Geri Dön

An automated multi model approach for time series forecasting

Zaman serisi tahmini için otomatik çok modelli yaklaşım

PDF İndir

  1. Tez No: 608864
  2. Yazar: KIRAN ANWAR
  3. Danışmanlar: PROF. DR. METİN TÜRKAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: Koç Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 69

Özet

Bu tezde, zaman serisi tahmini için çok modelli bir yaklaşım sunuyoruz. bizim çerçeve otomatiktir, kullanımı kolaydır ve kısa-orta vadeli tahminleri kapsar ufuklar. Çoklu temel ve ileri zaman serisi tahmin modellerine odaklanıyoruz. Temel modellerimiz arasında basit hareketli ortalama, basit üstel yumuşatma, Holt ve Winter's modeli. Bu modellerde kullanılan parametreleri optimize ediyoruz, ileri modellerde Box-Jenkins metodolojisini otomatik Auto- Regresif Entegre Hareketli Ortalama (ARIMA) ve Mevsimsel Otomatik Regresif Entegre Hareketli Ortalama (SARIMA) modelleri. ARIMA ve SARIMA modelleri karmaşık modellerdir ve seçmek için uzman muhakemesine ve tekrarlamalı prosedürlere ihtiyaç duyarlar. Uzman kararını istatistiksel testler ve yinelemeyle değiştiriyoruz otomatik numaralandırma tekniği ile prosedürler. En uygun model bir dizi istatistiksel ve hata tahmin testinin sonuçlarına göre seçilmiştir. Sistemimizi International Institute tarafından sağlanan M-rekabet veri seti üzerinde test ettik Tahminleri. Veri seti, sosyal ve ekonomik olan çoklu zaman serilerinden oluşur. arka plan. Deneysel çalışmalarımızdan SARIMA'mızın model, 1 periyot için ortalama MAPE değeri

Özet (Çeviri)

In this thesis, we present a multi-model approach for time series forecasting. Our framework is automated, easy to use and spans around short-medium terms forecast horizons. We focus on multiple basic and advance time series forecasting models. Our basic models include simple moving average, simple exponential smoothing, Holt's and winter's model. We optimize the parameters used in these models, and for advance models we extend Box-Jenkins methodology to automated Auto- Regressive Integrated Moving Average (ARIMA) and Seasonal Auto-Regressive Integrated Moving Average (SARIMA) models. The ARIMA and SARIMA models are complex models and need expert judgement and iterative procedures to select a best fitting model.We substitute expert judgement with statistical tests and iterative procedures with automated enumeration technique. The best fitting model is selected based on the results of a number of statistical and error estimation tests. We tested our system on M-competition data set provided by International Institute of Forecasters. The dataset is comprised of multiple time series from social and economic backgrounds. From our experimental work, we conclude that our SARIMA model outperforms all other models with an average MAPE of

Benzer Tezler

  1. Tez No

    768069

    Multi-channels deep convolution neural network for early classification of multivariate time series

    Çok kanallı derin dönüşümerken sinir ağıçok değişkenli zaman sınıflandırmasıdiziler

    AHMED MUAYAD QADER QADER

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilişim Teknolojileri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. AYÇA KURNAZ TÜRKBEN

  2. Tez No

    14117

    Tam zamanında imalat sisteminin simülasyon ile analizi ve uygulanabilirliğinin etüdü

    An Analysis of the just in time manufacturing system by simulation and a study for its applicability

    SEMRA DURMUŞOĞLU

    Doktora

    Türkçe

    Türkçe

    1989

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    PROF.DR. AYHAN TORAMAN

  3. Tez No

    865885

    Analysis and forecasting of multi-region recyclable waste datasets with supervised machine learning models

    Denetimli makine öğrenme modelleri ile çok bölgeli geri dönüştürülebilir atık veri setlerinin analizi ve öngörülmesi

    GÖZDE AKA BAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Endüstri ve Endüstri Mühendisliğiİzmir Ekonomi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ KAMİL ERKAN KABAK

  4. Tez No

    485289

    Field testing and model updating of typical RC buildings for damage identification

    Tipik betonarme yapılarda hasar tespiti üzerine saha deneyleri ve model güncellemesi

    PINAR İNCİ KOÇAK

    Doktora

    İngilizce

    İngilizce

    2017

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ALPER İLKİ

    PROF. DR. F. NECATİ ÇATBAŞ

  5. Tez No

    397877

    Architecture of constraints: A mass customization oriented approach for housing design

    Kısıtlarla tanımlanan mimarlık: Kitlesel özelleştirme odaklı konut tasarımı

    BENGİSU İLKSOY

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Mimarlıkİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    DOÇ. DR. MİNE ÖZKAR KABAKÇIOĞLU

Geri Dön