Geri Dön

ARCH yapılı basamaklı yapay sinir ağı modeli ile zaman serisi öngörüsü

Time series forecasting via ARCH-type cascade artificial neural network model

PDF İndir

  1. Tez No: 708638
  2. Yazar: RADWAN MAHAMOUD ADEN
  3. Danışmanlar: PROF. DR. UFUK YOLCU
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  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: 80

Özet

Zaman serisi öngörüsü problemleri olasılıksal ve olasılıksal olmayan yaklaşımlar olarak iki başlıkta incelenebilir. Olasılıksal modeller, istatistiksel yaklaşımları temel alan Otoregresif (AR), Hareketli Ortalama (MA), Otoregresif Hareketli Ortalama (ARMA), Otoregresif Koşullu Değişen Varyans Modeli (ARCH) ve Genelleştirilmiş Otoregresif Koşullu Değişen Varyans Modeli (GARCH) gibi yaklaşımlardır. Bunun yanı sıra, bir zaman serisi tahmin aracı olarak, olasılıksal olmayan zaman serisi tahmin modellerinden, hesaplamalı yöntemler olarak da bilinen, Yapay Sinir Ağları (YSA) yaygın ve başarılı bir şekilde kullanılmaktadır. Bu çalışmada, ARCH yapılı bir yapay sinir ağı modeliyle girdiler ile çıktılar arasındaki doğrusal ve doğrusal olmayan ilişkileri birlikte, eş zamanlı tek bir süreç içerisinde, modelleyebilen bir zaman serisi öngörü aracı ortaya konmuştur. Bu tez kapsamında, Basamaklı-İleri Beslemeli-Yapay Sinir Ağı (B-YSA-Cascade Forward Artificial Neural Network) tekrarlayan (recurrent) bir yapıya dönüştürülerek kullanılmış ve ağın eğitimi genetik algoritma ile gerçekleştirilmiştir. Bu tez kapsamında önerilen ARCH-B-YSA'nın performansı ortaya konması adına,106 gözlemden oluşan, (Borsa İstanbul'da işlem gören piyasa ve işlem hacmi açısından en yüksek 100 hisse senedinin) oluşturduğu zaman serisi (BIST100) ve CIF2016 (2016 yılı Uluslararası Zaman Serisi Öngörü Yarışması=International Time Series Forecasting Competition) kapsamında kullanılan 48 zaman serisi . BIST-100 zaman serileri için gerçekleştirilen 6 analiz sonucunda önerilen modelin tatmin edici ve üstün öngörü sonuçları ürettiği görülmüştür. Ayrıca, CIF2016 zaman serileri için 288 analizin her biri için gerçekleştirilen 50 tekrar sonucunda, önerilen ARCH-B-YSA modelinin tüm durumların %71 inde en iyi ve diğerlerinde ise rekabetçi öngörü sonuçları ürettiği görülmüştür.

Özet (Çeviri)

Time-series prediction problems can be under two approaches: probabilistic and nonprobabilistic approaches. Probabilistic models are approaches based on statistical approaches such as Autoregressive (AR), Moving Average (MA), Autoregressive Moving Average (ARMA), Autoregressive Conditional Variance Model (ARCH), and Generalized Autoregressive Conditional Variance Model (GARCH). In addition, Artificial Neural Networks (ANN), one of the non-probabilistic time series porecasting models, also known as computational methods, are widely and successfully used as a time series forecasting tool. In this study, a time series prediction that can model linear and non-linear relationships between inputs and outputs together in a single simultaneous process with an ARCH structured artificial neural network model has been introduced. Within the scope of this thesis, the Cascade Forward Artificial Neural Network was transformed into a recurrent structure and the training of the network was studied with a genetic algorithm. To demonstrate the performance of the ARCHCascade Forward-ANN proposed within the scope of this thesis, the time series (BIST100) and CIF2016 (2016) consisting of 106 observations (the highest 100 stocks traded in Borsa Istanbul in terms of market and trading volume) 48-time series used within the scope of the International Time Series Forecasting Competition. As a result of 6 analyzes performed for the BIST-100 time series, it was seen that the proposed model produced satisfactory and superior prediction results. In addition, as a result of 50 iterations performed for each of the 288 analyzes for the CIF2016 time series, it was seen that the proposed ARCH-CF-ANN model produced the best results in 71% of all cases and competitive prediction results in the others.

Benzer Tezler

  1. Tez No

    780609

    Aortik ark anomali̇li̇ vasküler ring oluşturan fetüslerin postnatal değerlendi̇ri̇lmesi̇

    Postnatal outcomes of fetuses forming vascular ring with aortic ARCH anomaly

    REYHAN SAĞLAM

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Kadın Hastalıkları ve DoğumSağlık Bilimleri Üniversitesi

    Kadın Hastalıkları ve Doğum Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEVİM ÖZGE ÖZDEMİR

  2. Tez No

    584308

    Comparison of microtremor measurements and 3-D soil structure interaction analysis for a historical masonry arch bridge under near-fault and far-fault earthquakes

    Tarihi yığma yapılı bir kemer köprünün yakın ve uzak fay depremleri etkisinde 3D zemin-yapı etkileşimi analizi ile mikrotremor ölçümlerinin karşılaştırılması

    FEYZULLAH ÖZEL

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    İnşaat MühendisliğiGaziantep Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAMZA GÜLLÜ

  3. Tez No

    202176

    A model for assessing project management maturity level of architectural design offices (ARCH-PMM)

    Mimari tasarım bürolarının proje yönetimi olgunluk seviyelerini ölçen bir model (ARCH-PMM)

    DOĞAN ARDA BESET

    Doktora

    İngilizce

    İngilizce

    2007

    Mimarlıkİzmir Yüksek Teknoloji Enstitüsü

    Mimarlık Ana Bilim Dalı

    DOÇ. DR. H. MURAT GÜNAYDIN

  4. Tez No

    650802

    Maksiller all-on-four implant tasarımları üzerine tam ark sabit protetik üst yapılar ile hazırlanan farklı modellerin üç boyutlu sonlu elemanlar stres analiz yöntemi ile biyomekanik olarak değerlendirilmesi

    Biomechanical examinations i̇n different models prepared with maxillary all-on-four i̇mplant designs and full arch fixed prosthetic upper structures: Three dimensional finite element stress analysis method

    ZEKİYE BEGÜM GÜÇLÜ

    Doktora

    Türkçe

    Türkçe

    2020

    Diş HekimliğiAnkara Üniversitesi

    Protetik Diş Tedavisi Ana Bilim Dalı

    PROF. DR. AYHAN GÜRBÜZ

  5. Tez No

    153341

    Exploring the potential of mat-building for the creation of universally designed environments

    Bir tasarım stratejisi olarak yapı dokusu oluşturma yaklaşımının evrensel olarak tasarlanmış çevrelerin yaratılmasındaki potansiyelinin araştırılması

    YASEMİN EREN

    Yüksek Lisans

    İngilizce

    İngilizce

    2004

    MimarlıkOrta Doğu Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    DOÇ. DR. EMEL AKÖZER

    DOÇ. DR. HALİME DEMİRKAN

Geri Dön