Leveraging transformer models for enhanced time series forecasting of export amounts
İhracat miktarlarının gelişmiş zaman serisi tahmini için transformatör modellerinden yararlanma
- Tez No: 899590
- Danışmanlar: DOÇ. DR. BEYTULLAH YILDIZ, PROF. DR. ALİ YAZICI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Atılım Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
- Sayfa Sayısı: 101
Özet
İhracat miktarlarının tahmin edilmesi, küçük ve orta ölçekli işletmelerin (KOBİ'ler) küresel pazarlarda rekabetçi kalabilmesi için çok önemlidir. Geleneksel makine öğrenimi yöntemleri, finansal verilerin her şirket için yıllık olarak kaydedildiği, düzensiz dalgalanmalar ve uzun vadeli bağımlılıklar sergileyen çok değişkenli çoklu zaman serisi analizinin karmaşıklıklarıyla başa çıkmakta genellikle zorluk yaşar. Bu zorlukların üstesinden gelmek için, yıllık tekrar eden finansal verileri kullanarak ihracat miktarlarını tahmin etmek amacıyla Transformatör tabanlı bir yaklaşım sunuyoruz. Gelişmiş dikkat mekanizmalarına sahip Transformatör modeli, her bir işletmenin dokuz yıllık verisini içeren veri setimizde Rastgele Orman (Random Forest) ve Uzun Kısa Dönemli Bellek (LSTM) modellerinden daha iyi performans göstermiştir. Veri setindeki zaman noktalarının sayısı azaltıldığında Transformatör modelinde önemli bir performans düşüşü gözlemlenmiştir. Bununla beraber, genişletilmiş bir zaman serisi kullanıldığında performansının önemli ölçüde artması, başarılı ve etkili sonuçlar elde etmek için yeterince uzun, özellik açısından zengin zaman serilerine ve etkili özellik mühendisliğine ihtiyaç duyulduğunu açıkça göstermiştir.
Özet (Çeviri)
Forecasting export amounts is crucial for small and medium-sized enterprises (SMEs) to remain competitive in global markets. Traditional machine learning methods often struggle with the complexities of multiple multivariate time-series analysis, where financial data is recorded annually for each company, showing irregular fluctuations and long-term dependencies. Address these challenges, we introduce a Transformer based approach for forecasting export amounts using annually repeated financial data. The Transformer model, with its advanced attention mechanisms, outperformed Random Forest and Long Short-Term Memory (LSTM) models on our dataset, which spans nine years for each enterprise. When the number of time points in the dataset was reduced, the Transformer model exhibited a significant drop in performance. However, its performance increased notably with the use of an extended time series, clearly showing that successful and impactful results require sufficiently long, feature rich time series, enhanced by effective feature engineering. These findings indicate that Transformer models can significantly improve the accuracy of forecasting complex time series based on financial data and offer valuable insights for SMEs and policymakers.
Benzer Tezler
- Derin öğrenme algoritmaları ile personel geri bildirimlerinin sınıflandırılması ve analizi
Classification and analysis of employee feedback with deep learning algorithms
GÖKHAN YİĞİDEFE
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERAP ÇAKAR KAMAN
- Elektrik enerjisi talep tahmini: Aydın, Denizli ve Muğla bölgesi örneği
Electric energy demand forecasting: the case of Aydin, Denizli, and Muğla regions
HAKAN ELBAŞ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
PROF. DR. TURGAY TUGAY BİLGİN
- Deep transformer-based asset price and direction prediction
Derı̇n transformatör tabanlı varlık fı̇yatı ve yön tahmı̇nı̇
ABDUL HALUK BATUR GEZİCİ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin ÜniversitesiYapay Zeka Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE SEFER
- Deep fractional Fourier networks
Derin kesirli Fourier ağları
EMİRHAN KOÇ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYKUT KOÇ
- Metabolism-oriented multiomics data integration
Farklı omı̇k verı̇lerı̇n metabolı̇zma odaklı entegrasyonu
AYCAN ŞAHİN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. ALİ ÇAKMAK