Dağılım ve sinir ağı tabanlı bulanık zaman serisi modelleri
Distribution and neural network based fuzzy time series models
- Tez No: 342595
- Danışmanlar: PROF. DR. MEMMEDAĞA MEMMEDLİ, DOÇ. DR. SEVİL ŞENTÜRK
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: Türkçe
- Üniversite: Anadolu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 124
Özet
Bulanık zaman serisi yaklaşımları genelde bulanıklaştırma, bulanık ilişkiler belirleme ve durulaştırma olmak üzere üç aşamadan oluşur. Bu çalışmada, tek değişkenli birinci dereceden sinir ağı tabanlı bulanık zaman serisi öngörüsü için yeni bir yaklaşım ve yeni bir yöntem önerilmiştir. İlk olarak evrensel küme parçalanmasında yapılan aralık uzunluğu belirleme aşamasında sabit bir aralık uzunluğu almak yerine daha etkili olan dağılım tabanlı uzunluk yaklaşımı kullanılmıştır. Bulanıklaştırma aşamasında yeni bir algoritma oluşturularak işlem kolaylığı sağlanmıştır. Ayrıca bu aşamada önerilen yöntemde ilk defa ağırlıklandırılmış indisler kullanılmıştır. Bulanık ilişki belirlemede bütün üyelik derecelerinin ayarlanması sağlanmıştır. Öngörü performansını geliştirmek için sadece Çok Katmanlı Algılayıcı (ÇKA) değil, ayrıca Genelleştirilmiş Regresyon Sinir Ağları (GRSA), ve Radyal Tabanlı Fonksiyon Sinir Ağı (RTFSA) gibi farklı yapay sinir ağı mimarileri de uygulanmıştır. Bu YSA mimarileri için klasik sinir ağı tabanlı bulanık zaman serisi öngörü yöntemlerinden farklı olarak tek katman ve düğüm sayısı, girdi ve çıktıların toplamları olması yerine en iyi sonucu verecek şekilde farklı sayıda gizli katman ve düğüm sayısı kullanılmıştır. Önerilen yöntem ve yaklaşım, oldukça iyi bilinen ve literatürde sıklıkla kullanılan Alabama Üniversitesi kayıt verileri ve ayrıca büyük bir veri seti olarak İ.M.K.B. (BİST) ulusal 100 endeksi verileri 2006-2010 yılları için kullanılarak literatürde önerilmiş sinir ağı tabanlı veya sinir ağı tabanlı olmayan çeşitli bulanık zaman serisi öngörü yöntemleri ile karşılaştırılmıştır. Sonuçlar; önerilen yeni yöntemin, literatürde verilen diğer yöntemlerden üstün olduğunu göstermiştir.
Özet (Çeviri)
Fuzzy time series approaches generally have three steps as fuzzification, identification of fuzzy relation and defuzzification. In this study, a new approach and a new method have proposed for forecasting univariate first order neural network-based fuzzy time series (NNBFTS). Firstly, distribution based length approach has used instead of getting a constant length of interval in the step of defining length of interval in partition of universe of discourse. Convenience of operation has provided by creating a new algorithm in the step of fuzzification. Also, weighted indices have firstly used in this step of proposed method. Adjustment of all degrees of membership has provided in the step of identification of fuzzy relation. Not only Multilayer Perceptron (MLP) but also various ANNs such as Generalized Regression Neural Networks (GRNN) and Radial Basis Function Neural Networks (RBFNN) have applied for improving forecasting performance. Various hidden layer and nodes are used for getting the best result instead of being number of nodes which is the sum of inputs and outputs and one hidden layer in NNBFTS forecasting methods for these architectures of ANNs. Proposed method and approach is compared with various NNBFTS or without NNBFTS forecasting methods proposed in the literature by using a data set of enrollment for the University of Alabama which is a well-known and mostly used in the literature and also a big data set of Istanbul Stock Exchange (ISE) national-100 index during 2006-2010 years. The results show that the new proposed method outperforms other methods proposed in the literature.
Benzer Tezler
- Dendritik nöron model yapay sinir ağlarına dayalı yeni sezgisel bulanık zaman serisi öngörü yöntemleri
New intuitionistic fuzzy time series forecasting methods based on dendritic neuron model artificial neural networks
TURAN CANSU
Doktora
Türkçe
2024
İstatistikGiresun Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. EREN BAŞ
PROF. DR. TAMER AKKAN
- Power allocation for cooperative NOMA systems based on adaptive-neuro fuzzy inference system
Uyarlanabilir nöro bulanık çıkarım sistemine dayalı işbirlikli NOMA sistemleri için güç tahsisi
MELİKE NUR ÜÇBAŞ
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
- A genetic-fuzzy system modeling of trip distribution
Bir genetik-bulanık sistem önerisi ile seyahat dağılımı modellemesi
MERT KOMPİL
Doktora
İngilizce
2010
Ulaşımİzmir Yüksek Teknoloji EnstitüsüŞehir Planlama Ana Bilim Dalı
DOÇ. DR. H. MURAT ÇELİK
- Müşteri odaklı sistemler için yapay sinir ağı ve bulanık çıkarım tabanlı bir karar destek sistemi yaklaşımı
An artificial neural network and fuzzy inference based decision support system approach for customer orientated systems
TUĞBA EFENDİGİL
Doktora
Türkçe
2008
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Bölümü
YRD. DOÇ. DR. SEMİH ÖNÜT
- XML tabanlı uygulamaların yapay zeka modeliyle gerçek zamanlı analizi
Real time analysis of XML based applications with an artificial intelligence model
MUHSİN GEMİCİ
Yüksek Lisans
Türkçe
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ.DR. CENGİZ GÜNGÖR