Geri Dön

Uncertainty analysis in selection of models best fit to stochastic processes

Stokastik süreçlerde en uygun modelin seçiminde belirsizlik analizi

  1. Tez No: 150848
  2. Yazar: ÜLKER GÜNER BACANLI
  3. Danışmanlar: YRD. DOÇ. DR. TÜRKAY BARAN
  4. Tez Türü: Doktora
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Stochastic Models, Suitability Criterion, Testing Goodness of Fit, Transinformation, Entropy
  7. Yıl: 2004
  8. Dil: İngilizce
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 262

Özet

IV ÖZET Su kaynaklarının geliştirilmesi, planlanması ve yönetiminde hidrolojik verilerin değerlendirilmesi büyük önem taşır. Mevcut veriler genellikle sürecin toplumunu tam olarak yansıtmadığından, toplum hakkında daha güvenilir kararlar alabilmek için sürecin modellenmesi gerekmektedir. Modeller, planlama ve tasarım için veri üretiminde ya da süreçlerin gelecekteki değerlerini tahmin amacıyla kullanılabilir. Hidrolojik zaman serilerinin stokastik modellemesi için sürecin yapısına bağlı olarak (yıllık, aylık, günlük, vb.) çeşitli model tipleri kullanılmaktadır. Hidrolojide zaman serilerinin stokastik modellenmesinde karşılaşılan en önemli problemlerden biri, alternatif modeller arasından uygun model tipinin seçimidir. Sunulan çalışmada, hidrolojide sık kullanılan otoregresif AR(.) ve otoregresif- hareketli ortalama ARMA(.,.) modeller değerlendirilmiş; model uygunluğunun belirlenmesinde kullanılan farklı yöntemlerin performansları karşılaştırılmış ve model parametrelerinin, veri uzunluğunun uygun model seçimine etkileri incelenmiştir. Zaman serilerinin modellenmesinde yeni bir karar verme kriteri olarak bu çalışmada entropi tabanlı uygunluk sınama yöntemi araştırılmıştır. Bu amaçla, gözlenmiş ve türetilmiş (sentetik) veriler modellenerek en uygun model seçiminde yaygın olarak kullanılan korelogram (ACF), minimum kalıntı varyans (Var(e)), Akaike bilgi kriteri (AIC) gibi kriterlerin performansları rölatif entropi (H(X\x*)) ve transinformasyon (T(X,Y)) kriterlerinin performanslanyla karşılaştınlmıştır.V Farklı model tipleri [AR(1), AR(2), ARMA(1,1) ve ARMA(1,2)] ve farklı parametrelerle yapılan değerlendirmeler sonucunda, transinformasyon kriterinin stokastik modellemede en uygun model seçimi için kullanılabilir bir kriter olduğu, parametre değerine göre değişen sonuçlarla karşılaşılmakla birlikte bilinen kriterlerden daha iyi sonuçlar verdiği görülmüştür. En uygun modelin belirlenmesinde, içsel bağımlılık yapısının (parametreler) ve veri uzunluğunumn tüm kriterler için sonuçları etkilediği saptanmıştır. Transinformasyon kriteri, genel olarak diğer kriterlerden daha uygun sonuçlar vermekte, veri sayısının artması transinformasyon İmterinin gücünü arttırmaktadır. Sunulan çalışmada elde edilmiş olan diğer bir bulguda, bilgi içeriği olarak entropi [rölatif entropi - H(X/X*)] kriterinin durağanlık (stasyonerlik) ve tersinirlik testleri ile paralel sonuçlar vermesidir. Sentetik seriler için kullanılmış durağanlık ve tersinirlik sonuçları ile paralel sonuçlara sahip olan rölatif entropi Mterinin bu amaçla kullamlmasınm mümkün olduğu söylenebilir. Anahtar sözcükler : Stokastik Modeller, Uygunluk Kriterleri, Uygunuk Sınamaları, Bilgi Aktarımı (Transinformasyon), Entropi

Özet (Çeviri)

II ABSTRACT Evaluation of hydrologic data has great importance in the development, planning and management of water resources. Since the exact mathematical model of a hydrologic time series is never known, the inferred model and its parameters of a sample time series is only a approximation for the population. Time series models can be used for generating data for planning and design or estimating the future outcomes of the processes (forecasting). For the stochastic modeling of hydrologic time series, various models are offered depending on the type of the time series (yearly, monthly, daily, etc.). In stochastic modeling of time series in hydrology, one of the encounter important problem encountered is the choice of the best model type between alternative models. In presented study, autoregressive AR (.) and autoregressive-moving average ARMA (.,.) models which are widely used in hydrology are evaluated; performance of different methods used for the testing of goodness of fit are compared and effects of model parameters and data length to the suitability criterion are analyzed. As a new criterion, entropy based method is investigated for testing the goodness of fit in time series modeling. For this purpose, observed and generated (synthetic) data are modeled and performance of the various goodness of fit criterion such as Autocorrelation Function (ACF), Minimum Residual Variance (Var(e)), Akaike Information Criterion (AIC) widely used in time series modeling are compared by those Informational (Relative) Entropy (H(X/X*) and Transinformation (T(X,Y)) criterion.Ill The results of the presented study showed that the transinformation can be used as a criterion for testing the goodness of fit in stochastic time series modeling. The results of the transinformation criterion were better than the others and depend on the parameters of the models [AR(1), AR(2), ARMA(1,1) and ARMA(1,2)] but better than the compared criterions. It is found that the results of all the goodness of fit criterion are affected directly by the autocorrelation structure and the sample size of available data. The transinformation criterion gives better results than other criterion as the data length is increased. Another important result of the presented study is the informational (relative) entropy criterion. The informational (relative) entropy criterion gives parallel results of stationarity and invertibility tests for investigated data sets. And hence, it can be used as a test criterion for testing the stationarity and invertibility of a stochastic time series.

Benzer Tezler

  1. Tez No

    102393

    Portföy yönetiminde dinamik varlık yönetim stratejileri

    Dynamic asset allocation strategies in portfolio management

    MUSTAFA DUMAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2000

    BankacılıkMarmara Üniversitesi

    Sermaye Piyasası ve Borsa Ana Bilim Dalı

    YRD. DOÇ. DR. ÖZLEM KOÇ

  2. Tez No

    293870

    Estimation of uncertainty of individual steps in pesticide residue analysis

    Pestisit analiz aşamalarında belirsizliklerin tahminlenmesi

    PERİHAN YOLCI ÖMEROĞLU

    Doktora

    İngilizce

    İngilizce

    2010

    Gıda Mühendisliğiİstanbul Teknik Üniversitesi

    Gıda Mühendisliği Ana Bilim Dalı

    PROF. DR. ARPAD AMBRUS

    PROF. DR. DİLEK BOYACIOĞLU

  3. Tez No

    285590

    Uncertainty evaluation through ranking of simulation models for Bozova oil field

    Bozova petrol sahası için yapılan simülasyon modellerinin belirsizlik değerlendirmesi ve sıralaması

    MELEK MEHLİKA TONGA

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Petrol ve Doğal Gaz MühendisliğiOrta Doğu Teknik Üniversitesi

    Petrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı

    PROF. DR. SERHAT AKIN

  4. Tez No

    649359

    Bayesian model pooling for the analysis of generalized linear models with missing-not-at-random covariates

    Rastgele olmayan kayıp verili değişkenler içeren genelleştirilmiş doğrusal modellerin analizi için Bayesiyen model havuzu

    SEZGİN ÇİFTÇİ

    Doktora

    İngilizce

    İngilizce

    2020

    İstatistikOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. ZEYNEP IŞIL KALAYLIOĞLU AKYILDIZ

  5. Tez No

    521766

    Rüzgar enerjisi potansiyel analizinde karışım dağılımları temelli tekniklerin kullanılması

    Utilization of techniques based on mixture distributions for wind energy potential analysis

    SEYİT AHMET AKDAĞ

    Doktora

    Türkçe

    Türkçe

    2018

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    PROF. DR. ÖNDER GÜLER

Geri Dön