Geri Dön

Yapay sinir ağına dayalı yüksek dereceli bulanık zaman serisi öngörü modeli

High order fuzzy time series forcasting model based on artificial neural networks

  1. Tez No: 177085
  2. Yazar: UFUK YOLCU
  3. Danışmanlar: YRD. DOÇ. DR. VEDİDE REZAN USLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2008
  8. Dil: Türkçe
  9. Üniversite: Ondokuz Mayıs Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 97

Özet

Bulanık zaman serisi analizi yöntemleri geleneksel yöntemlere göre birçok avantajı olan etkili yöntemlerdir. Bulanık zaman serisi analizi yöntemlerinin klasik yöntemlerdeki kısıtlamalara sahip olmaması, son yıllarda bu yöntemlere olan ilgiyi arttırmaktadır. Zaman serisi gözlemleri bir önceki dönemde gözlemlenmiş veriye bağlı olabileceği gibi genellikle daha önceki dönemlerde gözlemlenmiş verilere de bağlıdır. Bu nedenle, yüksek dereceli bulanık zaman serisi yaklaşımları, birinci dereceden bulanık zaman serisi yaklaşımlarına göre daha iyi öngörü sonuçları verecektir. Bunun yanında yüksek dereceli bulanık zaman serisi yaklaşımlarında bulanık ilişki belirlenmesi, birinci dereceden yaklaşımlara göre, oldukça zor ve karmaşıktır. Bu çalışmada, bulanık ilişkilerin ileri beslemeli yapay sinir ağları ile belirlendiği, yüksek dereceli bulanık zaman öngörü modeli önerilmiştir. Önerilen yeni yaklaşımın uygulaması, literatürde sıkça kullanılan Alabama Üniversitesi kayıt verisine ve Türkiye Tüketici Fiyat Endeksi verisine uygulanarak literatürdeki diğer yöntemler ile karşılaştırılmıştır. Sonuçta, önerilen yeni yöntemin bulanık ilişki belirlemedeki karmaşıklığı ortadan kaldırdığı gibi, diğer yöntemlere göre daha iyi öngörü sonuçları verdiği de görülmüştür.

Özet (Çeviri)

Fuzzy time series procedures have many advantages comparing to the conventional time series methods. Since fuzzy time series procedures do not require assumptions which are essential for the conventional techniques they are getting popular. As a current observation of time series can be dependent of the observation measured just one period before itself, it may depend on the several lagged observations. Because of this dependency high-order fuzzy time series approaches can give more reliable forecasting results than first-order fuzzy time series methods. However the determination of fuzzy relationships by using high-order fuzzy time series procedures is very difficult since it requires evaluating many complicated fuzzy relationship tables. In this study a high-order fuzzy time series method is proposed in which fuzzy relationships are determining by using feed-forward artificial neural networks. The proposed approach has been applied to the data on enrollments at the University of Alabama which is well-known and used in many other researches in literature, as well as the data of Consumer Price Index of Turkey. The empirical results are compared to the results from the conventional methods. It has been concluded that as the proposed method prevents to evaluate massive fuzzy relation tables it provides better results in terms of forecasting accuracy.

Benzer Tezler

  1. Developing learning algorithms for enhancing industrial machine vision systems and improving task accuracy of robotic manipulators

    Endüstriyel yapay görme sistemlerini iyileştirmek ve robotik manipülatörlerin görev doğruluğunu artırmak için öğrenme algoritmalarının geliştirilmesi

    DIYAR KHALIS BILAL

    Doktora

    İngilizce

    İngilizce

    2021

    Mekatronik MühendisliğiSabancı Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA ÜNEL

  2. Neural network based multi-carrier receiver design and doppler estimation

    Yapay sinir ağı tabanlı çok taşıyıcılı alıcı tasarımı ve doppler kestirimi

    YASİN YILDIRIM

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN ALİ ÇIRPAN

    DR. SEDAT ÖZER

  3. Yapay zeka ile yemek tanıma ve özellik çıkarımı

    Food recognition and feature extraction with artificial intelligence

    EMİNE GÜL ÖZKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İLHAN UMUT

  4. Deep learning for wind energy systems using the hurst exponent and statistical parameters

    Hurst üslü ve istatistiksel parametreleri kullanarak rüzgar enerjisi sistemleri için derin öğrenme

    BEHNAZ ALAFI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAHİN SERHAT ŞEKER

  5. Manipulation of visually recognized objects using deep learning

    Görsel tanınan nesnelerin derin öğrenme kullanarak hareket ettirilmesi

    ERTUĞRUL BAYRAKTAR

    Doktora

    İngilizce

    İngilizce

    2018

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. PINAR BOYRAZ