Monte-Carlo forecasting and optimization of time series data using data mining and regression models

Literatürde zaman serisi modelleme ve tahmin görevleri için birçok farklı model önerilmiştir. Bununla birlikte, bu katkılara rağmen, mevsimsel zaman serisi verilerinin trendlerle modellenmesi ve tahmin edilmesi üzerine araştırma, ilginç ve zorlu bir görev olmaya devam etmektedir. Son zamanlarda, 21. yüzyılda, COVID-19 pandemisinin patlak vermesiyle birlikte zaman serisi verileri, olası olay sonuçlarının çoğunda belirsizlik yaşıyor. Kuruluşlar, karar vermede yardımcı olan bir araç olduğu için, özellikle serilerin gelecekteki değerlerini tahmin etmede, zaman serisi verilerinin doğal dinamikleri hakkında bir fikir verecek modellere meraklıdır. En iyi yaklaşım, tahmindeki belirsizlikleri hesaba katabilecek bir modele sahip olmak olacaktır. Bu çalışmada, farklı zaman serisi verilerini yakalamak ve tanımlamak için üç hibrit zaman serisi regresyon modeli önerdik: Polinom-Fourier serisi, ANN-Polinom-Fourier serisi ve ANN-Fourier serisi modelleri. Modeller polinom uydurma, Fourier uydurma ve yapay sinir ağını birleştirir. Tahmin belirsizliklerini hesaba katmak için modellerin regresyon eğrisinin %95 sınırları içinde 100 Monte Carlo simülasyonu çalıştırdık. Modeller, Türkiye, Japonya, Malezya ve Singapur turizm verilerini içeren birçok zaman serisi verisine uygulanmıştır. Modellerin, her durumda zaman serisi modelleme ve tahmin için değerli adaylar olarak kabul edildiği kanıtlanmıştır. Monte-Carlo simülasyon yöntemi, belirsiz tahmin sonuçlarını tahmin etmede başarılı oldu. Çok adımlı bir tahmin, 2021'de Türkiye'ye gelen yabancı ziyaretçi sayısında %10.22'lik bir artış olduğunu gösterirken, Japonya, Malezya ve Singapur, gelen sayısında %92.42, %54.81 ve %70.55'lik bir düşüş bekliyor.