Αυτόματη επιλογή μοντέλου πρόβλεψης για χρονοσειρές και εφαρμογή σε δεδομένα από καταστήματα τραπεζών

Abstract

Τα τελευταία χρόνια παρατηρείται μία ραγδαία ανάπτυξη του Internet of Things, ενός δικτύου ‘έξυπνων αντικειμένων’ που έχουν την ιδιότητα να κατανοούν και να αντιδρούν στις μεταβολές του περιβάλλοντος. Είναι ιδιαίτερα σημαντικό τόσο για την οικονομία όσο και την κοινωνία, καθώς επιτρέπει την επικοινωνία μεταξύ των ανθρώπων, την επικοινωνία ανθρώπου με αντικείμενα και την επικοινωνία αντικειμένων με άλλα αντικείμενα. Ο κόσμος γίνεται όλο και πιο διασυνδεδεμένος και ‘έξυπνος¨. Τα ‘έξυπνα’ αντικείμενα προσλάμβανουν την πληροφορία από το περιβάλλον σε μορφή χρονοσειρών μέσα από τους αισθητήρες που διαθέτουν, και στη συνέχεια η πληροφορία αυτή (δεδομένα) υπόκειται σε ανάλυση. Η σωστή λειτουργία τους βασίζεται στην σωστή επεξεργασία και ανάλυση αυτών των χρονοσειρών. Στην παρούσα εργασία μελετήθηκαν δεδομένα χρονοσειρών που συλλέχθηκαν από αισθητήρες εγκατε στημένους σε αντικείμενα που ήταν τοποθετημένα σε καταστήματα τραπεζών. Τα δεδομένα αφορούν τη θερμοκρασία ορισμένων δωματίων, την ενεργειακή κατανάλωση, την σύσταση διοξειδίου του άν θρακα και υγρασίας στην ατμόσφαιρα κα. Ακολούθησε επεξεργασία των δεδομένων και στη συνέχεια εφαρμόστηκαν ορισμένοι αλγόριθμοι πρόβλεψης ώστε να μελετηθεί η μελλοντική συμπεριφορά των χρονοσειρών. Στη συνέχεια, με βάση τα σφάλματα που προέκυψαν μετά την εφαρμογή των μοντέλων, βγήκαν ορισμένα συμπεράσματα σχετικά με το πόσο ακριβή στην πρόβλεψή τους είναι τα μοντέλα σε σχέση με τη μορφή των χρονοσειρών. Κύριος στόχος της εργασίας είναι η μελέτη της συμπεριφοράς των μοντέλων πρόβλεψης ως προς τα διαφορετικά σύνολα δεδομένων και η αυτόματη επιλογή του κατάλληλου μοντέλου όταν είναι γνωστή η μορφή της χρονοσειράς. Σε αντίθετη περίπτωση, ο έλεγχος όλων των αλγορίθμων είναι ιδιαίτερα χρονοβόρος και μη πρακτικός. Εκτός από τα μεμονωμένα μοντέλα, εφαρμόστηκαν τρεις μέθοδοι ensemble που συνδυάζουν τις ιδιότη τες των αλγορίθμων και προέκυψαν συγκεκριμένα συμπεράσματα.