Geri Dön

Hybrid wavelet-neural network models for time series data

Zaman serisi verileri için hibrit dalgacık-sinir ağı modelleri

PDF İndir

  1. Tez No: 665899
  2. Yazar: DENİZ KENAN KILIÇ
  3. Danışmanlar: PROF. DR. ÖMÜR UĞUR
  4. Tez Türü: Doktora
  5. Konular: Bilim ve Teknoloji, Matematik, İstatistik, Science and Technology, Mathematics, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Uygulamalı Matematik Enstitüsü
  11. Ana Bilim Dalı: Finansal Matematik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 142

Özet

Tez, zaman serilerine uygun bir model yapısı bulmak için dalgacık teorisini do˘grusal olmayan modellerle, özellikle sinir a˘glarıyla birle¸stirmeyi amaçlamaktadır. Finansal zaman serileri gibi veriler dura˘gan olmayan, gürültülü ve kaotik verilerdir. Bu nedenle dalgacık analizi kullanmak, hem frekans hem de zaman anlamında daha iyi modellemeye yapmaya yardımcı olmaktadır. S&P500 (^GSPC) ve NASDAQ (^IXIC) verileri çoklu çözünürlük analizi (MRA) kullanılarak birkaç bile¸sene ayrılmaktadır. Daha sonra, her kısım uygun bir sinir a˘gı yapısı kullanılarak modellenmektedir. Bu adımda, modelin dizaynı alt serilerin yapısına göre olu¸sturulmaktadır. Sonra her bir alt dizinin tahminleri birle¸stirilmektedir. Birle¸sik tahmin sonucu, sadece do˘grusal olmayan bir model kullanılarak tahminlenmi ¸s orijinal zaman serisinin sonucu ile kar¸sıla¸stırılmaktadır. Dahası, dalgacıklar bir hibrit LSTM-Wavenet modeli olu¸sturmak üzere LSTM a˘gları içinde aktivasyon fonksiyonu olarak kullanılmaktadır. Ayrıca, önerilen yöntem olarak hibrit LSTM-Wavenet modeli ve MRA birle¸stirilmektedir. Kısacası, MRA ve hibrit LSTM-Wavenet modelinin kullanılmasının hem S&P500 hem de NASDAQ verileri için yitim fonksiyonunu azaltıp azaltmadı˘gı incelenmektedir. Dört farklı modelleme yöntemi kullanılmaktadır: LSTM, LSTM + MRA, hibrit LSTM-Wavenet, hibrit LSTM-Wavenet + MRA (önerilen yöntem). Sonuçlar, dalgacıkların aktivasyon fonksiyonu olarak MRA ile birlikte kullanılmasının hata de˘gerlerini en fazla azalttı˘gını göstermektedir.

Özet (Çeviri)

The thesis aims to combine wavelet theory with nonlinear models, particularly neural networks, to find an appropriate time series model structure. Data like financial time series are nonstationary, noisy, and chaotic. Therefore using wavelet analysis helps better modeling in the sense of both frequency and time. S&P500 (^GSPC) and NASDAQ (^IXIC) data are divided into several components by using multiresolution analysis (MRA). Subsequently, each part is modeled by using a suitable neural network structure. In this step, the design of the model is formed according to the pattern of the subseries. Then predictions of each subseries are combined. The combined prediction result is compared to the original time series's prediction result using only a nonlinear model. Moreover, wavelets are used as an activation function for LSTM networks to form a hybrid LSTM-Wavenet model. Furthermore, the hybrid LSTM-Wavenet model is fused with MRA as a proposed method. In brief, it is studied whether using MRA and hybrid LSTM-Wavenet model decreases the loss or not for both S&P500 and NASDAQ data. Four different modeling methods are used: LSTM, LSTM+MRA, hybrid LSTM-Wavenet, hybrid LSTMWavenet+MRA (the proposed method). Results show that using MRA and wavelets as an activation function together decreases error values the most.

Benzer Tezler

  1. Tez No

    841195

    Mikroşebekelerde ada mod çalışmanın tespiti ve güç kalitesi olaylarının sınıflandırılması için yapay zekâ tabanlı kontrol yöntemlerinin geliştirilmesi

    Development of artificial intelligence based control methods for detection of islanding conditions and classification of power quality events in microgrids

    ALPER YILMAZ

    Doktora

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiBursa Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖKAY BAYRAK

  2. Tez No

    246872

    A new fuzzy wavelet neural network design for time series prediction

    Zaman serisi kestirimi için yeni bir dalgacık bulanık ağ tasarımı

    SEVCAN YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2009

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YUSUF OYSAL

  3. Tez No

    352396

    Terkos gölüne gelen aylık debinin çeşitli metotlarla tahmini

    Montly inflow prediction for Terkos lake by various methods

    HALİL İBRAHİM TÜRKOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET ÖZGER

  4. Tez No

    507966

    Improving data-driven based streamflow forecasting using wavelet transformation

    Dalgacık dönüşümü kullanılarak veriye dayalı akım tahmin modellerinin iyileştirilmesi

    SINAN JASIM HADI AL-DOORI

    Doktora

    İngilizce

    İngilizce

    2018

    İnşaat MühendisliğiAnadolu Üniversitesi

    Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı

    PROF. DR. MUSTAFA TOMBUL

  5. Tez No

    803117

    Sakarya Havzasındaki kısa dönem meteorolojik kuraklığın hibrit modeller ile tahmin edilmesi

    Prediction of short-term meteorological drought in the Sakarya Basin with hybrid models

    ÖMER COŞKUN

    Doktora

    Türkçe

    Türkçe

    2023

    İnşaat MühendisliğiErciyes Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HATİCE ÇITAKOĞLU

Geri Dön