Predicting time series data using Hybrid Hybrid SARIMAX-LSTM algorithm

Abstract

최근에 시계열 자료 예측에 적합한 인공신경망인 LSTM (Long short-term memory) 알고리즘이 고안되면서, 계절형 자기회귀누적이동평균 (Seasonal auto regressive integrated moving average; SARIMA) 모형과 LSTM 알고리즘의 시계열 자료 예측 성능이 자주 비교되었다. 본 논문에서는 외생변수를 고려한 SARIMAX 모형을 LSTM 알고리즘과 결합한 Hybrid SARIMAX-LSTM 알고리즘을 제안하고자 한다. 모의실험과 실증분석을 통해 Hybrid SARIMAX-LSTM 알고리즘이 기존의 LSTM 알고리즘보다 예측 성능을 높이고, 분석 시간을 단축하는 데 효과적임을 입증하고자 한다.