Analýza časových řad

Abstract

Cílem této diplomové práce bylo popsat a otestovat několik metod pro analýzu časových řad. Práce bude pracovat s datasetem, který představuje hodinovou spotřebu zemního plynu v letech 2013 až 2019. Značná část analýzy bude založena na dekompozici časových řad, která bude využita pro popsání vlastnosti řady a detekci anomálií. Obě zvolené a implementované metody pro predikci všechny spadají do kategorie strojového učení. Pro implementaci byl využit programovací jazyk Python.

The aim of this master’s thesis was to describe and test several methods for time series analysis. Thesis will work with a dataset representing hourly natural gas consumption from 2013 to 2019. A significant part of the analysis will be based on time series decomposition, which will be used for describing the properties of the series and anomaly detection. Both selected and implemented methods for prediction fall into the category of machine learning. The programming language used for the implementation was Python.