Geri Dön

Zaman Serileri Modelleri İçin Yeni Bir Performans Değerlendirme Yöntemi

A New Performance Evaluation Method For Time Series Models

PDF İndir

  1. Tez No: 606697
  2. Yazar: ONUR ORAL
  3. Danışmanlar: DR. ÖĞR. ÜYESİ HÜSEYİN OKTAY ALTUN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: KTO Karatay Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 73

Özet

Bu tezde zaman serilerini tahmin etmeye yönelik geliştirilen modellerin başarısını ölçmede geleneksel metriklerin yetersizliğini tartışarak, yeni bir zaman serisi tahmini hata hesaplama tekniği ve model değerlendirme yöntemi önermekteyiz. Konvansiyonel hata hesaplama metriklerinin zaman serileri modellerinin değerlendirilmesinde yetersiz kalmasının en önemli nedenlerinden biri; tahmin için kullanılan modellerin, bir önceki zamanda gerçekleşen değeri bir sonraki dönemin tahmin değeri olarak aynen veya çok yakın vermesi durumunda MSE, RMSE ve AE gibi yaygın olarak kullanılan metriklerin, bu şekildeki bir yaklaşımın geleceği öngörme yetisinin çok sınırlı olmasına rağmen, güzel sonuçlar veriyor görünmesinde yatmaktadır. Biz, zaman serilerinin performansının klasik yaklaşımlarla elde edilen performans metriklerinin yanında, bu bahsettiğimiz naif ve etkisiz yaklaşıma uzak olması ölçüsünde değerlendirme gereğinden yola çıkarak ikili bir metrik ve model kıyaslama tekniği öneriyoruz. Bu çalışmada, hisse senetleri fiyatlarının tahmin edilmesinde LSTM, GRU, dense ve simpleRNN gibi standart katmanlarla oluşturulmuş derin öğrenme mimarilerinin yanısıra, kendi oluşturduğumuz melez mimarilerin tahmin güçlerini de hesapladık. Bu modeller içinde, kendi önerdiğimiz kıyaslama tekniğini kullanarak en iyi modelin hangisi olduğunu belirledik.

Özet (Çeviri)

In this thesis, we propose a new time series prediction error calculation technique and model assessment method. We discuss inadequacy of traditional metrics in evaluating success of predictive time series models. One naive but ineffective way of predicting the future is giving out today's realized values as tomorrow's prediction. However, conventional error metrics such as RMSE, MSE and AE etc. seem to give very good results when we employ this kind of a naive approach. Many new models based on machine learning techniques end up mimicking this incompetent behaviour, but earning high marks from conventional metrics. In addition to the performance metrics obtained by classical approaches for the performance of time series, we propose a new metric and model comparison technique, based on the need for an approach which is far from the naive and ineffective approach we have just mentioned. In this study, we calculated the predictive powers of LSTM, GRU, dense, simpleRNN and the hybrid layered architectures that we have created in addition to the standard deep learning architectures such as LSTM, GRU, dense and simpleRNN for estimating stock prices. Among these models, we determined the best model according to our suggested evaluation technique.

Benzer Tezler

  1. Tez No

    827860

    Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini

    Forecasting the spread of covid-19 using deep learning and big data analytics methods

    CYLAS KIGANDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  2. Tez No

    519749

    Catchment scaled drought analysis: Integrated climate and hydrological perspectives

    Havza ölçeğinde kuraklık analizi: Entegre iklim ve hidrolojik perspektifleri

    SAEED VAZIFEHKHAH

    Doktora

    İngilizce

    İngilizce

    2018

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ERCAN KAHYA

  3. Tez No

    547033

    A comprehensive assessment on various impacts of climate change in Western Black Sea and Euphrates-Tigris basins, Turkey

    Türkiye'nin Batı Karadeniz ve Dicle-Fırat havzalarında iklim değişikliğinin muhtelif tesirlerinin geniş kapsamlı değerlendirilmesi

    MUSTAFA NURI BALOV

    Doktora

    İngilizce

    İngilizce

    2019

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDÜSSELAM ALTUNKAYNAK

  4. Tez No

    323869

    Capacity analysis on multi-lane roundabouts: An evaluation with HCM 2010 capacity model

    Çok şeritli döner kavşakların kapasite analizleri: HCM 2010 üzerine bir değerlendirme

    MELİKE ERSOY

    Yüksek Lisans

    İngilizce

    İngilizce

    2012

    Trafikİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HİLMİ BERK ÇELİKOĞLU

  5. Tez No

    522744

    nTreeClus: A model-based partitioning clustering of sequential data

    nTreeClus: Sıralı verinin model tabanlı kümelenmesi

    HADI JAHANSHAHI

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Endüstri ve Endüstri MühendisliğiBoğaziçi Üniversitesi

    Assist. Prof. Dr. MUSTAFA GÖKÇE BAYDOĞAN

Geri Dön