Geri Dön

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

  1. Tez No: 660655
  2. Yazar: ONUR DERYA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ALİ ZAFER DALAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Giresun Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    İngilizce

    2024

    İstatistikAdana Alparslan Türkeş Bilim Ve Teknoloji Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA GÖÇKEN

  2. 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

  3. 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

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. RAMAZAN ÇAĞLAR

  4. 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

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-Cerrahpaşa

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET SERTBAŞ

  5. A comparison of LSTM and GNN based session recommendation systems

    LSTM ve GNN tabanlı oturum öneri sistemlerinin karşılaştırılması

    ÇAĞRI EMRE YILDIZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YUSUF YASLAN