Geri Dön

Yapay arı kolonisi algoritmasına dayalı yeni bir bulanık zaman serisi çözüm yöntemi

A new fuzzy time series method based on artificial bee colony algorithm

  1. Tez No: 339806
  2. Yazar: YAPRAK ASLAN
  3. Danışmanlar: DOÇ. DR. EROL EĞRİOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2012
  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: 85

Özet

Bulanık zaman serilerinde aralık uzunluğu, en iyi öngörü performansını elde etmede önemli bir aşamadır. Literatürde aralık uzunluğu daha önce farklı yapay zeka yöntemleriyle belirlenmiştir. İlk kez, önerilen yöntemde aralık uzunlukların belirlenmesi yapay arı kolonisi algoritmasıyla (ABC) gerçekleştirilmiştir. Aralık uzunluğu kullanılarak, evrensel küme alt aralıklara ayrılır ve bu aralıklara dayalı olarak bulanıklaştırma işlemi gerçekleştirilir. Önerilen yöntemde evrensel küme parçalanmasında kullanılan aralıkların sınırları ABC ile belirlenmektedir. Bulanık zaman serisi yönteminin üç temel aşaması vardır. Bu aşamalar; zaman serilerinin bulanıklaştırılması, bulanık mantık ilişkilerinin belirlenmesi ve tahminlerin berraklaştırılmasıdır. Önerilen yöntemle zaman serilerinin bulanıklaştırılması aşamasına katkıda bulunulmuştur ve önerilen yöntem kullanıldığında aralık uzunluğunun belirlenmesinde subjektif bir karara gerek kalmamaktadır. Önerilen yöntemin performansı İstanbul menkul kıymetler borsası birleşik indeksinin son 4 yıla ait verilerinden elde edilen zaman serileri kullanılarak deneysel olarak araştırılmıştır. Literatürdeki diğer yöntemlere göre önerilen yöntemin daha iyi öngörü performansı gösterdiği deneysel çalışma sonucunda ortaya koyulmuştur.

Özet (Çeviri)

Determining interval length in fuzzy time series is an important task to achieve the best prediction performance. Interval length has been determined by different intelligent methods before. However, determining the interval length in the proposed method was firstly performed by Artificial Bee Colony (ABC). The universal set is partitioned into sub-intervals and fuzzification is applied by using interval length. The limits of the intervals which are used in the partitioning universal set in the proposed method are determined by ABC. The method of fuzzy time series has three main stages. These stages are fuzzification, determining fuzzy relations and defuzzification. It was made a contribution to the fuzzification stage in this study. When the proposed method is used, a subjective decision isn?t needed for the fuzzification of time series. The performance of the proposed method is experimentally researched by using the time series which is taken from the last 4 years? data of the Istanbul stock exchange composite index. It is put forward that the proposed method has much better forecasting performance than this obtain from the other methods in the literature as a result of the experimental study.

Benzer Tezler

  1. Yapay arı koloni programlama (ABCP) yöntemi ile robotik yol planlama

    Robotic path planning with artificial bee colony programming (ABCP) method

    FATEH BOUDARDARA

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BEYZA GÖRKEMLİ

  2. Yapay arı kolonisi algoritması tabanlı bir yöntem ile dinamik engellerin bulunduğu ortamlar için bölgesel yol planlama

    Local path planning with an artificial bee colony algorithm based method for the environments having dynamic obstacles

    SENEM NAZLI DOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BEYZA GÖRKEMLİ

  3. Makine öğrenmesi uygulamalarında yapay arı koloni programlama temelli yeni yöntemlerin geliştirilmesi

    Development of new methods based on artificial bee colony programming in machine learning applications

    SİBEL ARSLAN

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. CELAL ÖZTÜRK

  4. Yapay arı koloni algoritmasının sınırlamalı optimizasyon problemleri üzerinde performans analizi

    Performance analysis of artificial bee colony algorithm on constrained optimization problems

    DEMET ALICI KARACA

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BAHRİYE AKAY

  5. Robotik sıkıştırılmış kutuya toplama depo sistemlerinde toplama politikalarının yapay arı kolonisi algoritması ile belirlenmesi

    Determination of picking policies in robotic compact bin picking storage systems with artificial bee colony algorithm

    FURKAN YENER

    Doktora

    Türkçe

    Türkçe

    2023

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. HARUN REŞİT YAZĞAN