Forecasting nonlinear time series using partial least squares method

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, İstatistik Ana Bilim Dalı, Türkiye

Tezin Onay Tarihi: 2014

Tezin Dili: İngilizce

Öğrenci: MEFHARET ERTAÇ

Danışman: ESİN FİRUZAN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tezin amacı (a) kısmi en küçük kareler (KEKK) ve çok değişkenli gömme yöntemlerini kullanarak yeni bir doğrusal olmayan tahminleme adaptasyonu geliştirmek; (b) parametre veya tahminleme yöntemi değişikliklerine (yerel veya global) bağlı olarak tahminleme hatalarını değerlendirerek tahmin yeteğini iyileştirmek; (c) bu yeni yöntem ve sıcaklık, nem ve yağış gibi meteorolojik değişkenlerden yararlanarak İstanbul'un aylık ortalama sıcaklığını tahminlemektir. Doğrusal olmayan zaman serisi ve değişken seçimi yöntemleri kullanılarak kaotik analizi temel alan yeni bir KEKK tahminleme yöntemi geliştirilir. Türkiye'nin mega şehri olan İstanbul'un 54 otomatik meteoroloji gözlem istasyonundan elde edilen yaklaşık 100 yıllık meteorolojik veri şehrin meteorolojik davranışı hakkında yorum yapmak için analiz edilmiştir. Ayrıca, önerilen yöntem insan beyni gibi çalışan nöronlar sayesinde girdilerle çıktılar arasındaki ilişkiyi doğrusal olmayan şekilde modelleyen yapay sinir ağları (YSA) ile karşılaştırılır. Bu tezde, doğrusal olmayan zaman serisinin tahminlenmesi için sıradan en küçük kareler (EKK), KEKK ve YSA yöntemleri kullanılır. Temel bulgular önerilen KEKK yönteminin en iyi performans değerlerine sahip olması ve İstanbul'un meteorolojik verisinin kaotik yapısıdır.