ASOS INDEKS
Görüntüleme
2
Son yıllarda, hava sıcaklığı ve borsa verileri gibi belirsizlik içeren zaman serilerinin çözümlenmesinde bulanık zaman serileri başarıyla kullanılmaktadır. Literatürde, daha güvenilir öngörüler elde etmek amacıyla, bulanık zaman serisi yaklaşımları üzerinde çalışılmaktadır. Güvenilir öngörüler elde edilmesinde anahtar noktalardan biri, aralık uzunluğunun doğru olarak belirlenebilmesidir. Bu problemi çözmek amacıyla literatürde önerilen bazı yaklaşımlar mevcuttur. Hava kalitesi verileri de yapılarından dolayı belirsizlik içeren zaman serileridir ve bu tür zaman serilerinin çözümlenmesinde de bulanık zaman serilerinin kullanılması gerekmektedir. Yapılan bu çalışmada, Ankara hava kalitesi verisi ilk defa bulanık zaman serileri yöntemiyle çözümlenmiştir. Çözümlemede aralık uzunluğu için farklı teknikler kullanan altı farklı bulanık zaman serisi öngörü yöntemi kullanılmış ve elde edilen sonuçlar karşılaştırılarak yorumlanmıştır.
Fuzzy time series have been successfuIly used in recent years to analyze time series which include uncertainty such as air temperature and stock market data. In the literature, fuzzy time series approaches have been studied in order to reach more accurate forecasts. Delermining the length of interval correctly is one of the crucial points in obtaining accurate forecasts. Some methods have been proposed in the literature to solve this problem. Air quality data also include uncertainty due to its nature, and such time series should be analyzed by using fuzzy time series. In this study, Ankara air quality time series are analyzed by using the fozzy time series method for the first time. Six different fuzzy time series approaches, which employ different techniques for determining the length of interval, are used in the implementation, and the results are compared and discussed.
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
