Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightKarşılaştırmalar sonucunda, BKM algoritmasına dayanan BZS yönteminin tüm zaman serilerinin OMYH kriterine göre %72.25’inde, HKOK kriterine göre %65.9’unda, VH kriterine göre ise %59.3’ünde en iyi tahmin sonuçlarını sağladığı görülmüştür.
📌 3 Maddede Bu Makale
Özet
Bulanık Zaman Serileri (BZS) yöntemleri, istatistiksel yöntemlerin aksine, hiçbir varsayım gerektirmemesi, az sayıda gözlemle çalışabilmesi, eksik, belirsiz ve dilsel veriyi işleyebilme yeteneğine sahip olması gibi avantajlarından dolayı zaman serisi analizinde son zamanlarda sıklıkla kullanılmaktadır. Şu ana kadar çok sayıda BZS yöntemi önerilmiştir. Bu yöntemlerden bir kısmı bulanıklaştırma adımında bulanık kümeleme algoritmalarının kullanımına dayanmaktadır. Ancak bu yöntemlerin ekonometrik zaman serilerinin tahmininde performanslarının karşılaştırılmasına dayanan bir çalışma bulunmamaktadır. Bu çalışmada, bulanıklaştırma adımında sırasıyla Bulanık C-Ortalamalar (BCO), Gustafson-Kessel (GK) ve Bulanık K-Medoidler (BKM) kümeleme algoritmalarını kullanan 3 BZS yöntemi 454 ekonometrik zaman serisine uygulanmış ve elde edilen tahmin sonuçları Ortalama Mutlak Yüzde Hata (OMYH), Hata Kareler Ortalamasının Karekökü (HKOK), Varyans Hesabı (VF) uyum iyiliği kriterlerine göre karşılaştırılmıştır. Karşılaştırmalar sonucunda, BKM algoritmasına dayanan BZS yönteminin tüm zaman serilerinin OMYH kriterine göre %72.25’inde, HKOK kriterine göre %65.9’unda, VH kriterine göre ise %59.3’ünde en iyi tahmin sonuçlarını sağladığı görülmüştür.
Abstract
Fuzzy Time Series (FTS) methods are used frequently in time series analysis due to their advantages such as having no assumptions, having few observations, being able to process incomplete, uncertain and linguistic data. The FTS consists of 6 steps, each of which has a significant impact on forecasting performance. A number of methods have been developed to improve these steps and hence improve the performance of FTS. Some of these studies are based on the use of fuzzy clustering algorithms in the blurring step of FTS. However, so far, there is no study based on comparing the performance of these methods in the estimation of econometric time series. In this study, 3 FTS methods using the Fuzzy C-Means (FCM), Gustafson-Kessel (GK) and Fuzzy K-Medoids (FKM) clustering algorithms were applied to the 454 econometric time series in the blurring step and the predicted results were compared according to the criterion of conformity 3. As a result of the comparisons, it was concluded that the performance of the FTS method based on BKM algorithm is better.