Burçin ATASEVEN
(İstanbul Kültür Üniversitesi, İktisadi ve İdari Bilimler Fakültesi, İşletme Bölümü, İstanbul, Türkiye)
Yıl: 2013Cilt: 10Sayı: 39ISSN: 1300-0845 / 1300-0845Sayfa Aralığı: 101 - 115Türkçe

212 15
Yapay sinir ağları ile öngörü modellemesi
Gelişen teknolojiye paralel olarak artan işleme ve hesaplama gücü ile birlikte, karmaşık simülasyonların yapılması ve gelişmiş yapay zeka teknolojilerini kullanılarak temel kriterlere dayalı olarak geleceğe dönük öngörümleme modellemelerinin gerçekleştirmesi mümkün hale gelmiştir. Bu modellemelerin gerçekleştirilmesini sağlayan önemli bir uygulama alanı ise “Yapay Sinir Ağları”dır. Bu çalışmada öngörümleme tekniklerinden zaman serisi yöntemlerine giren “Box-Jenkins (ARIMA) Metodolojisi” ve “Yapay Sinir Ağları” yöntemlerinin öngörüperformanslarını karşılaştırarak en yüksek başarıyı sağlayan yöntemin belirlenmesi ve belirlenen yöntem yardımıyla 11 yıl için bir şirketten rastgele seçilen dört ürünün aylar itibariyle satış rakamlarının tahmin edilmesi amaçlanmıştır. Çalışmanın uygulama bölümünde öngörümleme tekniği olarak Yapay Sinir Ağlarının kullanımının daha başarılı sonuçlar ürettiği sonucuna varılmıştır.
DergiAraştırma MakalesiErişime Açık
  • [1] Yapay Sinir Ağları Hakkında, (http://www.akademiya payzeka.com/DesktopDefault.aspx?tabindex=4&tabid=4) [17.07.2010].
  • [2] Ergezer, H.; Dikmen M.&Özdemir E. (2003). Yapay Sinir Ağları Ve Tanıma Sistemleri.Pivolka, 2(6), 14-17.
  • [3] Haykin, S. (1999).Neural Networks: A Comprehensive Foundation. New Jersey: Prentice Hall Inc.
  • [4] Fahey, C. Artificial Neural Networks. (http://www.colin fahey.com/2003apr20_neuron/2003apr20_neuron.htm) [17.08.2006].
  • [5] Öztemel, E. (2006).Yapay Sinir Ağları. 2. Baskı. İstanbul: Papatya Yayıncılık.
  • [6] Koç, M. L.; Balas C. E. & Arslan, A. (2004).Taş Dolgu Dalgakıranların Yapay Sinir Ağları İle Ön Tasarımı.İMO Teknik Dergi, 15(4), 3351-3375.
  • [7] Anderson, D. & McNeill, G. Artificial Neural Networks Technology.(https://www.thedacs.com/techs/neural/neural.title.php) [ 11.12.2006].
  • [8] Yurtoğlu, H. (2005). Yapay Sinir Ağları Metodolojisi ile Önörü Modellemesi: Bazı Makroekonomik Değişkenler için Türkiye Örneği.Uzmanlık Tezi, Devlet Planlama Teşkilatı.
  • [9] Detienne, K. B.; Detienne D. H. & Joshi, S. A. (2003). Neural Networks As Statistical Tools For Business Researchers.Organizational Research Methods, 6 (2), 236-265.
  • [10] Rojas, R. (1996).Neural Networks-A Systematic Introduction. Berlin: Springer-Verlag.
  • [11] Sağıroğlu, Ş.; Beşdok E. & Erler, M. (2003).Mühendislikte Yapay Zeka Uygulamaları I: Yapay Sinir Ağları. Kayseri: Ufuk Kitap Kıratsiye-Yayıncılık.
  • [12] Alpaydın, E. (2004).Inroduction To Machine Learning. England: The MIT Press Cambridge.
  • [13] Alataş, B. Sinirsel Ağlar, (www.firat.edu.tr/akademik/ fakulteler/muhendislik/bilgisayar/balatas/SinirselAglar.pdf)[16.09.2006].
  • [14] Şen, Z. (2004).Yapay Sinir Ağları İlkeleri. İstanbul: Su Vakfı Yayınları.
  • [15] Elmas, Ç. (2003).Yapay Sinir Ağları (Kuram, Mimari, Eğitim, Uygulama). 1. Baskı. Ankara: Seçkin Yayıncılık.
  • [16] Karadeniz, M.; Yüncü, S. & Aydemir, M. -T. Asenkron Motorlarda Stator Direncinin Yapy Sinir Ağları İle Tahmini.(www.fbe.gazi.edu.tr/tr/bolumler/guadek/6.doc)[05.06.2007].
  • [17] Bircan, H. & Karagöz, Y. (2003). Box-Jenkins Modelleri İle Aylık Döviz Kuru Tahmini Üzerine Bir Uygulama.Kocaeli Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 6(2), 49-62.
  • [18] Özmucur, S. (1990). Geleceği Tahmin Yöntemleri.İstanbul, İstanbul Sanayi Odası Araştırma Dairesi Yayınları.
  • [19] Fretchling, D. C. (1996).Practical Tourism Forecasting. Oxford: Butterworth-Heinemann.
  • [20] Archer, B. (1980). Forecasting Demand: Quantitative And Intuitive Techniques.International Journal Of Tourism Management, 1(1), 5-12.
  • [21] Orhunbilge, N. (1999).Zaman Serileri Analizi Tahmin Ve Fiyat İndeksleri. İstanbul: Tunç Matbaacılık A.Ş.
  • [22] Montgomery, D. C. &Johnson, L. A. (1976).Forecasting And Time Series Analysis. New York: McGraw-Hill Book Company.
  • [23] De Lugio, S. A. (1998).Forecasting Principles And Applications. Boston: Irwin/McGraw-Hill.
  • [24] Başoğlu, U. & Parasız, İ. (2003).İktisadi Verilerin Analizi Ve Temel Öngörü Yöntemleri. Bursa: Ekin Kitabevi.
  • [25] Akgül, I. (2003).Geleneksel Zaman Serisi Yöntemleri. İstanbul: Der Yayınları.
  • [26] Bhattacharya, S. (1997). A Comparative Study Of Different Methods Of Predicting Time Series. Yüksek Lisans Tezi, Concordia University.
  • [27] Topçuoğlu, K.; Pamuk, G. & Özgürel, M. (2005). Gediz Havzası Yağışlarının Stokastik Modellemesi.Ege Üniversitesi Ziraat Fak. Dergisi, 42(3), 89-97.
  • [28] Gujarati, D. N. (2003).Basic Econometrics. Fourth Edition. USA: McGraw-Hill Inc.
  • [29] Hanke, J. E. & Reitsch, A. G. (1992).Business Forecasting. Fourth Edition. Boston: Allyn And Bacon.
  • [30] Box, G. P. & Jenkins, G. M. (1976).Time Series Analysis Forecasting And Control. San Francisco: Holden-Day Press.
  • [31] Akgül, I. (2003).Zaman Serilerinin Analizi Ve ARIMA Modelleri. İstanbul: Der Yayınları.
  • [32] Yaman, K.; Sarucan, A.; Atak, M. & Aktürk, N. (2001). Dinamik Çizelgeleme İçin Görüntü İşleme ve ARIMA Modelleri. Gazi Üniversitesi Müh. Mim. Fak. Dergisi, 16 (1), 19-40.
  • [33] Giriffiths, W. E.; Hill, C. R. & Judge, G. G. (1992).Learning And Practicing Econometrics. New York: John Wiley And Sons Inc.
  • [34] Kayım, H. (1985). İstatistiksel Ön Tahmin Yöntemleri.Ankara:Hacettepe Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Yayınları, No. 11.
  • [35] Hamzaçebi, C. & Kutay, F. (2005). Yapay Sinir Ağları İle Zaman Serileri Tahmini.4. İstatistik Kongresi, 08-10 Mayıs, Antalya, 265-270.
  • [36] Elder, J. & Kennedy, P. (2001). Testing For Unit Roots: What Should Students Be Taught?.Journal Of Economic Education, 32(2), 137-146.
  • [37] Akmut, Ö.; Aktaş, R. & Binay, H. S. (1999).Öngörü Teknikleri Ve Finans Uygulamaları. Ankara: Siyasal Kitabevi.

TÜBİTAK ULAKBİM Ulusal Akademik Ağ ve Bilgi Merkezi Cahit Arf Bilgi Merkezi © 2019 Tüm Hakları Saklıdır.