Zaman serisi modellemesinde yapay sinir ağlarının kullanımı ve bir uygulama
Using artificial neural networks in time series modeling and an application
- Tez No: 232953
- Danışmanlar: YRD. DOÇ. DR. ATİLLA ASLANARGUN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: Türkçe
- Üniversite: Anadolu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 120
Özet
Bu tezde, zaman serisi modellemesinde yapay sinir ağlarının kullanımı incelenmiştir. Bu amaçla İstanbul Menkul Kıymetler Borsası (İMKB) Ulusal-100 endeksi bir zaman serisi olarak incelenmiştir. İlk olarak, bu zaman serisinin öngörüsü için Box-Jenkins modellerinden biri olan otoregresif entegre hareketli ortalama (ARIMA) modeli kullanılmıştır. En uygun model bulunduktan sonra öngörü yapılmıştır. İkinci olarak, yapay sinir ağları kullanılarak aynı zaman serisi için en uygun model bulunmuş ve öngörü yapılmıştır. Her iki yöntem için STATISTICA paket programı kullanılmış ve sonuçlar ortalama hata kare (MSE) performans ölçütü kullanılarak karşılaştırılmıştır. Sonunda yapay sinir ağları kullanılarak bulunan doğrusal sinir ağı ile yapılan öngörünün Box-Jenkins ARIMA modeli ile yapılan öngörüden daha iyi performansa sahip olduğu ifade edilmiştir.
Özet (Çeviri)
In this thesis, using artificial neural networks in time series modeling is considered. For this purpose, İstanbul Stock Exchange National-100 index is considered as a time series. Firstly, autoregressive integrated moving average (ARIMA) model which is one of Box-Jenkins models is used for forecasting this time series. Forecasting is done after the most suitable model is found. Secondly, the most suitable model is found and forecasting is done for the same time series by using artificial neural networks. STATISTICA package program is used for both methods and results are compared by using mean square error (MSE) performance measure. Finally, it is expressed that forecasting which is doing with linear neural networks finding by using artificial neural networks has better performance than forecasting which is doing with Box-Jenkins ARIMA model.
Benzer Tezler
- Head gesture recognition for a semi-autonomous powerchair
Yarı-otonom akülü sandalye için kafa hareketleri tanıma
UBEYDE MAVUŞ
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. VOLKAN SEZER
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- İleri beslemeli yapay sinir ağları ile zaman serisi tahmininde gizli tabaka sayısı ve test kümesi uzunluğunun etkisi
Effectiveness of hidden layer number and length of test group for forecasting feed forward neural networks in time series
EBRUCAN TİRİNG
Yüksek Lisans
Türkçe
2010
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. FARUK ALPASLAN
- Yapay sinir ağlarının finansal zaman serilerinde öngörü başarısının incelenmesi: BİST 100 üzerine bir uygulama
Analysis of the accuracy of artificial neural networks in financial time series: An application on BIST 100
ASİL BURAK CAN
Yüksek Lisans
Türkçe
2019
EkonometriBeykent Üniversitesiİşletme Yönetimi Ana Bilim Dalı
PROF. DR. ÖZGÜR ÖMER ERSİN