Yapay Bağışıklık Algoritmasına Dayalı Yeni Bir Bulanık Zaman Serisi Çözüm Yöntemi

Abstract

Daha iyi öngörüler elde edebilmek için bulanık zaman serilerinde aralık uzunluğu belirleme aşaması önemlidir. Aralık uzunluğu belirleme aşaması için daha önce farklı yapay zeka yöntemleriyle çalışılmıştır. Bu tez çalışmasında önerilen yöntemde ise aralık uzunlukların belirlenmesi ilk kez yapay bağışıklık algoritmasıyla (AIS) gerçekleştirilmiştir. Aralık uzunluğu kullanılarak, evrensel küme alt aralıklara ayrılır, bulanıklaştırma işlemi gerçekleştirilir. Önerilen yöntemde evrensel küme parçalanmasında kullanılan aralıkların sınırları AIS ile belirlenmektedir. Bulanık zaman serisi yönteminin üç temel aşaması vardır. Bu aşamalar; zaman serilerinin bulanıklaştırılması, bulanık mantık ilişkilerinin belirlenmesi ve tahminlerin durulaştırılmasıdır. Önerilen yöntem kullanıldığında aralık uzunluğunun belirlenmesinde subjektif karar verme ihtiyacı ortadan kalkmıştır. Önerilen yöntemin performansı İstanbul menkul kıymetler borsası bileşik indeksinin son 4 yıla ait verilerinden elde edilen zaman serileri kullanılarak deneysel olarak araştırılmıştır. Önerilen yöntemin literatürdeki diğer yöntemlere göre daha iyi öngörü performansı gösterdiği deneysel çalışma sonucunda ortaya koyulmuştur. Anahtar Kelimeler: Bulanık Zaman Serileri, Öngörü, Zaman Serileri Analizi, Yapay Bağışıklık Algoritması.To obtain better predicts, the process of setting gap length is important in fuzzy time series. It has been studied with different artificial intelligence methods for the process of setting gap length. Within the method proposed in this study, setting gap length has first been carried out by artificial immune system (AIS). By using the gap length, universal set is split into sub-lengths and the fuzzy process is carried out. Wiithin the proposed method, the limits of lengths used for splitting the universal set are identified by AIS. There are three basic processes of fuzy time series method. These are fuzzification, identification of fuzzy logic relations and defuzzification the predictions. Subjective decision making is no longer needed in setting the gap legth while the proposed method is used. The performance of the proposed method has been studied emprically by using the time series obtained from the last four years data of corporate IMKB. It has been stated by the emprical studies that the proposed method shows a better prediction performance compared to other methods in the literature. Key words : Fuzy time series, Prediction, Fuzy Set Theory, The analysis of time series, Artificial Immune Algorithm.