Forecasting with a large number of predictors: A tree based moving average approach

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 2020

Tezin Dili: İngilizce

Öğrenci: BURAKHAN SEL

Danışman: MUSTAFA GÖKÇE BAYDOĞAN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Çok sayıda bağımsız değişken, zaman serisi tahmin problemlerine değerli bilgiler sağlamanın yanında bu bilgilerin kavranması açısından zorluklar getirmektedir. Kısa vadeli elektrik yükü tahmin problemleri, hava koşullarından, özel günlerden ve haftanın günü gibi zamana bağlı birçok değişkenden etkilenmektedir. Çok sayıda bağımsız değişken ile tahmin yapmak, gereksiz değişkenlerin varlığı ve modelin veriye aşırı uyum sağlaması gibi konular dolayısıyla sorun yaratabilmektedir. Bu sorunları çözmek için, bu çalışma noktasal ve olasılıklı tahminler yapabilen ve aynı zamanda otomatik bir değişken üretme yöntemi olarak da çalışabilen yeni bir ağaç temelli topluluk modeli önermektedir. Önerilen model, ağaç tabanlı bir topluluk modeli olmanın avantajı olarak, çok sayıda bağımsız değişkene karşı toleranslıdır ve karmaşık bir parametre ayarlama işlemi gerektirmez. Önerilen modelin mevcut ağaç temelli topluluk modellerinden ayırt edici özelliği, zaman serisi verilerindeki otokorelasyonu modele entegre edilmiş hareketli ortalama modeliyle kavrayabilmesi ve diğer tahmin modelleri için yararlı değişkenler üretebilmesidir. Türkiye'nin saatlik elektrik yükü verisi üzerindeki kapsamlı deneylerimiz, önerilen model tarafından üretilen değişkenlerin, tek başına veya eski değişkenlerle birlikte kullanıldığında tahmin modellerinin doğruluğunu önemli ölçüde artırdığını göstermektedir. Ayrıca, önerilen yaklaşım noktasal ve olasılıklı tahminler yapma konusunda karşılaştırılan modellere kıyasla rekabetçi sonuçlar vermektedir.