線形回帰モデルを活用した深層時系列予測モデルの比較検討

抄録

時系列データの将来予測は産業上重要であるため、様々な予測モデルが提案され、深層学習によるモデルが従来モデルに比べ高い精度が出る事例も報告されている。しかし、深層学習を用いた予測モデルは、学習に要する時間がかかることや、長期にわたる周期性を保持することが難しくそのような時系列の予測には不向きであることも知られている。この問題を踏まえ、これまで自己回帰モデルの発想を取り入れることで周期性の保持や計算量の削減を実現する深層モデルの研究が進められ、複数種類の手法が提案されてきた。しかし、これらのモデルは同じデータや設定での比較した研究はなされていないため、データごとの各タスクに対しどのモデルが有効であるかは不明な点も残されている。そこで、本研究ではこれらの手法を複数種の時系列データに対し異なる設定下で適用し、過程や結果を比較検討することで各モデルの特徴を捉えることを目的とする。複数のモデルで実験を行った結果、ARモデルが有効であると考えられる時系列予測には線形回帰モデルを活用した深層モデルが有効であるが、そうとは言えない時系列予測はより単純な深層モデルが有効であることが示唆された。