DOĞRUSAL OLMAYAN ZAMAN SERİLERİNİN YAPAY SİNİR AĞLARI İLE TAHMİNİ

Abstract

Zaman serileri, zamana bağlı bir olaydan belirli zaman aralıklarında yapılan ölçümlerinden elde edilen verilerdir. Zaman serileri geçmiş döneme ait verileri ihtiva eder ve veriler gerçek dünyadaki çeşitli olaylardan elde edilebilir. Geçmiş dönemdeki verileri kullanarak, gelecekteki veri değerlerini belirleme işlemi, zaman serisi tahmini olarak adlandırılır. Zaman serilerinin tahmininde çeşitli istatistiksel yöntemler kullanılabilir ya da seriye uygun doğrusal ya da doğrusal olmayan bir matematiksel model geliştirilebilir. Fakat zaman serileri ekonomik, sosyal, mevsimsel ve spekülatif vb. çeşitli faktörlerin etkisiyle ani dalgalanmalar gösterebilir. Ayrıca, doğrusal olmayan ve kaotik bir dinamik davranışa sahip olabilir. Bu tür zaman serilerinin tahmininde istatistiksel yöntemlerin yerine zaman serisine uygun bir model yardımıyla zaman serisini tahmin etmek gerekir.Bu tez çalışmasında, yapay sinir ağları ile zaman serilerinin tahmini incelenmiştir. Yapay sinir ağları, doğrusal olmayan matematiksel modeli nedeniyle birçok alanda olduğu gibi zaman serilerinin tahmininde de yaygın olarak kullanılmaktadır. Bu tezde, genel bir trende sahip olan altın fiyatlarını gösteren zaman serisi ile Mackey-Glass kaotik zaman serisi kullanılmıştır. İleri beslemeli yapay sinir ağları ile bu zaman serilerinin geleceğe yönelik kısa ve orta vadeli tahminleri gerçekleştirilmiştir. Farklı sayıda geçmiş veri değeri ve çeşitli YSA yapıları ile zaman serilerinin tahmin performansı araştırılmıştır.Time series is a sequence of data which is obtained from measurements of time dependent phenomenon. Time series includes data points in the past and it can be measured from various phenomenons in real world. The procedure for determining the future values of the series, by using the past values, is called as time series prediction. Various statistical methods can be used for time series prediction or a linear or nonlinear mathematical model can be suited to time series. Time series may include some economic, social, seasonal and speculative fluctuations. Furthermore, time series can also be governed by nonlinear and/or chaotic dynamics. In this case, time series prediction using a suitable mathematical model may be necessary, instead of statistical methods.In this thesis, time series prediction using artificial neural network is examined. Neural networks are also widely used in signal prediction as they can be used in various fields, due to their nonlinear mathematical model. In this study, gold prices having a regular trend and Mackey-Glass chaotic time series are used for testing of neural network predictor. Short and mid term prediction of these time series are implemented using feed-forward neural network. Various neural network structures using different data points as inputs are tested and prediction performances are determined.