TR-Dizin İndeksli Yayınlar Koleksiyonu
Permanent URI for this collectionhttps://hdl.handle.net/20.500.12416/8652
Browse
Browsing TR-Dizin İndeksli Yayınlar Koleksiyonu by Institution Author "Arslan, Serdar"
Now showing 1 - 2 of 2
- Results Per Page
- Sort Options
Article Kapılı Tekrarlayan Hücreler Tabanlı Bulanık Zaman Serileri Tahminleme Modeli(2023) Arslan, SerdarZaman serisi tahminleme hava durumu, iş dünyası, satış verileri ve enerji tüketimi tahminleme gibi bir çok alanda uygulama alanına sahiptir. Bu alanlarda tahminleme yaparken kesin sonuçlar elde etmek çok önemlidir ama aynı zamanda zaman serilerinin karmaşık ve de belirsizlik içeren veriler olması nedeniyle çok zordur. Günümüzde, derin öğrenme metotları bu alanda klasik metotlara göre daha iyi sonuçlar vermektedir. Fakat literatürde bulanık zaman serileri tahminleme konusunda çok az çalışma vardır. Bu çalışmada, zaman serilerindeki karmaşıklığın ve belirsizliğin doğurduğu problemleri yok etmek için Yinelemeli sinir Ağları ile bulanık time serilerini bir arada kullanan bir model ortaya konmuştur. Bu çalışmada, Kapılı Tekrarlayan Hücreler kullanarak geçmiş veriler ile bulanık verilerin üyelik değerleri birleştirilerek tahminleme değeri hesaplanmıştır. Ayrıca, bu çalışmadaki model ilk seviye bulanık ilişkileri ele alabildiği gibi, çoklu seviye bulanık ilişkileri de kapsamaktadır. Testlerde literatürde var olan çalışmalar ilgili model ile iki açık veri seti ile karşılaştırılmış olup bahsi geçen modelin daha iyi veya benzer sonuçlar verdiği gözlemlenmiştir. Ayrıca model Covid-19 verileri kullanılarak da test edilmiş ve Uzun-Kısa Süreli Bellek modellerinden daha iyi sonuç vermiştir.Article Türkiye’de Covıd-19 Vakalarının Farklı Önlemler Altında Tahminlemesi(2024) Arslan, SerdarKorona virüs salgını 2019 sonunda başladı ve tüm dünyayı etkisi altına aldı. Türkiyede aşılama süreci 2021 senesini başlarında başlatıldı ama çok yavaş ilerledi. Bu yüzden, bu süreçte Türk Hükümeti virüs yayılımını engellemek için çeşitli önlemler aldı. Bu çalışmada, bu önlemlerin virüs yayılımına olan etkisini anlamak için beş farklı tahminleme modeli (ARIMA, Prophet, NARNN, Yığıt LSTM ve çiftyönlü LSTM) gerçek dünya verileri ile kullanıldı ve karşılaştırıldı. Test sonuçları önlemlere göre parçalanan veri setinde küçük olanlar için ARIMA ve Prophet’in diğer modellere göre iyi sonuçlar verdiğini gösterdi. Veri setinin büyüklüğü arttıkça derin öğrenme yöntemlerinin daha iyi sonuçlar ortaya koyduğu gözlemlendi. Fakat, önlemlere göre ayırmadan tüm veri setini tek bir seferde kullandığımızda bu modellerin performanslarının düştüğü gözlemlendi.
