Forecasting for autocarrelated data using statistical signal processing
Başlık çevirisi mevcut değil.
- Tez No: 65504
- Danışmanlar: DOÇ.DR. G. MİRAÇ BAYHAN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: ARMA, Nötralizasyon, Sabunlar, Ses işleme, Yağ fabrikaları, ARMA, Neutralization, Soaps, Speech processing, Oil factories
- Yıl: 1997
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
ARMA modeller, sistemin tanımlanması, konuşma (ses) işleme gibi çeşitli sinyal işleme uygulamalarında yaygın olarak kullanılmaktadır. Bu çalışmada, bir yağ fabrikasındaki ham yağın nötralizasyon işleminden elde edilen sabun miktarını tahmin etmek üzere, bu işlemden alınan data için ARMA modellerden AR modelin uygun olduğuna karar verildi. AR modelin mertebesi altı tane kriter yardımıyla belirlendikten sonra, yaygın olarak kullanılan yedi tane sinyal işleme algoritmasının herbiriyle modelin parametreleri tahmin edildi. Enküçük ortalama hata kareye (EOHK) sahip olan model eniyi model olarak belirlendi. Eniyi modelin parametreleri kullanılarak nötr yağdaki sabun miktarı tahmin edildi. Sinyal işleme algoritmaları ile elde edilen EOHK'ler, geleneksel tahmin tekniklerinden Box&Jenkins metodunun kullanılmasıyla bulunan EOHK'lerle kıyaslandığında önceki alternatiflerin daha iyi sonuçlar verdiği gözlendi. Bu çalışmada kullanılan herbir mertebe belirleme kriteri ve parametre talimin yöntemi için gerekli bilgisayar programları MATLAB'da yazıldı.
Özet (Çeviri)
Autoregressive moving average (ARMA) models have found wide applications in various signal processing applications like system identification, speech processing, spectrum estimation, etc. In this study, a general class of ARMA models, AR model, is identified for the data from the neutralization process of crude oil to forecast the amount of sodium oleate in an oil factory. Therefore first order of AR model is determined by using six order selection criteria, then parameters of AR model are estimated by using seven signal processing algorithms. The best model is determined according to the minimum mean square errors (MSE) computed by using estimated model parameters for each algorithm and for each selected order. The best model parameters are used to forecast the amount of sodium oleate in the nutr oil. Then MSEs of all algorithms are compared MSEs found by Box&Jenkins method. Each of the fourty alternatives is better than the one produced by Box&Jenkins method. As a result, each of the six algorithms is superior to Box&Jenkins method in this study. Also, computer programs in MATLAB are written for six order selection criteria and seven signal processing algorithms.
Benzer Tezler
- Beton basınç dayanımının hızlandırılmış deneyle saptanması
Başlık çevirisi yok
ALİ TÜREN ÖZTÜRK
Yüksek Lisans
Türkçe
1987
İnşaat MühendisliğiKaradeniz Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERBİL ÖZTEKİN
- Short-term on-line load forecasting algorithms in power systems
Başlık çevirisi yok
İBRAHİM BESLEME
Yüksek Lisans
İngilizce
1988
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiDOÇ. DR. NEZİH GÜVEN
- Manisa ve çevresindeki bağlarda 1977-1986 yılları arasında zararlı olan böcekler ve bu böceklere karşı uygulanan savaşım yöntemlerinin gelişimi
The Investigations over the harmful insects in Manisa and surrounding vineyards and the developments of the contention methods against to these insects from 1977 up to 1986
FİLİZ ELBEYLİ
- An Empricil evaluation of alternative forecasting combination models
Başlık çevirisi yok
HAKAN ADANALI
Yüksek Lisans
İngilizce
1988
Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik ÜniversitesiYRD. DOÇ. DR. SİNAN KAYALIGİL
- Sosyal hesaplama matrisi (SHM) ve Türkiye 1979 Input-output tablosu ile bir uygulama
Başlık çevirisi yok
MEHMET ŞİMŞEK