Derin öğrenme ile zaman serilerinin gerçek zamanlı tahmini
Time series prediction in real time using deep learning
- Tez No: 513085
- Danışmanlar: DR. ÖĞR. ÜYESİ ALİ OSMAN ÇIBIKDİKEN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Zaman serisinde, bir olay sırasında alınan ölçümler ardışık zaman dilimi içinde uygun bir sırada düzenlenmiş olarak bulunur. Zaman serileri; iletişim, sağlık, hava tahmini ve finans gibi birçok alanda kullanılmaktadır. Finansal veri içeren zaman serilerinin analizinde; istatiksel yaklaşım için ARIMA ve makine öğrenmesi yaklaşımı için Uzun-Kısa Süreli Hafıza derin öğrenme mimarisi kullanılmıştır. Tahmin modellemesi için adımlar önerilerek, bu adımlar hisse senedi ve Bitcoin fiyat tahminlemesinde uygulanmıştır. Tahminleme performans ölçülerine göre sonuçlar değerlendirilerek, Uzun-Kısa Süreli Hafıza derin öğrenme mimarisinin daha başarılı olduğu gözlemlenmiştir. Bu Uzun-Kısa Süreli Hafıza mimarisinin, zaman serilerinin tahmininde geleneksel istatistik yöntemlere göre daha uygun olduğunu göstermektedir. Ayrıca elde edilen derin öğrenme modeline dayanan bir anlık hisse senedi tahminleme web arayüzü geliştirilmiştir.
Özet (Çeviri)
In the time series, the measurements taken during an event are arranged in a suitable order within the consecutive time slot. Time series are used in communication, health, weather forecasting and finance. ARIMA for the statistical approach and LSTM deep learning architecture for the machine learning approach have been used in the analysis of time series containing financial data. By suggesting steps for forecasting modeling, these steps have been implemented in stock and Bitcoin price prediction. It has been observed that the LSTM deep learning architecture is more successful by evaluating the results according to the estimation performance measures. This shows that the LSTM architecture is more appropriate in predicting time series than traditional statistical methods. In addition, an instant stock forecasting web interface based on the acquired deep learning model has been developed.
Benzer Tezler
- Improving time series forecasts through predictive error compensation and deep feature fusion
Tahmı̇nsel hata telafı̇sı̇ ve derı̇n öznitelik füzyonu yoluyla zaman serı̇sı̇ tahmı̇nlerı̇nı̇n gelı̇ştı̇rı̇lmesı̇
MUHAMMED ENES BAŞ
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- Neutrino particle direction estimation using transformer-based deep learning
Transformer tabanlı derin öğrenme kullanılarak nötrino parçacık yönü kestirimi
ŞEVVAL COŞKUN
Yüksek Lisans
İngilizce
2026
Fizik ve Fizik Mühendisliğiİstanbul Teknik ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
PROF. DR. EMRE ONUR KAHYA
ÖĞR. GÖR. DOĞU SIRT
- Bridging causal discovery and graph neural networks: a comparative perspective
Nedensel keşif ve çizge sinir ağları arasındaki köprü: Karşılaştırmalı bir bakış açısı
MUHAMMED ÖMER TAYLAN
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. SEFER BADAY
- Dalga dönüşümü entegrelı derın öğrenme kullanılarak öngörülemeyen olayları içeren elektrık tüketımı tahmını
Forecasting of electricity consumption with unpredictable events using wavelet-integrated deep learning
HISHAM ALNOUR ADAM HAMZA
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ AJDER
DOÇ. DR. RAMAZAN AYAZ
- Fog computing-based real-time emotion recognition using physiological signals
Fizyolojik sinyaller ile sis hesaplama tabanlı gerçek zamanlı duygu tanıma
ÖMÜR FATMANUR ERZURUMLUOĞLU
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN İNCE