Sezgisel bulanık kümelerin bileşenlerinin kombinasyonuna dayalı zaman serisi öngörü modeli

Zaman serilerinin tahmini, günlük hayatımızda hem teorik hem de pratik olarak önemli bir etkiye sahiptir. Sezgisel bulanık zaman serisi modelleri, bulanık zaman serisi modellerinden farklı olarak, gözlemlerin tereddüt derecesini hesaba katar ve tahmin sisteminde girdi olarak üyelik ve üyelik dışı değerleri birlikte kullanır. Tahmin sisteminde üyelik ve üye olmama etkilerini ortaya koyabilmek için üyelik ve üyelik dışı değerlerin tahmin modelinde ayrı girdiler olarak ele alınması gerekmektedir. Ayrıca bu ayrı modelleri birleştirerek sistemin çıktılarını almak hem daha doğru tahminler hem de esnek bir yaklaşım sağlayacaktır. Bu tez kapsamında, sezgisel bir bulanık zaman serisi tahmin modeli (SBZS-TM) önerilmiştir. Ayrıca lineer olmayan ilişkilerin belirlenmesi için literatürde ilk kez yeni bir melez Pi-Sigma sinir ağı (MPS-YSA) kullanılmıştır. Yeni önerilen MPS-YSA, girdilerin doğrusal fonksiyonlarını eşit olmayan ağırlıklarla çarpar ve bunları doğrusal olmayan ilişkilere dönüştürür. İki farklı MPS-YSA, üyelikleri ve üyelik dışı katkıları ayrı ayrı dikkate alarak tahminler üretir. Ve bu çıktıların birleştirilmesiyle nihai çıktılar elde edilir. Hem MPS-YSA'lerin optimal ağırlıklarını hem de kombinasyon ağırlıklarını elde edebilmek için modifiye parçacık sürü optimizasyonu kullanılmıştır. Ve, bulanık kümeler, üyelik ve üyelik dışı değerleri elde etmek için sezgisel bulanık C-ortalamalar kullanılmıştır. Önerilen modellerin performansını değerlendirebilmek için TAIEX ve IEX zaman serilerine ait 15 farklı uygulama gerçekleştirlmiştir. Sonuçlar, önerilen modelin diğer bazı tahmin araçlarına kıyasla farklı hata kriterleri açısından daha üstün tahminlere sahip olduğunu göstermiştir.