Geri Dön

Çok yanıtlı deneysel verilerin görünüşte ilişkisiz regresyon analizi ile modellenmesi ve optimal değişken değerlerinin belirlenmesi

Modeling of multi-response experimental data with seemingly unrelated regression analysis and determining the optimal values of the variables

  1. Tez No: 734521
  2. Yazar: SERHAN TUNÇEL
  3. Danışmanlar: DOÇ. DR. ÖZLEM TÜRKŞEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 109

Özet

Çok yanıtlı deneysel verilerin regresyon analizinde parametre tahmini için En Küçük Kareler (EKK) en yaygın kullanılan yöntemdir. Bu yöntem ile yanıtların her biri ayrı ayrı analiz edilerek model parametre tahminleri elde edilir. Yanıtlar arasında doğrusal ilişki olması durumunda EKK ile elde edilen parametre tahminleri güvenilir olmayabilir. Bu nedenle, yanıtlar arasında mevcut olan doğrusal ilişkiyi modele aktarabilen parametre tahmin yönteminin uygulanması gerekir. Bu çalışmada, çok yanıtlı deneysel verilerin modellenmesi amacıyla yanıt değişkenleri arasında doğrusal ilişki olması durumunda Görünüşte İlişkisiz Regresyon (GİR) analizi uygulanmıştır. Optimizasyon aşamasında, çok yanıtlı problem çok amaçlı optimizasyon (ÇAO) problemi olarak ele alınıp, metasezgisel yöntemlerden NSGA-II (Non-dominated Sorting Genetic Algorithm-II) ve MODE (Multi Objective Differential Evolution) kullanılmıştır. ÇAO sonucu elde edilen Pareto çözümler arasından Çok Ölçütlü Karar Verme yöntemleriyle (TOPSIS, MABAC ve CODAS) uzlaşık çözüme karar verilmiştir. Mühendislik, kimya ve gıda çalışmalarından alınan üç deneysel veri kümesi için uygulamalar yapılmıştır. Veri kümeleri üzerinde modelleme ve optimizasyon süreçlerine ilişkin performans metrikleri incelendiğinde, sırasıyla GİR yönteminin ve MODE algoritmasının etkin olduğu gözlenmiştir. TOPSIS, MABAC ve CODAS yöntemleri ile uzlaşık çözüme karar verilerek veri kümelerine ilişkin optimal deney koşulları belirlenmiştir.

Özet (Çeviri)

Ordinary Least Squares (OLS) is the most widely used method for parameter estimation in regression analysis of multi-response experimental data. With this method, model parameter estimates are obtained by analyzing each of the responses separately. If there is a linear relationship between the responses, the parameter estimates obtained by the OLS may not be reliable. Therefore, parameter estimation method should be applied that can consider the linear relationship between the responses to the model. In this study, Seemingly Unrelated Regression (SUR) analysis was applied in case of linear relationship between response variables in order to model multi-response experimental data. In the optimization phase, the multi-response problem was considered as a multi-objective optimization (MOO) problem and the metaheuristic methods NSGA-II (Non-dominated Sorting Genetic Algorithm-II) and MODE (Multi Objective Differential Evolution) were used. Among the Pareto solutions obtained as a result of the MOO, the compromise solution was decided by using Multi-Criteria Decision Making methods (TOPSIS, MABAC and CODAS). Applications are made for three experimental datasets from engineering, chemistry and food studies. When the performance metrics related to the modeling and optimization processes on the datasets are examined, it has been observed that the SUR method and the MODE algorithm are effective, respectively. Optimal experimental conditions for the datasets were determined by deciding on the compromise solution with TOPSIS, MABAC and CODAS methods.

Benzer Tezler

  1. Karma veri modellerinin optimizasyonu için esnek hesaplama yöntemleri

    Soft computing methods for optimization of mixed data models

    GÖZDE KARAKOÇ

    Doktora

    Türkçe

    Türkçe

    2024

    İstatistikAnkara Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. ÖZLEM TÜRKŞEN

  2. Kalsiyum sabunlu gres üretimine etki eden proses parametrelerinin incelenmesi

    Investigation of the process parameters effecting on calciumsoap grease production

    ZEYNEP ESENOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Kimya MühendisliğiGebze Teknik Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    PROF. DR. MAHMUT RAHİM BAYRAMOĞLU

  3. Lityum sabunlu gres üretimine etki eden proses parametrelerinin incelenmesi

    Investigation of the process parameters effecting on lithium soap grease production

    CEYHAN ÇAĞLAR ÇAPANOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Kimya MühendisliğiGebze Teknik Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    PROF. DR. MAHMUT RAHİM BAYRAMOĞLU

  4. Kompozit malzemelerde mekanik özelliklerin istatiksel deney tasarımı ile modellenmesi ve optimizasyonu

    Modelling and optimization of mechanical properties in composite materials by statistical experimental design

    ESRA KAYMAK AKSU

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    KimyaGebze Teknik Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    PROF. DR. MAHMUT RAHİM BAYRAMOĞLU

  5. Polipropilen talk/kolemanit hibrit kompozit malzemelerin çekme özelliklerinin deneysel tasarım yöntemi ile eniyilenmesi/yapay sinir ağı ile kestirimi

    Tensile properties of polypropylene talc/colemanite hybrid composite materials optimization by experimental design method/estimation with artifical neural network

    EMEL ŞAHİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Makine MühendisliğiKocaeli Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ŞENOL ŞAHİN