Performance of time series decomposition for different type of time series
Bileşenlerine ayırma yöntemlerinin farklı zaman serisi türleri üzerindeki performansı
- Tez No: 491081
- Danışmanlar: DOÇ. DR. SEDAT ÇAPAR
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 52
Özet
Zaman serilerinin seyri ve bu seriler ile yapılacak tahminler, serinin geleceğe ilişkin davranış biçiminin belirlenmesine yardım etmektedir. Özellikle ekonomi ve iş dünyasında olan belirsizlikler nedeni ile serilerin geleceğe ilişkin davranış biçimini belirlemek son derece önem kazanmıştır. Bu gibi durumlarda zaman serisinin özelliklerini ortaya koymak için kullanılan yöntemlerden başlıca ve en eski olanı serinin bileşenlerine ayrıştırılmasıdır. Ayrıştırma yöntemi, kısa dönemli öngörülerde anlaşılması ve yapılması en kolay yöntemdir. Bu yöntem, bir serinin mevsimselliğini ve trendini ortaya çıkartabilmek ya da istenildiği takdirde bu hareketleri seriden arındırabilmek amaçlı da kullanabilen bir yöntemdir. Bu çalışmada bileşenlerine ayırma yönteminin etkisini ölçmek amacıyla toplamsal ve çarpımsal modeller için R programı kodları yazılmıştır. Yazılan kodlar M-Competition zaman serisi veri setine uygulanmıştır. Elde edilen sonuçların daha önceki çalışmalarda önerilen sonuçlarla tutarlı olduğu görülmüştür.
Özet (Çeviri)
Course of the time series and estimates to be made with this series, will help to determine the behavior for the next series. Especially due to the uncertainties in the world of business and economics, to determine the future behavior of the series has become extremely important. In such cases, the main and the oldest method that is used to reveal the properties of the time series is time series decomposition. Decomposition method is the easiest method to understand and make in short-term predictions. This method can reveal the seasonality and trend of a time series and split a time series into its components. In this study, a program in R is written for additive and multiplicative models in order to measure the effect of the decomposition method. Time series included in M-Competition are used to test the written R code. The results obtained were consistent with the results suggested in previous studies.
Benzer Tezler
- Dalgacık dönüşümü tekniği kullanılarak akım serilerinin modellenmesi
Modeling of streamflow series using wavelet transform technique
MURAT KÜÇÜK
Doktora
Türkçe
2004
İnşaat Mühendisliğiİstanbul Teknik ÜniversitesiSu Ürünleri Mühendisliği Ana Bilim Dalı
PROF. DR. NECATİ AĞIRALİOĞLU
- Zaman serilerinin öngörüsü için GKA tabanlı DVR metodları
Emd based SVR methods for time series prediction
BAHADIR BİCAN
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YUSUF YASLAN
- Automatic time series forecasting using the ATA method with STL decomposition and Box-Cox transformation
STL ayrıştırmalı ve Box-Cox dönüşümlü ATA metodu kullanılarak otomatik zaman serisi öngörüsü
ALİ SABRİ TAYLAN
Doktora
İngilizce
2021
İstatistikDokuz Eylül Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. GÜÇKAN YAPAR
- Li-iyon batarya modelinin en uygunlaştırılması ve batarya bozunumunun incelenmesine katkılar
Contributions to optimization of Li-ion battery models and analysis of battery degradation
HAKAN İNCESU
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DERYA AHMET KOCABAŞ
- Ensemble and deep learning on astronomical data with different modalities
Astronomik veride farklı kiplerle topluluk öğrenmesi ve derin öğrenme
FATMA KUZEY EDEŞ HUYAL
Doktora
İngilizce
2023
Astronomi ve Uzay Bilimleriİstanbul Teknik ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
PROF. DR. EMRE ONUR KAHYA
PROF. DR. ZEHRA ÇATALTEPE