Uzun kısa-süreli hafıza derin yapay sinir ağı ile giresun ili minimum sıcaklık öngörüsü
Minimum weather temperature forecasting of giresun province using long short-term memory deep artificial neural network
- Tez No: 660655
- Danışmanlar: DR. ÖĞR. ÜYESİ ALİ ZAFER DALAR
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Giresun Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 59
Özet
Son yıllarda zaman serisi öngörüsünde derin öğrenme yöntemlerinin klasik zaman serisi yöntemleri, bulanık zaman serisi yöntemleri ve diğer yapay sinir ağları yöntemlerine göre daha iyi sonuçlar verdiği görülmektedir. Derin öğrenmenin gelişimi ile yapay sinir ağlarında oluşan yenilikçi ağ modellerinden biri ve aynı zamanda bir derin öğrenme yöntemi olan uzun kısa-süreli hafıza yöntemi literatürde zaman serisi analizinde kullanılmaya başlanmıştır. Yapay sinir ağlarında olduğu gibi derin öğrenme yöntemlerinde de oluşturulan modele ait başlangıç değerleri ve modelin içerisindeki ağ ağırlık değerleri modelin zaman serisi öngörü performansına etki etmektedir. Bu değerlerin belirlenmesi öngörü doğruluğu konusunda önem arz etmekte olup literatürde çözülmesi gereken bir problem olarak karşımıza çıkmaktadır. Bu tez kapsamında; başlangıç değerlerinin üretilmesinde Xavier yöntemini, katman ağırlıklarının optimize edilmesinde ise Adam optimizasyon algoritmasını kullanan tek katmanlı uzun kısa-süreli hafıza yaklaşımı kullanılmış ve bu yaklaşımın öngörü performansını göstermek için Giresun ili günlük ortalama minimum sıcaklık gerçek hayat zaman serisi kullanılmıştır. Bu yaklaşım, literatürde var olan diğer bazı öngörü yöntemleri ile öngörü performansı açısından karşılaştırılmış ve yaklaşımın diğer yöntemlere göre daha üstün öngörü performansına sahip olduğu görülmüştür.
Özet (Çeviri)
In recent years, it has been observed that deep learning methods give better results in time series forecasting compared to classical time series methods, fuzzy time series methods and other artificial neural network methods. With the development of deep learning, long short-term memory, which is one of the innovative network models formed in artificial neural networks and is also a deep learning method, has started to be used in time series analysis in the literature. As in artificial neural networks, the initial values of the model created in deep learning methods and the weight values in the model affect the time series forecasting performance of the model. It is important to determine these values for forecasting accuracy and they appear as problems to be solved in the literature. Within the scope of this thesis, the single layered long short-term memory approach, using the Xavier method in generating the initial values of the model and the Adam algorithm for optimizing the layer weights, was utilized. The daily average minimum temperature real-world time series in Giresun province was used to show the forecasting performance of the approach. The approach was compared with some other forecasting methods in the literature in terms of forecasting performance and it was found that the approach has a superior forecasting performance compared to other methods.
Benzer Tezler
- Forecasting stock prices using deep learning models with technical indicators
Teknik göstergelerle derin öğrenme modelleri kullanarak hisse senedi fiyatı tahmini
MİNE KONUR
Yüksek Lisans
İngilizce
2024
İstatistikAdana Alparslan Türkeş Bilim Ve Teknoloji ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA GÖÇKEN
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Feasibility analysis based on advanced deep learning techniques in integrating renewable energy resources into microgrids
Yenilenebilir enerji kaynaklarının mikroşebekelere entegre edilmesinde gelişmiş derin öğrenme tekniklerine dayalı uygulanılabilirlik analizi
FATHI FARAH FADOUL FATHI FARAH FADOUL
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RAMAZAN ÇAĞLAR
- Yapay zeka teknikleri kullanılarak beceri ve yeterlilik belirlemeye dayalı kariyer eşleştirme
Career matching based on determining skills and competencies using artificial intelligence techniques
HİLAL ERİSEV
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET SERTBAŞ
- A comparison of LSTM and GNN based session recommendation systems
LSTM ve GNN tabanlı oturum öneri sistemlerinin karşılaştırılması
ÇAĞRI EMRE YILDIZ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF YASLAN