Using deep learning models for structural break detection in time series

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Enformatik Enstitüsü, Bilişim Sistemleri Anabilim Dalı, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: İngilizce

Öğrenci: PINAR CEMRE YAZICI

Danışman: Ceylan Yozgatlıgil

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu çalışma, zaman serilerindeki yapısal kırılmaların tespiti ve konumlandırılmasını amaçlayan kapsamlı bir süreç sunmaktadır. Çalışmada trend, anomali ve yapısal kırılmalar (ani ve kademeli kırılmalar dahil) gibi çeşitli özellikleri simule eden sentetik veri setleri oluşturulmuştur. Yapısal kırılmaların tespiti için Python ile sinir ağı mimarileri (konvolüsyonel ve yinelemeli modeller) eğitilmiş, istatistiksel testler ise karşılaştırma amaçlı olarak R dilinde uygulanmıştır. Modellerin performansı, tespit metrikleri (kesinlik, duyarlılık, F1 skoru) ve konum doğruluğu üzerinden değerlendirilmiitir. Sonuç lar, önerilen modellerin, farklı uzunluklardaki zaman serilerinde yapısal kırılmaları tespit etmede çoğu metrikte geleneksel istatistiksel testleri geride bıraktığını göstermektedir. Bu çalışma, geleneksel yöntemlere kıyasla ölçeklenebilir ve doğru bir alternatif sunarak, kırılma tespiti metodolojilerine katkı sağlamaktadır.