de predicție pentru crearea modelelor. Modelele create au fost evaluate după diferite criterii pentru a determina cât mai exact calitatea predicțiilor. În baza rezultatelor obținute, au fost formulate concluzii cu privire la viabilitatea utilizării instrumentelor de predicție alese cu setul de date selectat, precum și ajustările necesare a parametrilor modelelor pentru a îmbunătăți calitatea predicțiilor.

Within the master thesis, an analysis of the existing algorithms for time series forecasting was conducted, a real-world dataset was explored and cleaned, followed by the creation and evaluation of forecasting models based on the selected algorithms. The main characteristics of the time series present in the dataset, such as the existence of missing values and multiple seasonal patterns, were identified. As a result, a set of forecasting tools was selected for creating the models. The created models were evaluated using various metrics to determine as exactly as possible the quality of the forecasts. Based on the obtained results, conclusions were made about the viability of using the selected forecasting tools with the chosen dataset, as well as the tuning steps necessary to improve the quality of the forecasts.