Recurrent Type-1 Fuzzy Functions Approach for Time Series Forecasting
Zaman Serileri Öngörülerinde 1. Tip Bulanık Fonksiyon Yaklaşımı
- Tez No: 444711
- Danışmanlar: DOÇ. DR. ATIF AHMET EVREN, PROF. DR. MÜJGAN TEZ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Endüstri ve Endüstri Mühendisliği, İstatistik, Computer Engineering and Computer Science and Control, Industrial and Industrial Engineering, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: 75
Özet
Zaman serileri analizinde öngörü yapmak araştırmacılar tarafından incelenilen yaygın bir problemdir. Daha iyi öngörü elde edebilmek için önerilmiş bir çok yöntem bulunmaktadır. Bunlardan bazıları olasılık tabanlı iken, bazıları olasılıksal olmayan yöntemlerdir. Otoregresif hareketli ortalamalar ve üstel düzleştirme yöntemlerı olasılıksal, yapay sinir ağları ve bulanık çıkarım sistemi yöntemleri ise olasılıksal olmayan yöntemlerden en yaygın olarak kullanılanlardır. Bulanık çıkarım sistemlerinin bir çoğu kural tabanlı yöntemlerken, 1. tip bulanık fonksiyon kural tabanlı bir yöntem değildir. Literatürde 1. tip bulanık fonksiyon yöntemini otoregresif modeller ile birleştiren yöntemlere rastlamak mümkün olmala beraber, 1. tip bulanık fonksiyonu hareketli ortalamalar ile birleştiren bir yöntem henüz önerilmemiştir. Bu tez çalışmasının amacı 1. tip bulanık fonksiyon yaklaşımını otoregresif hareketli ortalamalar modeli ile birleştirerek zaman serilerine ilişkin daha iyi öngörüler elde etmektir. Çalışmada, girdi matrisinin oluşturulması şu şekilde olmuştur: İlk olarak zaman serisinin gecikmeli değerleri modelin otoregresif kısmı için bağımsız değişkenler olarak alınmıştır. İkinci olarak, bulanık c-kümeleme yöntemi kullanılarak girdiler kümelenmiştir ve üyelik dereceleri ile küme merkezleri hafızada tutulmuştur. Son olarak önerilen yöntemin hareketli ortalamalar kısmı için bulanık fonksiyonun hataları kullanılarak kalıntı terimleri elde edilmiştir. Böylece, AR(p), MA(q) ve üyelik dereceleri girdi matrisinde toplanmıştır. Amaç fonksiyonumuz türevlenebilir bir fonksiyon olmadığından bu değeri minimum yapma amacı ile parçacık sürü optimizasyon yöntemi kullanılmıştır. Önerilen yöntemin performansını test etmek için Avusturalya bira tüketim verisi (ABC), 1999-2004 yılları arası Taiwan borsası verisi ve 2009-2013 yılları arası İstanbul Borsası günlük verileri uygulama veri seti olarak kullanılmıştır. Elde edilen sonuçlara göre, önerilen yöntemin diğer kıyaslanan yöntemlere göre daha iyi sonuçlar verdiği gözlemlenmiştir.
Özet (Çeviri)
Forecasting future values of a time series is a widespread problem for researchers. There are a lot of methods for these kinds of problems. While some of these are probabilistic, some of them are non-probabilistic methods. For probabilistic methods, autoregressive integrated moving average and exponential smoothing methods are commonly used. For non-probabilistic methods, Artificial Neural Networks (ANN) and fuzzy systems have been commonly used. There are numerous fuzzy systems methods. While most of these methods are rule-based, there are a few methods which do not require rules, such as type-1 fuzzy functions approach. While it is possible to encounter with a model such as AR model integrated to T1FF, there has not been proposed any model including type-1 fuzzy functions and moving average model in one algorithm. Our intuition is to get better forecasting results taking into account the disturbance terms. The input data set is organized with the following variables. First, lagged values of the time series are used for the AR(p) part. Second, FCM algorithm is used to cluster the inputs. The degree of memberships and centers are stored. Third, for the MA(q) part, fuzzy functions' residuals are used. So, AR(p), MA(q), and degree of memberships of the objects are restored in the input data set. Since the function we have is not a derivative function, particle swarm optimization algorithm is preferred to obtain estimations of the coefficients. Australian beer consumption (ABC) data set, Istanbul stock exchange (BIST100) data sets from 2009 to 2013, and Taiwan stock exchange (TAIEX) data sets from 1999 to 2004 are used to evaluate the performance of the proposed method. The outcomes show that the proposed method outperforms the other methods for 12 real-world time series data sets.
Benzer Tezler
- Hücresel yapay sinir ağları için iki öğrenme algoritması ve görüntü işleme uygulamaları
Two learning algorithms for cellular neural networks and their image processing applications
SİNAN KARAMAHMUT
Yüksek Lisans
Türkçe
1994
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. CÜNEYT GÜZELİŞ
- Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi
Analysis of container port operations using machine learning methods
ÜSTÜN ATAK
Doktora
Türkçe
2022
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU
PROF. DR. TOLGA KAYA
- Gemi kazası kompleks probleminin incelenmesi için kök sebep analizi yaklaşımı önerisi
A root cause analysis approach for maritime accident problem investigation
TUBA KEÇECİ
Doktora
Türkçe
2015
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZCAN ARSLAN
- Vezikoüreteral reflülü hastalarda anjiyotensin-2 Tip1/Tip2 gen polimorfizm dağılımı ve MRNA değerleri ile genotip-fenotip ilişkisi
Angiotensin 2 Type 1/Type 2 receptor gene polymorphism distribution in patients with vesicoureteral reflux and recurrent urinary tract infection
ŞEBNEM ŞAHİN
Tıpta Uzmanlık
Türkçe
2013
Çocuk Sağlığı ve HastalıklarıCelal Bayar ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. PELİN ERTAN
- Temporal kas fasyası ile yapılan tip 1 timpanoplastide trombositten zengin fibrinin (TZF) etkileri
The effects of platelet rich fibrin on the TYPE 1 timpanoplasty which is performed by using of temporal muscle fascia
RAMAZAN YAVUZ
Tıpta Uzmanlık
Türkçe
2018
Kulak Burun ve BoğazKaradeniz Teknik ÜniversitesiKulak Burun Boğaz Hastalıkları Ana Bilim Dalı
DOÇ. DR. SELÇUK ARSLAN