Akademik Veri Yönetim Sistemi
Cağcağ Yolcu Ö. (Yürütücü), Aktoprak M. R.
Yükseköğretim Kurumları Destekli Proje, 2022 - 2023
Zaman serisi öngörü problemi birçok alanda karar vericilerin karşılaştığı bir problemdir. Her hangi alanda olursa olsun, karar verici, geleceğe ilişkin karar verme, etkin strateji ve politikalar geliştirme süreçlerinde, geçmiş ve günümüz bilgilerini kullanarak belirsizlik yerine tutarlı ve gerçekçi kararlar almayı sağlayabilmek adına olabildiğince doğru öngörülerde bulunmayı amaçlar. Bu amaçla, ilgili sektör ya da alanlarda gelecekte nelerle karşılaşılabileceği, belirlenen strateji ve politikaların hangi sonuçlara yol açabileceği gibi soruların yanıtlarını bulmada önemli rol oynayan öngörülerin elde edilmesinde farklı istatistiksel yöntemler geliştirilmiştir. Olasılıksal yöntemler olarak da adlandırılabilecek, geleneksel zaman serisi öngörü yöntemleri bir çok alanda yaygın şekilde kullanılıyor olmalarına rağmen gereksinim duydukları model seçimi, modele değişken seçimi, gözlem sayısı, durağanlık, tersinirlik gibi katı varsayımların ortaya çıkardığı dezavantajları aşmak adına farklı yaklaşımlar ortaya atılmıştır. Bu yaklaşımlar genel anlamda olasılıksal olmayan zaman serisi yöntemleri olarak adlandırılır ve farklı yapay sinir ağları modellerini içeren hesaplamalı ve bulanık zaman serisi yöntemleri, bulanık fonksiyon yaklaşımı gibi yaklaşımları içeren bulanık-tabanlı modeller olarak iki grupta ele alınabilir.
Önerilen tez kapsamında, bulanık fonksiyon yaklaşımının geliştirilerek zaman serilerinin öngörülmesi amaçlanmıştır. Bu doğrultuda, zaman serisi gözlemlerinin üyelikleri bulanık kümeleme algoritması ile elde edilir. Zaman serisinin her bir gözleminin her bir bulanık kümeye ait olmasının bir derecesini veren üyelik değerlerinin, bu üyelik değerlerinin bazı fonksiyonlarının ve zaman serisinin gecikmeli reel gözlemlerinin tahmin edici değişkenler yani girdiler olarak kullanıldığı ve ilgili bulanık kümeyi temsilen ilgili reel gözlemin öngörüsünün çıktı olarak elde edildiği bir fonksiyon yaklaşımı ortaya konması planlanmaktadır. Nihai öngörüler ise, her bir bulanık kümeyi temsilen elde edilen öngörülerin ilgili üyelik değerleri ile kombinasyonu ile oluşturulur. Ortaya konması planlanan bu fonksiyon yapısı bir yapay sinir ağı ile oluşturularak girdiler ile çıktı arasındaki doğrusal olmayan ilişkilerin modellenebilmesi sağlanacaktır. Önerilen tez kapsamında ortaya konacak bulanık fonksiyon yaklaşımının farklı zaman serilerinin öngörülmesinde üreteceği sonuçların literatürde mevcut bazı olasılıksal ve olasılıksal olmayan yöntemlerin sonuçları ile birlikte değerlendirmesi planlanmaktadır. Bu süreç kapsamında, zaman serileri “eğitim kümesi” ve “test kümesi” olarak iki parçaya ayrılarak performans değerlendirmesi, “Hata Kareler Ortalaması Karekökü (HKOK)”, “Ortalama Mutlak Hata (OMH)”, “Ortalama Mutlak Yüzdelik Hata (OMYH)” ve “Ortanca Mutlak Yüzdelik Hata (OrMYH)” gibi farklı hata ölçütleri kullanılarak test kümesi üzerinden gerçekleştirilecektir.