Akademik Veri Yönetim Sistemi
2. ULUSLARARASI 5 OCAK SOSYAL VE BEŞERİ BİLİMLER KONGRESİ, Adana, Türkiye, 4 - 05 Ocak 2021
Bu çalışmada reel kesim güven endeksi (RKGE) değerleri, zaman serisi analiz yöntemleri ile tahmin edilmiştir. Tahmin modelleri oluşturulurken, önişlem yöntemlerinden olan görgül kip ayrışımı (GKA) yönteminden yararlanılmıştır. RKGE değerleri GKA ile farklı frekansta 5 banda ayrıştırılmıştır. Bantlardan 4’ü özgül kip fonksiyonu (ÖKF) olarak adlandırılan, alt serilerden oluşmaktadır. Son bant ise ÖKF’lerin orijinal zaman serisinden ayrışması sonucu geriye kalan kalıntı değerleridir. Tüm bantlar uyarlanabilir sinirsel bulanık çıkarım sistemi (ANFIS) ile modellenerek tahmin edilmiştir. Tahmin işlemi sırasında 70 veri eğitim, 38 veri ise test için kullanılmıştır. Her bandın tahmin değeri toplanarak nihai tahmin değerine ulaşılmıştır. Model sonuçları istatistiksel başarı ölçütleri olan hata kareleri ortalamasının karesi (HKOK) ve Nash-Sutcliffe etkinlik katsayısından (NSE) ile değerlendirilmiştir.
Yalnızca ANFIS ile yapılan modelin HKOK değeri 12.43 ve NSE değeri 0.73 iken, GKAANFIS
ile oluşturulan hibrit modelin HKOK değeri 7.1 ve NSE değeri 0.84 değerine
ulaşmıştır. Bu çalışma ile zaman serisi analizinde Fourier dönüşümü ve dalgacık dönüşümüne
alternatif olarak GKA yönteminin de kullanılabilirliği kanıtlanmıştır.
In this study, real sector confidence index values were estimated by time series analysis methods. The empirical mode decomposition (EMD) method, one of the preprocessing methods, was used while creating the prediction models. Real sector confidence index values were separated into 5 bands by EMD. 4 of the bands were composed of sub-series called intrinsic mode function (IMF). The last band was the residual values remaining as a result of the separation of the IMFs from the original time series. All bands were modeled and estimated with the adaptive neural fuzzy inference system (ANFIS). During the estimation process, 70 data were used for training and 38 data for testing. The final predictive value was obtained by adding the predicted value of each band. The model results were evaluated using the statistical success criteria, mean square error (MSE) and Nash-Sutcliffe efficiency coefficient (NSE). The MSE value of the model made with only ANFIS was 12.43 and the NSE value was 0.73, while the MSE value of the hybrid model created with EMD-ANFIS reached the value of 7.1 and the NSE value to 0.84. In this study, the utility of the EMD method as an alternative to Fourier transform and wavelet transform in time series analysis was proven.