Zaman serisi modellemesinde yapay sinir ağlarının kullanımı ve bir uygulama
Using artificial neural networks in time series modeling and an application
- Tez No: 232953
- Danışmanlar: YRD. DOÇ. DR. ATİLLA ASLANARGUN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: Türkçe
- Üniversite: Anadolu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, zaman serisi modellemesinde yapay sinir ağlarının kullanımı incelenmiştir. Bu amaçla İstanbul Menkul Kıymetler Borsası (İMKB) Ulusal-100 endeksi bir zaman serisi olarak incelenmiştir. İlk olarak, bu zaman serisinin öngörüsü için Box-Jenkins modellerinden biri olan otoregresif entegre hareketli ortalama (ARIMA) modeli kullanılmıştır. En uygun model bulunduktan sonra öngörü yapılmıştır. İkinci olarak, yapay sinir ağları kullanılarak aynı zaman serisi için en uygun model bulunmuş ve öngörü yapılmıştır. Her iki yöntem için STATISTICA paket programı kullanılmış ve sonuçlar ortalama hata kare (MSE) performans ölçütü kullanılarak karşılaştırılmıştır. Sonunda yapay sinir ağları kullanılarak bulunan doğrusal sinir ağı ile yapılan öngörünün Box-Jenkins ARIMA modeli ile yapılan öngörüden daha iyi performansa sahip olduğu ifade edilmiştir.
Özet (Çeviri)
In this thesis, using artificial neural networks in time series modeling is considered. For this purpose, İstanbul Stock Exchange National-100 index is considered as a time series. Firstly, autoregressive integrated moving average (ARIMA) model which is one of Box-Jenkins models is used for forecasting this time series. Forecasting is done after the most suitable model is found. Secondly, the most suitable model is found and forecasting is done for the same time series by using artificial neural networks. STATISTICA package program is used for both methods and results are compared by using mean square error (MSE) performance measure. Finally, it is expressed that forecasting which is doing with linear neural networks finding by using artificial neural networks has better performance than forecasting which is doing with Box-Jenkins ARIMA model.
Benzer Tezler
- Modeling of the marine diesel engines with comparative machine learning methodologies
Gemi dizel motorların karşılaştırmalı makine öğrenmesi yöntemleri ile modellenmesi
MEHMET İLTER ÖZMEN
Doktora
İngilizce
2024
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN AZMİ ÖZSOYSAL
- Unsteady atmospheric flow solutions with OpenFOAM coupled with the numerical weather prediction software, WRF
OpenFOAM ile akuple numerik hava tahmin modeli, WRF kullanılarak zamana bağlı atmosferik akış çözümleri
ENGİN LEBLEBİCİ
Doktora
İngilizce
2018
Havacılık ve Uzay MühendisliğiOrta Doğu Teknik ÜniversitesiHavacılık ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL HAKKI TUNCER
- Head gesture recognition for a semi-autonomous powerchair
Yarı-otonom akülü sandalye için kafa hareketleri tanıma
UBEYDE MAVUŞ
Yüksek Lisans
İngilizce
2017
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. VOLKAN SEZER
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- İleri beslemeli yapay sinir ağları ile zaman serisi tahmininde gizli tabaka sayısı ve test kümesi uzunluğunun etkisi
Effectiveness of hidden layer number and length of test group for forecasting feed forward neural networks in time series
EBRUCAN TİRİNG
Yüksek Lisans
Türkçe
2010
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. FARUK ALPASLAN