Aikasarjan mallintaminen Multi-Layer-Perceptron -neuroverkolla
Kankaanpää, Jyrki (2008)
Kuvaus
Opinnäytetyö kokotekstinä PDF-muodossa.
Tiivistelmä
Tässä työssä tutkitaan miten Multi-Layer-Perceptron -neuroverkolla mallinnetaan aikasarjoja ja miten luotua mallia voidaan käyttää tuottamaan ennusteita mallinnetusta aikasarjasta. Lisäksi konstruoidaan neuroverkkosovellus, jonka avulla luodaan ennusteita aikasarjasta ja tutkitaan ennusteiden luotettavuus.
Aluksi tässä työssä tutustutaan aikasarjoihin ja neuroverkkoihin. Aikasarjoista selvitetään miten ne määritellään kuuluvaksi joko jatkuva- tai diskreettiaikaisiin aikasarjoihin. Tutkitaan myös, mistä ja miten voidaan päätellä aikasarjan sisältävän informaatiota itsestään, sekä miten ne sen perusteella jaetaan stokastisiin ja deterministisiin aikasarjoihin. Pohditaan myös sitä, millaisissa prosesseissa aikasarjoja syntyy ja millaisia ominaisuuksia niillä on.
Neuroverkkoja tutkivassa osuudessa tutustutaan ensin lyhyesti niiden esikuvaan, aivoihin, jonka jälkeen tutustutaan keinotekoisen neuronin malliin ja back-propagation- algoritmiin. Varsinaisten ennusteiden muodostamista varten luodaan edellisten teorioiden pohjalta VBA-Excel -sovellus joka tuottaa neuroverkon. Neuroverkkoja luodaan kaksi ja niitä testataan opettamalla niitä eri opetuskierrosmäärillä ja parhaan ennustetuloksen antava verkko valitaan lopulliseksi aikasarjan malliksi.
Lopuksi tutkitaan neuroverkon luotettavuus ennusteen tuottajana. Tässä työssä tuotetun aikasarjan neuroverkkomalli toimi suhteellisen hyvin. Neuroverkkojen käyttö kuitenkin käytännössä saattaa tuottaa hankaluutta, niiden vaatiman yksittäisen nimikkeen aikasarjan opettamisen ja ennusteiden luomisen suhteen, mikäli nimikkeiden määrä on suuri.
Aluksi tässä työssä tutustutaan aikasarjoihin ja neuroverkkoihin. Aikasarjoista selvitetään miten ne määritellään kuuluvaksi joko jatkuva- tai diskreettiaikaisiin aikasarjoihin. Tutkitaan myös, mistä ja miten voidaan päätellä aikasarjan sisältävän informaatiota itsestään, sekä miten ne sen perusteella jaetaan stokastisiin ja deterministisiin aikasarjoihin. Pohditaan myös sitä, millaisissa prosesseissa aikasarjoja syntyy ja millaisia ominaisuuksia niillä on.
Neuroverkkoja tutkivassa osuudessa tutustutaan ensin lyhyesti niiden esikuvaan, aivoihin, jonka jälkeen tutustutaan keinotekoisen neuronin malliin ja back-propagation- algoritmiin. Varsinaisten ennusteiden muodostamista varten luodaan edellisten teorioiden pohjalta VBA-Excel -sovellus joka tuottaa neuroverkon. Neuroverkkoja luodaan kaksi ja niitä testataan opettamalla niitä eri opetuskierrosmäärillä ja parhaan ennustetuloksen antava verkko valitaan lopulliseksi aikasarjan malliksi.
Lopuksi tutkitaan neuroverkon luotettavuus ennusteen tuottajana. Tässä työssä tuotetun aikasarjan neuroverkkomalli toimi suhteellisen hyvin. Neuroverkkojen käyttö kuitenkin käytännössä saattaa tuottaa hankaluutta, niiden vaatiman yksittäisen nimikkeen aikasarjan opettamisen ja ennusteiden luomisen suhteen, mikäli nimikkeiden määrä on suuri.