Mevsimlik olmayan box-jenkins modellerinde iki aşamalı yapay sinir ağlarının kullanılması ve bir uygulama
Use of two-stage artificial neural networks in non-seasonal box-jenkins models and an application
- Tez No: 514928
- Danışmanlar: PROF. DR. MEHMET ERDAL BALABAN
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Parametre tahmini, Satış tahmini, Sembolik zaman serileri, Yapay sinir ağları, Parameter estimation, Sales forecast, Symbolic time series, Artificial neural networks
- Yıl: 1997
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Sayısal Yöntemler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, Box-Jenkins tekniğiyle tahmin yapabilmek için gerekli olan belirli adımlarda Yapay Sinir Ağlarını kullanan bir algoritma geliştirilmiştir. Bu amaçla Box-Jenkins tekniğini bilinen şekliyle kullanan Statistica programından elde edilen sonuçlar, içinde eğitilmiş ağlara ait ağırlık dosyalarını kullanarak geliştirilen bilgisayar algoritmasının çalıştırılması ile elde edilen sonuçlarla karşılaştırılmıştır. Bunun için 7 adet Yapay Sinir Ağı eğitilmiş ve test edilmiştir. Ayrıca bir uygulama alanı seçilerek, geliştirilen bilgisayar algoritmasının gerçek veriler karşısındaki performansı, Statistica programı ile karşılaştırmalı olarak ortaya konmaya çalışılmıştır. Bu çalışmada tahmin yapmak için seçilen Box-Jenkins tekniği, diğer tekniklere göre karmaşık oluşu, daha fazla sayıda işlem ve geçmiş veriye ihtiyaç duyması gibi dezavantajları yanında, incelenen verileri zaman serilerine ait faktörlere göre farklı tekniklere ihtiyaç duymadan modelleyebilme, çözüme ulaşırken gerekli adımlarda istatistik testleri kullanabilme ve her durumda denetlenebilme gibi üstün yönlerinden dolayı tercih edilmiştir. Bunun yanında, Yapay Sinir Ağları, son yıllarda uygulama alanlarını, yapılan akademik çalışmalarla sürekli genişleten ve bu nedenle gücünü ve kullanılabilirliğini kanıtlamaya çalışan Yapay Zeka araştırmalarının ulaştığı son noktalardan birisidir. Yapay Sinir Ağları bu çalışmaya, amaca ulaşmak için kullanılan bir araç olarak yardımcı olmakta ve dolayısıyla Box-Jenkins ile tahmin yapmak için gerekli olan adımların ikisinde, klasik çözüm yerine önce tahminci gibi davranıp karar vermekte, daha sonra matematiksel çözüme alternatif sunmaktadır. Ortaya konanlar kısaca; eski ama eskimeyen Box-Jenkins tahmin tekniği ile, yeni ama kendini ve gücünü kanıtlamaya çalışan Yapay Sinir Ağlarının birlikte kullanıldığı bir çalışma olarak özetlenebilir.
Özet (Çeviri)
In this study, an algorithm which uses Artificial Neural Networks was developed in certain steps necessary to predict the Box-Jenkins technique. For this purpose, the results obtained from the Statistica program, which uses the Box-Jenkins technique as known, were compared with the results obtained by running the computer algorithm developed by using the weight files of the trained networks. For this purpose, 7 Artificial Neural Networks have been trained and tested. In addition, by selecting an application area, the performance of the developed computer algorithm against the actual data was tried to be compared with the Statistica program. In this study, Box-Jenkins technique, which is chosen to make prediction in this study, can be modeled according to other techniques without any disadvantages such as the need for more data and historical data. and in any case, it is preferred because of its superior aspects such as control. In addition, Artificial Neural Networks is one of the last points of Artificial Intelligence research which has been expanding its application fields with academic studies in recent years and is trying to prove its power and usability. Artificial Neural Networks help this work as a tool to reach the goal and therefore, in two of the steps necessary to make a prediction with Box-Jenkins, they act as predators first, rather than the classical solution, and then offer an alternative to the mathematical solution. Briefly; The old but old Box-Jenkins technique can be summarized as a study in which the new Neural Networks, which try to prove themselves and their strength, are used together.
Benzer Tezler
- Identification of periodic autoregressive moving-average (Parma) models
Periyodik otoregresif haraketli ortalamalar modellerinin belirlenmesi
BURÇİN AKGÜN
Yüksek Lisans
İngilizce
2003
İstatistikOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF.DR. TAYLAN ULA
PROF.DR. ÖZTAŞ AYHAN
- Türkiye'nin ithalat ve ihracatının box-jenkins stokastik modelleriyle tahmini
Başlık çevirisi yok
MURAT BAYRAV
Yüksek Lisans
Türkçe
1998
Endüstri ve Endüstri MühendisliğiGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. FEVZİ KUTAY
- Yeni bir yaklaşımla yük profillerinin oluşturulması ve dağıtım sistemlerinde teknik kayıpların tahmini
A novel approach for load profile formation and technical loss estimation of electrical disrtibution systems
GİZEM TULUN
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER USTA
- Mevsimlik tarım işçisi olan ve olmayan lise öğrencilerinde psikolojik dayanıklılık ve öznel iyi oluş düzeyinin incelenmesi
Examination of subjective well-being level of high school students who are and who are not seasonal agricultural
YEŞİM ERUĞUZ
Yüksek Lisans
Türkçe
2023
Eğitim ve ÖğretimAdıyaman ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. İBRAHİM YERLİKAYA
- İş güvencesizliği algısı ile iş üretkenliği ilişkileri: Mevsimlik ve mevsimlik olmayan konaklama işletmelerinde karşılaştırmalı bir araştırma
The relationships between the job insecurity perception and job productivity: A comparative study of seasonal and non-seasonal hospitality establishments
ERAY POLAT
Doktora
Türkçe
2019
İşletmeBalıkesir ÜniversitesiTurizm İşletmeciliği Ana Bilim Dalı
PROF. DR. ALİ KEMAL GÜRBÜZ