Aral¿k De¿erli Zaman Serileri Öngörü Yöntemlerinin Kar¿¿la¿t¿r¿lmas¿

Zaman Serilerinde geli¿en bir konu olan aral¿k de¿erli zaman serileri, çe¿itli çözümleme yöntemleri ve modelleme tekniklerinin farkl¿ kombinasyonlar¿ ile zaman serisi öngörü yöntemlerinin elde edilmesi, elde edilen yöntemlerinin öngörü do¿ruluklar¿ kar¿¿lät¿r¿larak en yüksek do¿rulu¿u sälayan yöntem ve modelin belirlenmesi amaçlanm¿¿t¿r.Veri seti olarak günlük zaman serisi verileri kullan¿lm¿¿t¿r.Farkl¿ yaklä¿mlar (Yaklä¿m1, Yaklä¿m2, Yaklä¿m3) ve uygun modelleme teknikleri (Karma Otoregresif Bütünle¿ik Hareketli Ortalama Modeli (ARIMA), Yapay Sinir A¿lar¿ (YSA), Holt Üstel Düzle¿tirme Yöntemi ve Vektör Otoregresif Modeller (VAR)) aral¿k de¿erli zaman serilerini analiz etmek için kullan¿lm¿¿t¿r.Farkl¿ öngörü yöntemleri olu¿turulmu¿, aral¿k de¿erli zaman serilerinin öngörü yöntemleri ile çözümlenmesi sonucu deneysel çal¿¿man¿n verileri olan Hata Kareleri Ortalamas¿n¿n Karekökü (RMSE), Ortalama Mutlak Yüzde Hata (MAPE), Theil¿ in Aral¿k ¿statistikleri (U¿) ve Aral¿k Ortalama Oransal Varyans¿ (ARV¿) de¿erleri elde edilmi¿tir.Uygulanan yöntemlerden elde edilen öngörü sonuçlar¿n¿n de¿erlendirilmesi neticesinde VAR modelinin üstünlü¿ü görülmü¿tür.