유전학적 퍼지 예측기 군(群)을 사용한 시간열 예측 = Forecasting Time Series with Genetic Fuzzy Predictor Ensemble

국문 초록 (Abstract)

본 논문은 혼돈적(chaotic) 또는 비정상(non-stationary) 시간열의 정확한 예측을 위한 유전학적 퍼지 예측기 群(Genetic Fuzzy Predictor Ensemble, GFPE)을 제안한다. GFPE내 각 퍼지 예측기의 설계 과정은 두단계로 이루어지는데 각 단계는 서로 다른 형태의 유전 알고리즘에 의해 구현된다. 첫 단계는 학습예들을 최대로 포함하는 퍼지 규칙 베이스를 유전학적 진화를 통해서 얻어낸다. 두 번째 단계는 얻어진 퍼지 규칙 베이스의 소속 함수들을 유전학적 진화를 통해 최소의 예측 오차를 나타내도록 미세 조정한다. 보다 정확한 예측을 위해 이상의 두 단계를 서로 다른 퍼지 분할에 대해 독립적으로 반복 수행하여 얻어진 여러개의 퍼지 예측기를 同 예측오차 가중법에 의해 유전학적으로 결합시킨 퍼지 예측기 群을 사용한다. 제안한 퍼지 예측기 群을 Mackey-Glass 혼돈적 시간열과 비정상적 외국환 교환율 예측 문제에 적용하여 예측기의 예측 성능이 예측 오차면에서 다른 퍼지 및 신경망 예측기보다 우수함을 보인다.

다국어 초록 (Multilingual Abstract)

This paper proposes a genetic fuzzy predictor ensemble (GFPE) for the accurate prediction of the future in the chaotic or non-stationary time series. The design procedure of each fuzzy predictor in the GFPE consists of the following two stages, where each stage is performed by distinct genetic algorithms. The first stage generates a fuzzy rule base that covers as many training examples as possible. The second stage builds fine-tuned membership functions that make the prediction error as small as possible. These two stages are repeated independently to build several fuzzy predictors. The prediction error will be reduced further by invoking the GFPE that combines genetically various fuzzy predictors by an equal prediction error weighting method. Application to both the Mackey-Glass chaotic time series and the stationary foreign currency exchange rate prediction problem are presented. The prediction accuracy of the proposed method has been compared with that of other fuzzy and neural network predictors in terms of non-dimensional error index (NDEI).

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 퍼지 예측기와 유전 알고리즘
• 3. 퍼지 예측기의 단계적 설계 기법
• 4. 유전학적 퍼지 예측기 群
• 5. 실험 결과 및 분석
• 6. 결론
• 참고문헌
• 저자소개