prikaz prve stranice dokumenta Kontinuirano oblikovanje, evaluacija i prilagođavanje modela vremenskih nizova
  Preuzmi
PDF 3.96 MB
diplomski rad
Kontinuirano oblikovanje, evaluacija i prilagođavanje modela vremenskih nizova
Pula: Sveučilište Jurja Dobrile u Puli, 2019. urn:nbn:hr:137:602872
Šajina, Romeo
Sveučilište Jurja Dobrile u Puli
Fakultet informatike u Puli

Institucijski repozitorij: Digitalni repozitorij Sveučilišta Jurja Dobrile u Puli

Citirajte ovaj rad

Šajina, R. (2019). Kontinuirano oblikovanje, evaluacija i prilagođavanje modela vremenskih nizova (Diplomski rad). Pula: Sveučilište Jurja Dobrile u Puli. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:137:602872

Šajina, Romeo. "Kontinuirano oblikovanje, evaluacija i prilagođavanje modela vremenskih nizova." Diplomski rad, Sveučilište Jurja Dobrile u Puli, 2019. https://urn.nsk.hr/urn:nbn:hr:137:602872

Šajina, Romeo. "Kontinuirano oblikovanje, evaluacija i prilagođavanje modela vremenskih nizova." Diplomski rad, Sveučilište Jurja Dobrile u Puli, 2019. https://urn.nsk.hr/urn:nbn:hr:137:602872

Šajina, R. (2019). 'Kontinuirano oblikovanje, evaluacija i prilagođavanje modela vremenskih nizova', Diplomski rad, Sveučilište Jurja Dobrile u Puli, citirano: 24.12.2024., https://urn.nsk.hr/urn:nbn:hr:137:602872

Šajina R. Kontinuirano oblikovanje, evaluacija i prilagođavanje modela vremenskih nizova [Diplomski rad]. Pula: Sveučilište Jurja Dobrile u Puli; 2019 [pristupljeno 24.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:137:602872

R. Šajina, "Kontinuirano oblikovanje, evaluacija i prilagođavanje modela vremenskih nizova", Diplomski rad, Sveučilište Jurja Dobrile u Puli, Pula, 2019. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:137:602872

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:137:602872
Podaci o radu
NaslovKontinuirano oblikovanje, evaluacija i prilagođavanje modela vremenskih nizova
Naslov (engleski)Continuous building, monitoring and adjusting time series forecast models
AutorRomeo Šajina
MentorDarko Etinger (mentor)
MentorNikola Tanković (mentor)
Član povjerenstvaGiorgio Sinković (predsjednik povjerenstva)
Član povjerenstvaDarko Etinger (član povjerenstva)
Član povjerenstvaNikola Tanković (član povjerenstva)
Član povjerenstvaSiniša Sovilj (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Jurja Dobrile u Puli
(Fakultet informatike u Puli)
Pula
Datum i država obrane2019-07-05, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		DRUŠTVENE ZNANOSTI
Informacijske i komunikacijske znanosti
Organizacija i informatika
Sažetak
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.
Sažetak (engleski)
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.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:137:602872
Studijski programNaziv: Informatika; smjerovi: Informatika i Nastavni smjer informatike
Smjer: Informatika i Nastavni smjer informatike
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: MAGISTAR/MAGISTRA INFORMATIKE - MAG.INF. (MAG.INF.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2019-07-16 11:55:25