Arıma modellerinde parçacık sürü optimizasyonu ile parametre tahmini

Abstract

Zaman serilerinin öngörülmesi, gelecek planlamaları açısından oldukça önemlidir. ARIMA modelleri 1970'li yıllardan beri zaman serisi çözümlemesinde en yaygın kullanılan yöntemlerden biridir. ARIMA modelinde parametre tahmini için olabilirlik fonksiyonu maksimizasyonu ya da en küçük kareler fonksiyonunun minimizasyonuna dayalı yöntemler mevcuttur. ARIMA modelinde hareketli ortalama terimlerinin bulunması durumunda model parametrelere göre doğrusal değildir ve bu modelde parametre tahmini için doğrusal olmayan optimizasyon yöntemlerine ihtiyaç vardır. Bu çalışmada ARIMA modelinin parametrelerinin parçacık sürü optimizasyonu ile tahmini için bir algoritma önerilmiştir. Önerilen algoritmanın performansı gerçek hayat zaman serileri üzerinden araştırılmıştır.

Forecasting is an important problem for planning future. ARIMA models have been widely used for time series forecasting since 1970. There are maximum likelihood or least square methods to estimate parameters of ARIMA model. The ARIMA model is not linear in terms of its parameters when the model contain moving average terms and this model needs nonlinear optimization techniques for parameter estimation. In this study, a new algorithm is proposed employing particle swarm optimization for parameter estimation in ARIMA models. The performance of the proposed method is compared with some other methods by using real-world time series.