DOI QR코드

DOI QR Code

Multi-horizon Time Series Forecasting Using Temporal Fusion Transformer

Temporal Fusion Transformer 모델을 활용한 다층 수평 시계열 데이터 분석

  • Kim, Inkyung (Dep. of Computer Science, Kookmin University) ;
  • Kim, Daehee (Dep. of Computer Science, Kookmin University) ;
  • Lee, Jaekoo (Dep. of Computer Science, Kookmin University)
  • 김인경 (국민대학교 컴퓨터공학과) ;
  • 김대희 (국민대학교 컴퓨터공학과) ;
  • 이재구 (국민대학교 컴퓨터공학과)
  • Published : 2021.05.12

Abstract

시계열 형태의 데이터는 다양한 분야에서 수집되고 응용되기 때문에 정확한 시계열 예측은 많은 분야에서 운영 효율성을 높일 수 있는 중요한 분석 방법으로 고려된다. 그중 다층 수평 예측은 사용자에게 전반적인 시계열 데이터 경향성을 제공할 수 있다. 하지만 다양한 정보를 포함하는 시계열 데이터는 데이터에 내재한 이질성(heterogeneity)까지 포괄적으로 고려한 방법을 통해서만 정확한 예측을 할 수 있다. 하지만 지금까지 많은 시계열 분석 모델들이 데이터의 이질성을 반영하지 못했다. 이러한 한계를 보완하고자 우리는 Temporal Fusion Transformer 모델을 사용하여 실생활과 밀접한 관련이 있는 데이터에 적용하여 이질성을 고려한 향상된 예측을 수행하였다. 실제, 주식 데이터와 미세 먼지 데이터와 같은 실생활 시계열 데이터에 적용하였고 실험 결과 기존 모델보다 Mean Squared Error(MSE)가 0.3487 낮은 것을 확인하였다.

Keywords

Acknowledgement

이 성과는 2020년도 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원의 지원을 받아 수행된 연구임 (No. 2020-0-01826, AI 기반 선도적 실전문제해결 연구인재 양성)