Prediction Time Series Data Analysis

Diplomová práce se věnuje problematice analýzy a prognózováni časových řad. Cílem práce je prozkoumat existující metody prognózováni časových řad, včetně potřebných kroků předzpracování dat. Jsou vybrané tři slibné metody prognózováni, včetně ARIMA, metody prognózováni pomoci Neuronových síti a metody dvojitého exponenciálního vyrovnání. Dále je v práci provedena analýza nabodnutých dat a jsou zkonstruovaný jednotlivé modely prognózováni. V závěru práce je provedené zhodnoceni výsledku a jsou uvedené perspektivy pro další vylepšeni kvality predikce.Given thesis deals with the problematic of time series analysis and forecasting. The aim of thesis is to survey an existing time series forecasting methods, including necessary data preprocessing steps. There are selected three promising forecasting methods, including ARIMA method, artificial neural networks method and double exponential smoothing method. The main task of the thesis, is to perform data analysis of provided data and to develope the individual forecasting models. At the end of the thesis, there are results summary and further improvements are discussed