Uyarlamalı
düzleştirme metotları zaman serilerinin karakteristik değişimleri üzerindeki
tahmin sonuçlarını iyileştirmek için önerilmişlerdir. Zaman içerisinde var olan
uyarlamalı düzleştirme metotları çeşitlenmiştir. Birçoğu Trigg & Leach
olarak isimlendirilen orijinal basit metottan çok farklı olup, doğruluğu
artırmak için karmaşık mantıksal veya matematiksel önermeler içermektedir. Bu
makalede Bulanık Ayarlamalı Üstel Düzleştirme olarak isimlendirilen yeni bir
metot sunulmaktadır. Bu metot özellikle seviye kayması veya seviye kaymasıyla
beraber aykırı sapmaların bulunduğu zaman serileri için tahmin doğruluğunun
iyileştirilmesinde başarılıdır. Ampirik uygulama ‘The M2-Competition Time Series’
üzerinde gerçekleştirilmiştir. İstatistiksel analiz sonuçları tahmin doğruluğu
açısından bu metodun klasik uyarlamalı üstel düzleştirme metodunu geride
bıraktığını göstermektedir. Buna ek olarak önerilen metot diğer gelişmiş
uyarlanabilir metotlarla karşılaştırıldığında oldukça basittir.
Uyarlamalı üstel düzleştirme Sapma Tahmin Bulanık matık Seviye kayması Zaman serileri
Adaptive
smoothing methods were suggested to improve forecast results on the
characteristic changes of time series. The existing adaptive smoothing methods
have been diversified over the years. Many of them are comprised of complicated
logical or mathematical propositions for improving forecast accuracy, which are
very different from the original simple method called Trigg and Leach method. A
new method named Fuzzy Tuning Exponential Smoothing is introduced in this paper
introduces. This method is successful in improving the forecast accuracy,
especially for the time series including level shift or level shift with
outlier deflection. The empirical application carried out on ‘The
M2-Competition Time Series’. The statistical analysis results demonstrate that
the method outperforms classical adaptive smoothing method in terms of
forecasting accuracy. In addition, the proposed method is relatively simple
compared to other advanced adaptive methods.
Adaptive exponential smoothing Deflection Forecasting Fuzzy logic Level shift Time series
Konular | Mühendislik |
---|---|
Bölüm | Makale |
Yazarlar | |
Yayımlanma Tarihi | 1 Mart 2017 |
Yayımlandığı Sayı | Yıl 2017 Cilt: 23 Sayı: 1 |