Time Series Forecasting in Sensor Data Streams

Kroz ovaj rad napravljen je pregled metoda analize i prognoze vremenskih serija. Objašnjene su metode prognoziranja vremenskih serija strojnim učenjem te strategije prognoze nekoliko koraka unaprijed. Detaljno su objašnjene metode prognoziranja neuronskim mrežama te statističkim autoregresivnim modelima. Na studijskom slučaju stvarnih senzorskih tokova vodostaja, protjecaja i padalina, implementirane su i evaluirane tehnike multivarijatne prognoze povratnim neuronskim mrežama te modelom autoregresije vektora. Izvršena je analiza nad senzorskim tokovima, a svi dobiveni rezultati su prikazani grafički.In this thesis the methods of time series analysis and time series forecast are analyzed. Machine learning methods for forecasting and multi step strategies are described. Neural networks and statistical autoregressive models for forecasting are also described in detail. Recurrent neural network models and vector autoregression models are implemented and evaluated on the case study of actual sensory streams of water levels, sprains and rainfall. Analysis and forecast results are presented and visualized