Comparison of arima and LSTM models for bitcoin price prediction
Arıma ve LSTM modellerinin bitcoin veri seti fiyat tahmini ile karşılaştırılması
- Tez No: 629680
- Danışmanlar: DOÇ. DR. BETÜL ERDOĞDU ŞAKAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Doğrusal olmayan zaman serileri, Ekonomik zaman serisi, Tahmin, Non-linear time series, Economic time series, Estimation
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Zaman serilerinin analiz edilmesi ve gelecek tahmini yapılması bilgisayar bilimi için önemli yer tutmaktadır. Bilgisayar bilimi dışında da bir çok alanda kullanılmaktadır. Her ne kadar bu alanların başında finans ve satış verilerini incelemesi gelse de insan davranışları, tıp alanlarında da kullanılabilinmektedir. AutoRegressive Integrated Moving Average model (ARIMA) bu anlamda yaygın kullanılan modellerden bir tanesidir. ARIMA modeli ile veri setleri gözlenebilir veya gelecek tahminleri yapılmasında kullanılabilir. Bununla beraber son zamanlarda ki gelişmelerle makine öğrenme modelleri de zaman serisi analizlerinde kullanılmaktadır. Bu çalışmaya konu olan veri seti son yıllarda popüler olan kripto para birimi, bitcoin dünyada para metasına başka bir bakış açısı getirmiştir. Bu çalışmanın amacı bitcoin zaman serisinin gelecek fiyatının mevcut yöntemler olan ARIMA ve yeni soluk getiren Yapay Sinir Ağ modeli kullanılarak tahmin edilmesi ve modellerin karşılaştırılması amaçlanmıştır. Bu iki model python programlama dili kullanılarak uygulanmış ve bitcoin veri setinin gelecek 30 günlük değerinin tahmin edilmesi sağlanmıştır. iki modelin yaptığı tahmin sonuçları karşılaştırılmıştır. Tez sonucu göstermiştir ki Yapay Sinir Ağ modeli olan Uzun-kısa süreli bellek modeli yaygın kullanılan yöntem olan ARIMA ya göre çok daha iyi tahminlerde bulunmuştur.
Özet (Çeviri)
A wide range of disciplines going beyond the social and physical sciences, finance and sales being the major ones, rely on time series. Time series models are useful in modeling disease progression, human behavior, numbers of patients, market prices and economic forecasting, and other relevant, domain-specific goals related to resource management and problem prediction. ARIMA, Auto Regressive Integrated Moving Average Model, is a model of statistical analysis that uses data from time series to either better understand the data set or to predict future patterns. More recently, it has been proposed that machine learning models such as neural networks provide the potential for analyzing time series. Long Short-Term Memory models are a type of model for Neural Networks and are used effectively for forecasting time series. This analysis used the daily data set of bitcoin, which is a popular cryptocurrency widely used worldwide. We implemented both ARIMA and LSTM models using the Python programming language and tried to predict the Bitcoin data set's next 30-day values and compared their results in predicting bitcoin data. Study results showed that forecasting using a Long Short-Term Memory model has a higher accuracy value than ARIMA test results.
Benzer Tezler
- İşletmelerin satış bütçelerinin oluşturulmasında ARIMA, LSTM ve hibrit modellerin karşılaştırılması: Üretim işletmesi örneği
Comparison of ARIMA, LSTM and hybrid models in establishing sales budgets: A case of production facility
AYŞE SOY TEMÜR
- Derin öğrenme ve istatistiksel modellerle operasyonel rüzgar enerjisi tahmini: Batman içinn LSTM, ANN ve ARIMA uygulaması
Operational wind energy forecasting using deep learning and statistical models: An application of LSTM, ANN and ARIMA for Batman
İLAYDA KELKİTLİ BAŞARAN
Yüksek Lisans
Türkçe
2026
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA KEMAL KAYMAK
- Kızamık vaka sayılarının bilgisayar destekli öngörülmesi için farklı zaman serisi modellerinin performans karşılaştırması
Performance comparison of different time series models for computer-aided forecasting of measles case numbers
ÖZCAN GÜLER
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTekirdağ Namık Kemal ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. PINAR CİHAN
- Comparison of artificial neural networks and deep learning methods for predicting export prices of agricultural products
Tarım ürünlerinin ihracat fiyatlarının tahminlenmesinde yapay sinir ağları ve derin öğrenme yöntemlerinin karşılaştırılması
HALİT AHMET AKDEMİR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YALÇIN ÇEBİ
- Zaman serisi ve sinir ağları kullanarak meme kanseri teşhisinde makine öğrenmesi modellerinin karşılaştırmalı analizi
Comparative analysis of machine learning models for breast cancer diagnosis using time series and neural networks
SERKAN TAŞPINAR
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAfyon Kocatepe ÜniversitesiBilgisayar Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KEREM GENCER