Bulanık kümeleme yöntemlerinin mevsimsel bulanık zaman serilerinde performanslarının karşılaştırılması: Hava kirliliği verilerine uygulama
Comparision performances of fuzzy clustering methods in seasonal fuzzy time series: Application to air pollution prediction
- Tez No: 487967
- Danışmanlar: YRD. DOÇ. DR. NEVİN GÜLER DİNCER, YRD. DOÇ. DR. KURTULUŞ BOZKURT
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 118
Özet
Zaman serileri analizi, ekonomi, finans, tıp, mühendislik, astronomi gibi bir çok alanda yaygın olarak kullanılan istatistiksel yöntemlerden biridir. Zaman serileri analizi genel olarak eşit zaman aralıklarında ölçülen bir değişkenin geçmiş değerlerinden yararlanarak değişkenin gelecekteki değerlerini tahmin etmeyi amaçlamaktadır. Burada temel varsayım zaman serisinin gelecekte benzer davranacağıdır. Zaman serileri analizi için şu ana kadar çok sayıda yöntem önerilmiştir. Bu yöntemleri istatistiksel ve esnek hesaplama teknikleri olarak iki kategoriye ayırmak mümkündür. Ancak, istatistiksel yöntemlerin doğrusallık, durağanlık, gözlem sayısı gibi kısıtlarının olması esnek hesaplama tekniklerinin popülaritesini arttırmıştır. Bu tezin ana konusu, esnek hesaplama tekniklerinden bulanık zaman serileri yöntemleridir. Bulanık zaman serileri istatistiksel yöntemlerle karşılaştırıldığında, istatistiksel kısıtlarının olmaması, az sayıda gözlem ile güvenilir sonuçlar vermesi, belirsizlik içeren zaman serilerinin analiz edilmesine imkan sağlaması vs. gibi bir çok avantaja sahiptir. Bulanık zaman serileri yöntemlerini mevsimsel ve mevsimsel olmayan olmak üzere iki ana başlık altında toplamak mümkündür. Bu tezde, bulanık kümelemeye dayanan mevsimsel bulanık zaman serileri yöntemlerinin performanslarının karşılaştırılması amaçlanmıştır. Tezde ayrıca bulanık k-medoidler bulanık kümeleme algoritmalarına dayanan mevsimsel bulanık zaman serisi yöntemi önerilmiştir. Karşılaştırmalar için Türkiye'deki 112 hava kirliliği izleme istasyonundan elde edilen haftalık PM10 ve SO2 konsantrasyonlarına ilişkin veriler kullanılmıştır. Yapılan analizler sonucunda önerilen yöntemin performanslarının daha iyi olduğu gözlenmiştir.
Özet (Çeviri)
Time series analysis is one of the widely used statistical methods in many fields such as economy, finance, medicine, engineering, astronomy. Time series generally aims to predict future values of time series by utilizing previous values of an interested variable. The fundamental assumption in here is that time series will behave similar to the past. So far, many methods are proposed for time series analysis. It is possible that these methods are divided two categories as statistical and soft computing techniques. However, the presence of constraints of statistical methods such as linearity, stationarity, and the number of observations has increased the popularity of soft computing techniques. The main topic of this thesis is fuzzy time series methods from soft computing techniques. When comparing statistical techniques, fuzzy time series has many advantages such as not being statistical constraints, giving reliable results with small number of observations, providing opportunity of analyzing the time series that include the uncertainty. It is possible that fuzzy time series methods collect under two heading as seasonal and unseasonal. In this thesis, it is aimed comparison of performance of fuzzy clustering methods in seasonal fuzzy time series. Besides, one seasonal fuzzy time series method based on fuzzy k-medoid clustering algorithm is proposed in this thesis. For comparisons, weekly PM10 and SO2 concentrations obtained from 112 number of air pollution monitoring stations at Turkey have been used. At the results of analyses, it has been observed that proposed method gives better results.
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
- Multivariate and fuzzy clustering approaches to dynamic classification of traffic flow states
Çok değişkenli ve bulanık yaklaşımlarla trafik akımının dinamik sınıflandırılması
MEHMET ALİ SİLGU
Yüksek Lisans
İngilizce
2015
Trafikİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. HİLMİ BERK ÇELİKOĞLU
- Mekânsal-zamansal veri madenciliği yörüngelerin durma ve hareket algoritmaları
Spatio-temporal data mining stop and move trajectory algorithms
FERHAT BOZKURT
Yüksek Lisans
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. A.SAMET HAŞILOĞLU
- Bulanık sayıların bulanık kümeleme analizinde kullanımı ve satranç oyuncularının sınıflandırılması
Usage of fuzzy data in fuzzy clustering analysis and classification of chess players
NECATİ ALP ERİLLİ
Doktora
Türkçe
2012
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
YRD. DOÇ. DR. YÜKSEL ÖNER
- Türkiye'de illerin 2002-2008-2013-2018 yılları sosyo ekonomik verileri yardımıyla bulanık kümeleme analizi yöntemlerinin karşılaştırılması
Comparison of fuzzy clustering analysis methods with socio-economic data of provinces in Turkey 2002-2008-2013-2018
OKAN ÇELİK
Yüksek Lisans
Türkçe
2021
EkonometriSivas Cumhuriyet ÜniversitesiEkonometri Ana Bilim Dalı
DOÇ. DR. NECATİ ALP ERİLLİ