Bedre tidsserie-forecasting vha. machine learning – Københavns Universitet

Bedre tidsserie-forecasting vha. machine learning

Specialeforsvar ved Anders Bøggild-Povlsen

Abstract

I dette speciale foretages en undersøgelse af om machine learning teknikker kan anvendes til at lave forecast modeller for tidsserier.

Undersøgelsen er foretaget med udgangspunkt i en konkret problemstilling for Urban. Formålet med specialet at lave modeller, baseret på machine learning, til at forecaste hvor mange gratis aviser, der kan afsættes fra Urbans standere. I specialet gennemgås en række teoretiske emner, der har relevans for disse forecasting modellerne. Det beskrives teori både vedr. forecasting teknikker og machine learning. Der er foretaget en analyse af de data som Urban har udleveret. På baggrund af denne analyse, er der udviklet metoder der benytter machine learning til at lave de ønskede modeller. Metoderne er implementeret og afprøvet på de udleverede data. Der er i derudover også implementeret og afprøvet kendte metoder til forecast af tidsserier. Afsluttende er der foretaget en sammenligning af resultaterne fra de forskellige metoder.

.............................................................................

Specialeforsvaret består en 30-minutters præsentation (15.15-15.45), efterfulgt af en eksamination (ca. 15.45-16.30). Både præsentation og eksamination er offentlige. Alle er velkomne.

Vejleder: Martin Zachariasen, DIKU

Medvejleder: Glennie Helles, DIKU

Censor: Jens Clausen, DTU