KaydedilenlerDerginizi ekleyin

Dergiler / Kafkas Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi / 2016 / Cilt: 7 - Sayı: 13

TÜRKİYE’DE BAZI TEMEL GIDA FİYATLARI İÇİN YAPAY SİNİR AĞLARI VE ZAMAN SERİSİ TAHMİN MODELLERİNİN KARŞILAŞTIRMALI ANALİZİ

İrfan ERTUĞRUL
Atiyye BEKİN
Sayfa
253–280
Yayın Tarihi
2016-06-15
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Sonuç olarak hata oranları (MSE) karşılaştırılmış, buğday ve arpa fiyatları veri setleri için Holt üstel düzleştirme, ARIMA ve YSA modelleri birbirine yakın sonuçlar vermiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada temel gıda olarak buğday arpa ve çeltik ürünleri ele alınmış, bu ürünlerin fiyatları Türkiye İstatistik Kurumu veritabanından 2000-2014 yılları arası için aylık bazda temin edilmiştir.
📊
Temel Bulgular & Veri:Sonuç olarak hata oranları (MSE) karşılaştırılmış, buğday ve arpa fiyatları veri setleri için Holt üstel düzleştirme, ARIMA ve YSA modelleri birbirine yakın sonuçlar vermiştir.
💡
Sonuç & Katkı:Çeltik fiyatları için ise YSA modeli daha iyi sonuç vermiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:2000-2014 Verileri
⚙️Değişkenler:Gıda fiyatları · zaman serisi modelleri · yapay sinir ağları

Özet

Bu çalışmada temel gıda olarak buğday arpa ve çeltik ürünleri ele alınmış, bu ürünlerin fiyatları Türkiye İstatistik Kurumu veritabanından 2000-2014 yılları arası için aylık bazda temin edilmiştir. Bu veriler öncelikle analiz edilerek verilerin yapısı belirlenmiştir. Veriler bir trend içermekte ancak düzenli bir mevsimsellik gözlenmemektedir. Bu durumda öncelikle geleneksel zaman serisi analiz yöntemlerinden verilerimize uygulanabilecek olan trend analizi, Holt üstel düzleştirme yöntemi ve mevsimsel olmayan Box-Jenkins (ARIMA) modelleri uygulanmış, ardından yapay sinir ağı ile zaman serisi modellemesi bilgisayar programı (Matlab Neural Network Toolbox) yardımıyla gerçekleştirilmiştir. Sonuç olarak hata oranları (MSE) karşılaştırılmış, buğday ve arpa fiyatları veri setleri için Holt üstel düzleştirme, ARIMA ve YSA modelleri birbirine yakın sonuçlar vermiştir. Çeltik fiyatları için ise YSA modeli daha iyi sonuç vermiştir.

🔖

Bu Makaleye Atıf Yap

ERTUĞRUL, İ., BEKİN, A. (2016). TÜRKİYE’DE BAZI TEMEL GIDA FİYATLARI İÇİN YAPAY SİNİR AĞLARI VE ZAMAN SERİSİ TAHMİN MODELLERİNİN KARŞILAŞTIRMALI ANALİZİ. Kafkas Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Cilt: 7 - Sayı: 13, 253–280. https://ajindex.com/articles/682314

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (15)

  1. Anderson, D. R., Sweeney, D. J., Williams, T. A. (2011), Essentials of Statistics for Business and Economics, Sixth Edition,
  2. Cengage Learning, Ohio. Akdi, Y. (2010), Zaman Serileri Analizi (Birim Kökler ve Kointegrasyon), Gazi Kitapevi, Ankara.
  3. Akmut, Ö., Aktaş, R. ve Binay,H. S. (1999), Öngörü Teknikleri ve Finans Uygulamaları, Ankara Üniv. Siyasal Bilgiler Fakültesi Yayını, Ankara, s. 148-149.
  4. Bekin, A. (2015), Türkiye’de Bazı Temel Gıda Fiyatları İçin Yapay Sinir Ağları ve Zaman Serisi Tahmin Modellerinin Karşılaştırmalı Analizi, Pamukkale Üniversitesi, Sosyal Bilimler Enstitüsü (Basılmamış Yüksek Lisans Tezi), Denizli. Çetin, E. (2003), Yapay Sinir Ağları (Kuram,Mimari,Eğitim,Uygulama), 1.Baskı,
  5. Seçkin Yayıncılık, Ankara, s. 23. Freeman, J. A., Skapura, D. M. (1991),
  6. Neural Networks Algorithms, Applications, and Programming Techniques, Addison-Wesley Publishing Company, USA. Fu, L. (1994), Neural Networks in Computer Intelligence, McGraw-Hill, First Edition, New York, p.473. Granger, C. W. J., Newbold, P. (1986),
  7. Forecasting Economic Time Series, Second Edition,
  8. Academic Press,
  9. Florida, Keleşoğlu, Ö., Ekinci, C. E. ve Fırat, A. (2005), “TheUsing Artificial Neural Networks in Insulation Computations”, Journal of Engineering and Natural Sciences, 3, s. 58-66.
  10. Kutay, F. (1989), Zaman Serilerinde Tahmin Teknikleri ve Box-Jenkins Modelleri, Gazi Üniversitesi Mühendislik Mimarlık Fakültesi, Ankara, s. 19. Mills, T. C. (1990), Time Series Techniques for Economists, Cambridge University Press, London, s.78. Öztaş, T. (2015),Bulanık Zaman Serilerinin Talep Tahminlerinde Kullanılmasına Yönelik İşletme Uygulaması, Pamukkale Üniversitesi, Sosyal Bilimler Enstitüsü (Basılmamış Yüksek Lisans Tezi), Denizli. Öztemel, E. (2003),
  11. Yapay Sinir Ağları, Papatya Yayıncılık, İstanbul, s. 49-76.
  12. Palit, A. K., Popovic, D. (2005), Computational Intelligence in Time Series Forecasting Theory and Engineering Applications, Springer-Verlag, London. Sevüktekin, M. ve Nargeleçekenler, M. (2010),Ekonometrik Zaman Serileri Analizi, Nobel Yayın Dağıtım, Ankara, s. 7-182.
  13. Taylor, H. M., Karlin, S. (1998), An Introduction to Stochastic Modeling, Third Edition,
  14. Academic Press,
  15. Massachusetts. Yurtoğlu, H. (2005), Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği, (BasılmamışDPT Uzmanlık Tezi), Ankara, s. 13.