Geri Dön

Automatic time series forecasting using the ATA method with STL decomposition and Box-Cox transformation

STL ayrıştırmalı ve Box-Cox dönüşümlü ATA metodu kullanılarak otomatik zaman serisi öngörüsü

PDF İndir

  1. Tez No: 709014
  2. Yazar: ALİ SABRİ TAYLAN
  3. Danışmanlar: PROF. DR. GÜÇKAN YAPAR
  4. Tez Türü: Doktora
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

ATA metodu, mevcut yöntemlerin başlangıç değeri ve optimizasyon aşamalarında karşılaşılan sorunlara yenilikçi çözümler sunan yeni bir tek değişkenli zaman serisi tahmin yöntemidir. ATA methodunun öngörü performansı, hem uygulama kolaylığı hem de öngörülerin doğruluğu açısından mevcut öngörü yöntemlerinden üstündür. Mevsimsellikten arındırmanın tercih edilen herhangi bir ayrıştırma yöntemiyle gerçekleştirilebildiği mevsimsel olmayan veya mevsimsellikten arındırılmış zaman serilerine uygulanabilir. Otomatik zaman serisi öngörüleri için kapsamlı bir sistem olarak tasarlanan algoritma ATAforecasting ve fable.ata R paketleri olarak geliştirilmiştir. Hazırlanan algoritma, her çeşit zaman serisi bileşenini tercih edilen herhangi bir ATA yöntemiyle modellemeye ve bazı popüler ayrıştırma tekniklerini kullanarak mevsimsellik modellerini ele almaya odaklanır. ATAforecasting algoritması araştırmacıların, STL, TBATS, stR, TRAMO/SEATS ile mevsimselliği modelleyebilmesini, Box-Cox dönüşüm ailesi ile dönüşüm yapabilmesini ve herhangi bir zaman serisini basit ATA, toplamsal, çarpımsal, sönümlü trend ATA ve sabit-seviyeli ATA trend yöntemleriyle analiz edebilmesini sağlar. Araştırmacılar ve veri analistleri için herhangi bir tür zaman serisi veri setini uzmanlık gerektirmeden modellemek için geniş kapsamlı fonksiyonlar sunar. Ek olarak, ATAforecasting algoritması model spesifikasyonlarının türlerini ve bunların grafiklerini oluşturur ve ATA metodunun performansını kesinlikle artıran farklı doğruluk ölçütleri kullanır.

Özet (Çeviri)

ATA method is a new univariate time series forecasting method which provides innovative solutions to issues faced during the initialization and optimization stages of existing methods. ATA forecasting performance is superior to existing methods both in terms of easy implementation and accurate forecasting. It can be applied to non-seasonal or deseasonalized time series, where the deseasonalization can be performed via any preferred decomposition method. The ATAforecasting and fable.ata R packages was developed as a comprehensive toolkit for automatic time series forecasting. It focuses on modeling all types of time series components with any preferred ATA methods and handling seasonality patterns by utilizing some popular decomposition techniques. The $\mathtt{\textbf{ATAforecasting}}$ package provides for researchers modelling seasonality with STL, TBATS, stR, TRAMO/SEATS, transforming with Box-Cox power transformation family and analysing the any time series with simple ATA and additive, multiplicative, damped trend ATA methods and level fixed ATA trended methods. It offers comprehensive functions for researchers and data analysts to model any type of time series data sets without requiring specialization. However, an expert user may use the functions that can model all possible time series behaviours. The package also incorporates types of model specifications and their graphs uses different accuracy measures that surely increase the ATA Method's performance.

Benzer Tezler

  1. Tez No

    491130

    Modelling and forecasting time series data using ATA method

    ATA yöntemi kullanılarak zaman serisi verilerinin modellenmesi ve tahminlenmesi

    HANİFE TAYLAN SELAMLAR

    Doktora

    İngilizce

    İngilizce

    2017

    İstatistikDokuz Eylül Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. GÜÇKAN YAPAR

  2. Tez No

    725497

    Real-time crash risk analysis using deep learning

    Derin öğrenmeyle gerçek zamanlı kaza risk analizi

    SAEID MORADI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ OSMAN ATAHAN

  3. Tez No

    955405

    XAU/USD prıce predıctıon usıng deep learnıng: hyperparameter optımızatıon wıth bayesıan, grey-wolf and genetıc algorıthms

    Derin öğrenme kullanarak XAU/USD fiyat tahmini: bayes, gri kurt ve genetik algoritmalarla hiperparametre optimizasyonu

    MELİS KÜÇÜK

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. FERHAN ÇEBİ

  4. Tez No

    14216

    Markov zincirleri ile pazar payı tahmini ve renkli televizyon pazarına ilişkin bir uygulama

    Market share estimation of colored TV with markov chains for the period of 1990-1995

    BÜLENT MENGÜÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    1990

    İşletmeİstanbul Teknik Üniversitesi

    DOÇ.DR. SELİME SEZGİN

  5. Tez No

    842001

    Yüzer güneş enerjisi santrallerinin (YGES) konuşlandırılmasında bulanık örtüştürmeye dayalı bir optimizasyon metodolojisi: YGES elverişli rezervuar yüzeyi

    An optimization methodology to deployment of floating photovoltaics (FPV) based on fuzzy overlay: FPV convenient reservoir surface

    MEHMET SEREN KORKMAZ

    Doktora

    Türkçe

    Türkçe

    2023

    Meteorolojiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET DURAN ŞAHİN

Geri Dön