최근 시계열 예측에 결론부에 선형식을 갖는 TS 퍼지 모델이 많이 이용되고 있는데, 이의 예측 성능은 정상성과 같은 데이터의 특성과 밀접한 관련이 있다. 그러므로 본 논문에서는 특히 비정상 시계열 예측에 매우 효과적인 새로운 예측 기법을 제안하였다. 시계열의 패턴이나 규칙성을 잘 끌어내기 위한 데이터 전처리 과정을 도입하고 다중 모델 TS 퍼지 예측기를 구성한 뒤, 러프집합을 이용한 적응 모델 선택 기법에 의해 입력 데이터의 특성에 따라 가변적으로 적합한 예측 모델을 선택하여 시계열 예측이 수행되도록 하였다. 마지막으로 예측 오차를 감소시키기 위하여 오차 보정 메커니즘을 추가함으로써 예측 성능을 더욱 향상시켰다. 시뮬레이션을 통해 제안된 기법의 성능을 검증하였다. 제안된 기법은 예측 모델 구현과 예측 수행 과정에서 시계열 데이터의 특성들을 잘 반영할 수 있으므로 불확실성과 비정상성을 갖는 시계열의 예측에 매우 효과적으로 이용될 수 있을 것이다.
Recently, the TS fuzzy models that include the linear equations in the consequent part are widely used for time series forecasting, and the prediction performance of them is somewhat dependent on the characteristics of time series such as stationariness. Thus, a new prediction method is suggested in this paper which is especially effective to nonstationary time series prediction. First, data preprocessing is introduced to extract the patterns and regularities of time series well, and then multiple model TS fuzzy predictors are constructed. Next, an appropriate model is chosen for each input data by an adaptive model selection mechanism based on rough sets, and the prediction is going. Finally, the error compensation procedure is added to improve the performance by decreasing the prediction error. Computer simulations are performed on typical cases to verify the effectiveness of the proposed method. It may be very useful for the prediction of time series with uncertainty and/or nonstationariness because it handles and reflects better the characteristics of data.
