An Effective Irregular Trend Prediction Method Using Feature Extraction on Potential Factors Based on CNN-LSTM

Abstract

주기적인 시계열 데이터에서는 불규칙한 패턴이 부분적으로 관측될 수 있다. 폭우에 의한 수질 변화, 연휴에 의한 대중교통 이용량 변화와 같이 불규칙한 패턴이 중요한 의미를 갖는 경우에는 이를 정확히 예측하는 것이 중요하다. 일반적인 딥러닝 기반 시계열 데이터 예측에서는 목표 변수를 도입하여 모델을 구성한다. 그러나 모델 학습에 목표 변수만을 도입할 경우 규칙적인 패턴에 비해서 불규칙한 패턴은 상대적으로 정확히 예측하지 못한다. 본 논문에서는 목표 변수가 아닌, 잠재 요인들을 특징 추출에 활용하는 불규칙 경향 예측 기법을 제안한다. 제안하는 기법에 대한 검증을 수행한 결과, 목표 변수를 직접 사용한 경우보다, 잠재 요인만을 분석에 활용한 제안하는 기법의 경우 불규칙성을 상대적으로 잘 감지하는 것을 확인하였다. 본 논문은 목표 변수를 분석에 활용하는 일반적인 시계열 예측 기법과 달리 잠재 요인만을 활용하여 목표 변수의 불규칙한 패턴을 효과적으로 예측할 수 있다는 점에서 의의가 있다.