prikaz prve stranice dokumenta Kontinuirano oblikovanje, evaluacija i prilagođavanje modela vremenskih nizova
  Download
PDF 3.96 MB
master's thesis
Kontinuirano oblikovanje, evaluacija i prilagođavanje modela vremenskih nizova
2019. urn:nbn:hr:137:602872
Šajina, Romeo
University of Pula
Faculty of Informatics in Pula

Cite this document

Šajina, R. (2019). Kontinuirano oblikovanje, evaluacija i prilagođavanje modela vremenskih nizova (Master's thesis). Pula: University of Pula. Retrieved from https://urn.nsk.hr/urn:nbn:hr:137:602872

Šajina, Romeo. "Kontinuirano oblikovanje, evaluacija i prilagođavanje modela vremenskih nizova." Master's thesis, University of Pula, 2019. https://urn.nsk.hr/urn:nbn:hr:137:602872

Šajina, Romeo. "Kontinuirano oblikovanje, evaluacija i prilagođavanje modela vremenskih nizova." Master's thesis, University of Pula, 2019. https://urn.nsk.hr/urn:nbn:hr:137:602872

Šajina, R. (2019). 'Kontinuirano oblikovanje, evaluacija i prilagođavanje modela vremenskih nizova', Master's thesis, University of Pula, accessed 27 November 2024, https://urn.nsk.hr/urn:nbn:hr:137:602872

Šajina R. Kontinuirano oblikovanje, evaluacija i prilagođavanje modela vremenskih nizova [Master's thesis]. Pula: University of Pula; 2019 [cited 2024 November 27] Available at: https://urn.nsk.hr/urn:nbn:hr:137:602872

R. Šajina, "Kontinuirano oblikovanje, evaluacija i prilagođavanje modela vremenskih nizova", Master's thesis, University of Pula, Pula, 2019. Available at: https://urn.nsk.hr/urn:nbn:hr:137:602872

Please login to the repository to save this object to your list.
Metadata
TitleKontinuirano oblikovanje, evaluacija i prilagođavanje modela vremenskih nizova
Title (english)Continuous building, monitoring and adjusting time series forecast models
AuthorRomeo Šajina
MentorDarko Etinger (mentor)
MentorNikola Tanković (mentor)
Committee memberGiorgio Sinković (predsjednik povjerenstva)
Committee memberDarko Etinger (član povjerenstva)
Committee memberNikola Tanković (član povjerenstva)
Committee memberSiniša Sovilj (član povjerenstva)
GranterUniversity of Pula
(Faculty of Informatics in Pula)
Pula
Defense date and country2019-07-05, Croatia
Scientific / art field,
discipline and subdiscipline		SOCIAL SCIENCES
Information and Communication Sciences
Organization and Informatics
Abstract
Predviđanje budućeg ponašanja vremenskog niza je vrlo važno za napredovanje i poboljšanje procesa kojeg vremenski niz predstavlja. Točno predviđanje budućeg ponašanja vremenskog niza omogućava poduzimanje pravovremenih mjera kako bi proces kojeg vremenski niz predstavlja bio što efikasniji. Kod primjera rezervacija hotelskih soba, točno predviđanje budućih rezervacija će omogućiti bolju korekciju cijena ovisno o ponudi soba i potencijalnoj potražnji. Postoje različite metode modeliranja vremenskih nizova i ne može se tvrditi da će određena metoda biti najbolja u svim slučajevima. Ovaj rad pruža uvid u različite metode modeliranja vremenskih nizova sa popratnim primjerima nad vremenskim nizom rezervacija hotelskih soba. Kroz rad su prikazani razni tradicionalni modeli vremenskih nizova, ali i neki moderniji kao što su neuronske mreže, pri čemu su performanse modela evaluirane i međusobno uspoređene. Predviđanje je vrlo zahtjevan zadatak zbog konstantno mijenjajuće okoline što može imati negativne posljedice na model ako ih ne uspije pratiti. Model mora kontinuirano pratiti nove podatke i ispitivati postoji li u njima pomak, poznato kao concept drift, kada mora poduzeti određene mjere kako bi se prilagodio novim podacima. Tako su kroz ovaj rad prikazane neke od metoda otkrivanja concept drift-a, koje su evaluirane i međusobno uspoređene.
Abstract (english)
Forecasting of the time series future behavior is very important for advancing and improving their generating process. Accurate forecasting of the time series future behavior enables timely actions to make their generating process as efficient as possible. In an example of booking hotel rooms, an accurate forecast of future bookings will allow better price correction depending on the room availability and potential demand. There are different methods of modeling time series and it cannot be argued that certain method will be the best in all cases. This paper provides an insight into different methods of modeling time series with accompanying examples of time series of hotel room reservations. Various traditional time series models as well as some more modern ones, such as neural networks, are presented throughout the work, where the performance of the models is evaluated and compared to each other. Forecasting is a very demanding task due to a continuously changing environment which can have negative consequences on the model if it fails to track them. The model must continually monitor new data and examine whether there is a drift, known as concept drift, when it must take certain actions to adapt to new data. This paper presents some of the concept drift detection methods, which are evaluated and compared to each other.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:137:602872
Study programmeTitle: Informatics; specializations in: Informatics
Course: Informatics
Study programme type: university
Study level: graduate
Academic / professional title: MAGISTAR/MAGISTRA INFORMATIKE - MAG.INF. (MAGISTAR/MAGISTRA INFORMATIKE - MAG.INF.)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2019-07-16 11:55:25