A novel algorithm for time series model selection: mutual information model selection algorithm (MIMSA)
Zaman serileri için yeni bir model seçme algoritmasının oluşturulması: Karşılıklı bilgi model seçme algoritması
- Tez No: 474933
- Danışmanlar: DOÇ. DR. CEYLAN YOZGATLIGİL
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Zaman Serileri, Box-Jenkins Modelleri, Model Seçme Yöntemleri, Karşılıklı Bilgi, Time Series, Box-Jenkins Models, Order Selection, Mutual Information
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 185
Özet
Zaman serilerinde model seçimi, son yıllarda birçok araştırmacı tarafından ilgi gören bir alandır. Bu kapsamda birçok yöntem literatüre kazandırılmıştır. Herhangi bir seri için aday modeller arasından en iyi modeli seçmek, veriyi oluşturan prosedürün açıklanması ve verinin bir sonraki zaman diliminde nasıl bir de˘ger alacağını öngörmek açısından oldukça önemlidir. Bu tezde, orijinal veri ve her bir aday modelin sağladığı tahminler arasındaki ortak bilgiyi, veriden gelen ampirik bilgi ve aday modellerdeki parametre sayısı ile düzenleyen yeni bir algoritmanın geliştirilmesi amaçlanmaktadır. Farklı senaryolar için gerçekleştirilen simülasyon çalışmaları ve gerçek veri üzerine uygulama, Box-Jenkins modellerinde sıra seçimi için geliştirilen bu algoritmanın var olan diğer yöntemler için iyi bir alternatif olabileceğini doğrulamaktadır.
Özet (Çeviri)
Time series model selection has gained a significant popularity, and a variety of methods has been introduced in the recent years. It is crucial for a method to propose a candidate model as the final model that explains the procedure underlying a series best and provides accurate forecasts among many candidates. In this study, it is aimed to create an algorithm for order selection in Box-Jenkins models that combines penalized natural logarithm of mutual information among the original series and predictions coming from each candidate. The penalization is achieved by subtracting the number of parameters in each candidate and empirical information the data provide. Simulation studies under various scenarios and application on a real data set imply that our algorithm offers a promising and satisfactory alternative to its counterparts.
Benzer Tezler
- Akım serilerinin kaotik analizi karadeniz havzası uzerine bir uygulama
Chaotic analysis of river discharge time series a case study on black sea river basins
ASLIHAN ALBOSTAN
Doktora
Türkçe
2015
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. BİHRAT ÖNÖZ
- An energy optimization algorithm for cloud computing
Bulut bilişim için bir enerji optimizasyon algoritması
OĞUZHAN ŞEREFLİŞAN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT KOYUNCU
- Forecasting of produced output electricity in photovoltaic power plants
Foto-voltaik güç santrallarında elektrik üretim tahmini
TARANEH SAADATI
Doktora
İngilizce
2025
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DOÇ. DR. BURAK BARUTÇU
- Locally differentially private mechanisms for sequential and high-dimensional data analysis
Sıralı ve yüksek-boyutlu veri analizi için lokal diferansiyelmahremiyetli mekanizmalar
EFEHAN GÜNER
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET EMRE GÜRSOY
- Derin öğrenme ile insan edimlerinin tanınması
Human action recognition using deep learning
TAYYİP ÖZCAN
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER BAŞTÜRK