Forecasting nonlinear time series using partial least squares method
Doğrusal olmayan zaman serilerinin kısmi en küçük kareler yöntemi ile tahminlenmesi
- Tez No: 374163
- Danışmanlar: DOÇ. DR. ESİN FİRUZAN
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: 90
Özet
Bu tezin amacı (a) kısmi en küçük kareler (KEKK) ve çok değişkenli gömme yöntemlerini kullanarak yeni bir doğrusal olmayan tahminleme adaptasyonu geliştirmek; (b) parametre veya tahminleme yöntemi değişikliklerine (yerel veya global) bağlı olarak tahminleme hatalarını değerlendirerek tahmin yeteğini iyileştirmek; (c) bu yeni yöntem ve sıcaklık, nem ve yağış gibi meteorolojik değişkenlerden yararlanarak İstanbul'un aylık ortalama sıcaklığını tahminlemektir. Doğrusal olmayan zaman serisi ve değişken seçimi yöntemleri kullanılarak kaotik analizi temel alan yeni bir KEKK tahminleme yöntemi geliştirilir. Türkiye'nin mega şehri olan İstanbul'un 54 otomatik meteoroloji gözlem istasyonundan elde edilen yaklaşık 100 yıllık meteorolojik veri şehrin meteorolojik davranışı hakkında yorum yapmak için analiz edilmiştir. Ayrıca, önerilen yöntem insan beyni gibi çalışan nöronlar sayesinde girdilerle çıktılar arasındaki ilişkiyi doğrusal olmayan şekilde modelleyen yapay sinir ağları (YSA) ile karşılaştırılır. Bu tezde, doğrusal olmayan zaman serisinin tahminlenmesi için sıradan en küçük kareler (EKK), KEKK ve YSA yöntemleri kullanılır. Temel bulgular önerilen KEKK yönteminin en iyi performans değerlerine sahip olması ve İstanbul'un meteorolojik verisinin kaotik yapısıdır.
Özet (Çeviri)
The goals of this thesis are (a) to develop a new nonlinear forecasting adaptation by combining partial least square (PLS) method and multivariate embedding; (b) to improve the forecast ability by evaluating the forecasting errors depending upon the parameter and forecasting method (local or global) changes; (c) to forecast İstanbul monthly mean temperature by benefitting from this new method and meteorological variables like temperature, humidity and rainfall. A new PLS forecasting technique based on chaotic analysis is developed by using nonlinear time series and variable selection methods. Approximately 100 years of meteorological data obtained from 54 automatic meteorology observation stations of İstanbul that is the mega city of Turkey are analyzed to infer about the meteorological behaviour of the city. The proposed model is also compared with artificial neural networks (ANN) which model nonlinearly the relation between inputs and outputs by working neurons like human brain. Ordinary least square (OLS), PLS and ANN methods are used for nonlinear time series forecasting in this thesis. Major findings are best performance values of the proposed PLS model and the chaotic nature of the meteorological data of İstanbul.
Benzer Tezler
- Moda türü ürünler için Bass Yayılım Modeli ve veri kümeleme tabanlı bir talep tahmin metodu geliştirilmesi: Bir vaka uygulaması
Bass Diffusion Model and data clustering based forecasting method for fashion goods: A case study
ABDURRAHMAN YAVUZ
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri MühendisliğiTOBB Ekonomi ve Teknoloji ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. KADİR ERTOĞRAL
- Sales forecasting in fashion retail industry with classical and machine learning methods
Moda perakendesi sektöründe klasik ve makine öğrenmesi metodları ile satış tahmini
HANİFE IŞIK
Yüksek Lisans
İngilizce
2020
Ekonomiİstanbul Teknik ÜniversitesiEkonomi Ana Bilim Dalı
DOÇ. DR. TOLGA YURET
- The analytical solutions and deep learning assessment of long waves over linear and nonlinear breadth and depth profiles: 30 October 2020 İzmir tsunami case
Doğrusal olan ve olmayan genişlik ve derinlik profilleri üzerinde uzun dalgaların çözümleri ve derin öğrenme ile değerlendirilmesi: 30 Ekim 2020 İzmir tsunamisi örneği
ALİ RIZA ALAN
Doktora
İngilizce
2024
Deniz Bilimleriİstanbul Teknik ÜniversitesiKıyı Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. CİHAN BAYINDIR
- Zaman serisi öngörüsü için AR-ARCH tipli yapay sinir ağları
AR-ARCH type neural networks for forcasting time series
BURÇİN ŞEYDA ÇORBA
Doktora
Türkçe
2017
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. EROL EĞRİOĞLU
- Zaman serileri modelleri ile yenilenebilir enerji sistemlerinin güç üretim tahminlenmesi
Power generation forecasting of renewable energy resources by using time series methods
FEYZA TURAN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BEDRİ KEKEZOĞLU