講演情報
[4Yin-A-33]ナイーブ予測を基準とした残差学習型時系列予測フレームワーク
〇三原 千尋1 (1. 総合研究大学院大学)
キーワード：
時系列予測、ニューラルネットワーク、ベースラインモデル
ニューラルネットワークに基づく時系列予測手法は広く研究されているが、過去数周期の平均値のような単純なナイーブ予測を上回るかどうかは十分に検討されていない。本研究では、周期的な時系列においてニューラルモデルがナイーブ予測を上回ることを促す残差学習フレームワークを提案する。本フレームワークは、ナイーブ予測とニューラル予測を残差的に組み合わせるとともに、ニューラルモデルの誤差がナイーブ予測の誤差を上回った場合に訓練損失にペナルティ項を導入する。2 つのデータセット (毎時気温データ JMA および毎時道路混雑度データ Traffic) と複数のニューラルアーキテクチャを用いた実験により、提案手法、特に重み付き組み合わせとペナルティ項の併用が、ニューラルモデル単体と比較してナイーブ予測に対する改善率をわずかに高める傾向を確認した。