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: Belirtilmemiş.
- 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: 108
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
- Finansal zaman serilerindeki oynaklığın çok değişkenli GARCH modelleri ile analizi
Analysis of the volatility in financial time series using multivariate GARCH models
MEHMET OZAN ÖZDEMİR
- Yağış verilerinin stokastik modelleme yöntemlerindeki belirsizliğin değerlendirilmesi
Evaluation of uncertainty in stochastic modeling methods of precipitation data
AHMET TANRIKULU
Doktora
Türkçe
2025
İnşaat MühendisliğiPamukkale Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ÜLKER GÜNER
- Samsun Bölgesi yeraltı suyu kalitesi verileri üzerine zaman serileri analizinin uygulanması
Başlık çevirisi yok
SALİH YÜKSEL
Yüksek Lisans
Türkçe
1995
Çevre MühendisliğiOndokuz Mayıs ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. A. NUR ONAR
- Effect of uncertainty in wind on wind-hydro hybrid system
Rüzgardaki belirsizliğin rüzgar-hidro hibrit sistem üzerindeki etkisi
ONUR GÜNDOĞDU
Yüksek Lisans
İngilizce
2025
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ELÇİN KENTEL ERDOĞAN
- Forecasting for e-commerce sales using supervised machine learning algorithms
Gözetimli makine öğrenmesi algoritmaları kullanılarak e- ticaret satışlarının tahminlenmesi
AYÇELEN PAMUK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMEF ÜNİVERSİTESİBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUNA ÇAKAR