Geri Dön

İleri beslemeli yapay sinir ağları kullanarak Kuzey Irak bölgesinde günlük petrol ihracatının tahmin edilmesi

Forecasting daily oil export in north of Iraq by using feed foreword artificial neural net work (FFANN)

  1. Tez No: 620779
  2. Yazar: OTHMAN RASUL MUSA MUSA
  3. Danışmanlar: DOÇ. DR. HALİT ERAY ÇELİK, YRD. DOÇ. DR. NAWZAD MOHAMED AHMED
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: Türkçe
  9. Üniversite: Yüzüncü Yıl Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 85

Özet

Petrol, üretiminde ve ihracatında büyük problemlerin yaşandığı en önemli enerji kaynaklarından biridir. Çok güçlü siyasi ve ekonomik rolü olan petrolün, dünya çapındaki büyük şirketlerin satış ve kar marjlarına olan etkisi büyük olup, aynı zamanda petrol hareketleri sermaye bütçelemesi planlarını ve yabancı ağırlıklı yatırım varlıklarını etkilemektedir. Ham petrol üretiminde ve ihracatındaki dalgalanmalar petrol ihraç veya ithal eden ülkelerde oldukça büyük bir ekonomik kararsızlığa yol açmaktadır. Petrol ihracatında görülen sarsılmalar dünya genelindeki ülkelerin toplam çıktıları, ihracatları ve istihdamları üzerinde istanmeyen makroekonomik etkilere neden olan faktörlerdir. Petrol tahmini temsilciler ve karar verici kuruluşlar için hayati önem arz etmektedir. Ham petrol ihracatının davranışlarını belirlemek, yerel ve ticari pazarlardaki tahmini en doğru şekilde yapabilmek için çaba sarfedilmektedir. Bu çalışmada yapay sinir ağları (YSA), ileri besleme (FF) ve eşlenik gradyan iniş (CGD) modelleri ile birlikte lineer olmayan zaman serilerinin en iyi modeli seçilmeye çalışılmıştır. İleri beslemeli sinir ağları (FFNNs) çeşitli problemlerin çözümünde yaygın bir şekilde kullanılmaktadır. Bu sınıf ağların eğitimi esas olarak arka yayılıma (BP) dayalı öğrenme algoritmaları kullanılarak gerçekleştirilir. Arz ve tedarik hareletlerinin altında yatan etkenlerin açıklanmasında yapısal model oldukça kullanışlıdır ve bu model petrol ihracatının tahmininde yararlı bulunmuştur. Bu tez çalışması ileri beslemeli sinir ağlarıyla öğrenmenin (FFNNs) zaman verimliliğini arttırmak için birçok katkı sunmaktadır. Lineer olmayan zaman serileri ve ileri beslemeli model petrol ihracatının tahmininde oldukça önemli bir iş başarabilmiştir. Bu çalışmada Irak Kuzey Irak Bölgesel Yönetimi, Tabii Kaynaklar Bakanlığı'ndan Nisan 2015 ve Şubat 2016 tarihleri arasında yaklaşık olarak 10 ay ve 306 gözleme dayanmak üzere, Ceyhan boru hattı üzerinden taşınan petrol ihracatı verileri kullanılarak yapay sinir ağları aracılığıyla zaman dizileriyle tahmin edilmiştir. Bu tezin amacı klasik modelle açıklanamayan tüm örüntülerin ve kompleksliklerin petrol ihracatında zaman serilerini kullanarak davranışları tanımlamak ve ayrıca elde edilen verilerden çıkarılan sonuçların kullanılmasıyla geleceği planlayabilmeyi ve bir sonraki günde ne olacağını tahmin edebilmeyi kapsamaktadır.

Özet (Çeviri)

Neural network model for forecasting is one of the new type model that statistically can deals with time series data for analyzing and forecasting, this type of model is a mimic for human brain can be used for sevral aims as (( finger print, image analysis, signal analysis, and pattern recognition, … etc)). It acts by subdividing the data that informed to three main sets ( training set, for estimating connection weight among layers ( input, hidden, output) testing set to test the weight, after estimating and validation set inorder to make a generalization for suggested neural model. Feed foreword neural nets (FFNN) is one of the more capable model to use in forecasting time series models that depended on the backpropagation of error during estimating weights of connection among the nodes of layers this propagation continued till the suggested network model reach the minimum mean square error for predication called ( stopping criteria) that optimize the weight of connection, so the final estimated weights can be used as an estimated parameters to be used in the forecasting process. Can be choosing best model category nonlinear time series with artificial neural networks (ANNs), feed foreword (FF) and conjugate gradient descent (CGD) model. Feed-foreword neural networks (FFNNs) have been widely used for solving various problems in science. The training of this class of network is mainly undertaken using the back propagation (BP) based learning algorithms. The structural model have been good in explaining the factors underlying the demand and supply movements, this model useful for forecasting oil export. This thesis makes several contributions in improving time efficiency of feed-foreword neural networks learning (FFNNs). The nonlinear time series, feed-foreword type model, have been able to do a good job in forecasting to oil export For my thesis, I was got Oil export data daily from Via Ceyhan iv (April 2015-febuary 2016) amount (10) months approximate (306 observation.) in ministry of natural resource from Kurdistan Region Of Iraq by data time sequence, to forecast by using a candidate Neural Network that defined above. The objective of this thesis is to recognize the behaviors of thesis time series ( oil Export) of define all patterns or complexly in these data which cannot be recognized with the classical Model , also to know what happen in the future for these data to make a next day planning upon the results. Oil is one of the most significant energy resources in the world with wide problems to production and export abroad swings. It has magnificent effects on the political, economy, sales and profits of major industries worldwide, and its movements affect capital budgeting plans as well as the value of foreign denominated asset investments. The crude oil production and exportation fluctuations could bring a lot of economic instability in oil exporting and oil consuming countries in both developing and developed countries. Oil export shocks have often been cited as causing adverse macroeconomic impacts on aggregate output, export, and employment in countries across the world. The oil export forecasting is vital to agents and policy makers. Have been many efforts to exploit models could explain the behavior of crude oil export and forecast it exactly in spot and exchange trade markets.

Benzer Tezler

  1. Tez No

    672198

    Prediction of kinematic viscosity and density of diesel fuel from physical properties by artifical neural networks

    Yapay sinir ağları ile dizel yakıtın fiziksel özelliklerden kinematik viskozite ve yoğunluğunun tahmini

    AYMEN ABDULQADER ABBAS AL OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Kimya MühendisliğiAtılım Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN KAYI

  2. Tez No

    387958

    Distribution of North American tree species under climatic change: An ecological niche modeling study using artificial neural networks

    İklimsel değişikliklerin Kuzey Amerika ağaç türlerinin dağılımı üzerine etkilerinin tahmini: Yapay sinir ağları yaklaşımıyla ekolojik niş modelleme çalışması

    HASAN SERHAN AKIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2007

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    PROF. DR. HASAN NÜZHET DALFES

  3. 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

  4. Tez No

    183999

    Çok doymamış yağ asitleri bakımından zengin alg ilave edilen yemlerin levrek (Dicentrarchus albrax L., 1758)'de büyüme performansı ve vücut komposizyonuna etkisi

    Effects of pufa (Polyunsaturated fatty acids) enriched algae added diets on growth and body composition of sea bass (Dicentrarchus labrax L., 1758)

    KAMİL MERT ERYALÇIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2006

    Su Ürünleriİstanbul Üniversitesi

    Su Ürünleri Yetiştiriciliği Ana Bilim Dalı

    PROF. DR. ERDAL ŞENER

  5. Tez No

    97492

    Sayısal iletişim kanallarının yapay sinir ağları kullanarak dengelenmesi

    Equalization of digital communication channels by using artificial neural networks

    MUSTAFA ÖZDİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2000

    Elektrik ve Elektronik MühendisliğiErciyes Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NECMİ TAŞPINAR

Geri Dön