Geri Dön

Hybrid model-based estimation for accurate prediction of temporal big data

Zamansal büyük verilerin doğru tahmini için hibrit model tabanlı tahmin

PDF İndir

  1. Tez No: 920734
  2. Yazar: FATİH KIHTIR
  3. Danışmanlar: PROF. DR. KASIM ÖZTOPRAK
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Konya Gıda ve Tarım Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 174

Özet

Zamansal büyük veri, hacmi, hızı ve karmaşıklığı nedeniyle doğru tahmin için önemli zorluklar sunmaktadır. Bu tez, üç ana katkı ile bu zorlukları ele almaktadır. İlk olarak, zamansal büyük veri tahmini için geliştirilmiş K-means kümeleme ile Gizli Markov Modellerini (HMM) ve Baum-Welch algoritmasını birleştiren yeni bir hibrit model öneriyoruz. İkinci olarak, özellik seçimi ve hibrit CNN-LSTM/GRU mimarisi aracılığıyla %96 doğruluk elde eden güneş radyasyonu tahmini için Deep-FS adlı derin öğrenme yaklaşımını sunuyoruz. Üçüncü olarak, KNN-SVM kombinasyonlarının üstün performansını gösteren hisse senedi fiyat tahmini için hibrit KNN tabanlı modellerin karşılaştırmalı bir analizini sunuyoruz. Araştırma metodolojisi, NASA'nın SORCE veri setini kullanan güneş radyasyonu tahmini ve 2020-2023 yılları arasında büyük teknoloji şirketlerinin (AAPL, GOOGL, MSFT) hisse senedi verilerini içeren teorik analiz ve deneysel doğrulamayı birleştirmektedir. Sonuçlar, KNN-SVM hibridinin GOOGL için optimal sonuçlar (RMSE: 2.11, R2: 0.968) elde ederken, AAPL (RMSE: 13.56) ve MSFT (RMSE: 25.39) için orta düzeyde performans göstererek geleneksel yöntemlere göre önemli iyileştirmeler sağladığını göstermektedir. Tez, zamansal büyük veri tahmini için ölçeklenebilir bir hibrit mimari geliştirmekte, güneş radyasyonu tahmininde gelişmiş özellik seçimi için Deep-FS'yi tanıtmakta ve farklı piyasa koşullarında hibrit model performansının kapsamlı bir değerlendirmesini sunmaktadır.

Özet (Çeviri)

Temporal big data presents significant challenges for accurate prediction due to its volume, velocity, and complexity. This thesis addresses these challenges through three main contributions. First, we propose a novel hybrid model combining improved Kmeans clustering with Hidden Markov Models (HMM) and the Baum-Welch algorithm for temporal big data prediction. Second, we introduce Deep-FS, a deep learning approach for solar radiation prediction that achieves 96% accuracy through feature selection and a hybrid CNN-LSTM/GRU architecture. Third, we present a comparative analysis of hybrid KNN-based models for stock price forecasting, demonstrating superior performance of KNN-SVM combinations. The research methodology incorporates theoretical analysis and experimental validation using NASA's SORCE dataset for solar radiation prediction and stock data from major technology companies (AAPL, GOOGL, MSFT) between 2020-2023. Results demonstrate significant improvements over conventional methods, with the KNN-SVM hybrid achieving optimal results for GOOGL (RMSE: 2.11, R2: 0.968) while showing moderate performance for AAPL (RMSE: 13.56) and MSFT (RMSE:25.39). The thesis contributes a scalable hybrid architecture for temporal big data prediction, introduces Deep-FS for enhanced feature selection in solar radiation forecasting, and provides a comprehensive evaluation of hybrid model performance across different market conditions.

Benzer Tezler

  1. Tez No

    541581

    İstanbul Boğazı su seviyesi değişimleri hibrit dalgacık-matematiksel tahmin modelleri

    Hybrid wavelet- mathematical models for water level prediction Bosphorus Strait

    ELİF KARTAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDÜSSELAM ALTUNKAYNAK

  2. Tez No

    922595

    Rüzgâr enerjisi üretim tahmini için hibrit transformer modeli

    Hybrid transformer model for wind energy production forecasting

    AHMED BABIKER ABDALLA IBRAHIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Cumhuriyet Üniversitesi

    Yapay Zeka ve Veri Bilimi Ana Bilim Dalı

    DOÇ. DR. KENAN ALTUN

  3. Tez No

    911475

    A new agro-meteorological drought index based on remote sensing

    Uzaktan algılama temelli yeni bir agro-meteorolojik kuraklık indeksi

    EYYUP ENSAR BAŞAKIN

    Doktora

    İngilizce

    İngilizce

    2024

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET CÜNEYD DEMİREL

  4. Tez No

    949440

    Test verilerine dayalı, makine öğrenmesi ve derin öğrenme yöntemleri ile batarya sağlık durumu tahmini

    Battery state of health estimation based on test data using machine learning and deep learning methods

    MEHMET ALİ ARSLANTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. FİKRET ÇALIŞKAN

  5. Tez No

    940901

    Gaziantep'te PM2.5 konsantrasyonunun zamansal ve mekânsaltahminine yönelik transfer öğrenme destekli hibrit yapay zeka modelleri

    Spatio-temporal estimation of PM2.5 concentrations in gaziantepusing transfer learning-based hybrid artificial intelligence models

    TÜRKAN ZENGİN GÖMLEKSİZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Meteorolojiİstanbul Teknik Üniversitesi

    İklim Bilimi ve Meteoroloji Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜSEYİN TOROS

Geri Dön