Core Concepts
化学業界指数の予測精度を向上させるため、深層学習モデルのLSTMとVARMAモデルを組み合わせた新しい予測モデル「DeepVARMA」を提案する。
Abstract
本研究では、化学業界の重要指標の一つである合成素材指数を主な研究対象とし、LSTMとVARMAモデルを組み合わせた新しい予測モデル「DeepVARMA」とその変種モデルを提案した。
DeepVARMAモデルは以下の特徴を持つ:
LSTMモデルを使って元の時系列データからトレンドを抽出し、非定常性を除去する。
LSTMモデルで外生変数の特徴表現を学習し、VARMAXモデルの入力とする。
VARMAXモデルを使って、LSTMで抽出したトレンドと外生変数の特徴表現に基づいて、元の時系列データの残差を予測する。
最終的に、LSTMで予測したトレンドとVARMAXで予測した残差を組み合わせて、元の時系列データの予測値を得る。
実験結果から以下のことが分かった:
定常時系列の予測では、DeepVARMA-enが最も良い予測精度を示した。
非定常時系列の予測では、DeepVARMAが最も良い全体的な予測精度を示した。
従来のVARMAやVARMAXモデルは滑らかな時系列の予測では良いが、非滑らかな時系列の予測では変動が大きくなるのに対し、DeepVARMAは柔軟性と頑健性が高い。
本研究で提案したDeepVARMAモデルは、化学業界の発展と科学的な意思決定に役立つより正確な予測ツールを提供する。
Stats
合成繊維指数の予測MSEは、定常系列で0.046、非定常系列で0.134。
プラスチック指数の予測MSEは、定常系列で0.016、非定常系列で0.112。
ゴム指数の予測MSEは、定常系列で0.106、非定常系列で0.388。