초록
최근 수십 년 동안 신경망을 활용한 시계열 예측은 많은 연구의 주목적이다. 최근의 딥러닝 혁명을 계기로, 시계열 예측에 딥러닝 모델을 활용하는 데 많은 관심이 쏠리고 있으며, 이에 따라 이러한 모델들의 강점과 약점을 평가하는 것이 중요하다. 본 논문에서는 다단계 전망(multi-step ahead) 시계열 예측을 위한 딥러닝 모델들의 성능을 비교하는 평가 연구를 제시한다. 제안된 딥러닝 방법은 단순 순환 신경망(RNN), 장단기 기억(LSTM) 네트워크, 양방향 LSTM 네트워크, 인코더-디코더 LSTM 네트워크, 그리고 합성곱 신경망(CNN)으로 구성된다. 또한, 학습에 확률적 경사하강법(Stochastic Gradient Descent)과 적응적 모멘텀 추정(Adam)을 사용하는 단순 신경망과의 추가적인 비교도 제공한다. 본 연구는 벤치마크 시계열 데이터셋을 기반으로 단변량 시계열에 대한 다단계 전망 예측에 집중하며, 기존 문헌에서 보고된 관련 방법들과의 결과 비교를 추가로 수행한다. 결과적으로, 제시된 시계열 문제들에 대해 양방향 LSTM 및 인코더-디코더 LSTM 네트워크가 가장 높은 정확도를 보이며 가장 우수한 성능을 나타냈다.