Research Article
BibTex RIS Cite

Yapay Sinir Ağları İle Öngörü Modellemesi: Türkiye Kağıt-Karton Sanayi Örneği

Year 2017, Volume: 19 Issue: 2, 99 - 106, 01.12.2017

Abstract

Günümüzde
endüstrinin her alanında geleceğe ilişkin tahmin ve analizler tüm dünya
ülkelerinde gerek özel, gerekse bilim dünyasında kabul görmüş ve bu konularda araştırmalar
yapılmış ve yapılmaktadır. Herhangi bir değişkenin gelecekte alacağı değer, o
değişkenin geçmiş dönemlerdeki gözlem değerleri ile oluşturulan modeller
yardımıyla tahmin edilmektedir. Yapay sinir ağları (YSA) son dönemlerde diğer
bilimsel alanlarda olduğu gibi tahmin alanında da sıkça kullanılan bir yöntem
haline gelmiştir. Bu çalışmada Türkiye kağıt-karton sanayisinin ihracat
rakamları yapay sinir ağları kullanılarak tahmin edilmiştir. YSA girdi
değişkeni olarak Türkiye kağıt-karton üretimi, atık kağıt, endüstriyel odun,
tomruk üretimi, nüfus, GSYİH, TÜFE, ÜFE, döviz kurları ve ekonomik büyüme
rakamları kullanılmıştır.  Sonuçlar
kağıt-karton ihracatının 2025 yılında 2011 yılına oranla %48,2’lik bir artış,
2015 yılına göre ise %3’lük bir azalış göstereceğini öngörmektedir.

References

  • 1. Akcan A, Kartal C (2011). İMKB Sigorta Endeksini Oluşturan Şirketlerin Hisse Senedi Fiyatlarının Yapay Sinir Ağları İle Tahmini, Muhasebe ve Finansman Dergisi, 51(3):27-40.
  • 2. Ataseven B (2013). Yapay Sinir Ağları İle Öngörü Modellemesi, Öneri Dergisi, 10(39):101-115.
  • 3. Aydın Ö (2005). Yapay Sinir Ağlarını Kullanarak Bir Ses Tanıma Sistemi Geliştirilmesi. Yüksek Lisans Tezi, Trakya Üniversitesi, Edirne, 74 s.
  • 4. Aytekin A (2017). Basit Düşün, Akış Diyagramları ile Programlama, Detay Yayıncılık, Ankara, 326 s.
  • 5. Beale MH, Hagan MT, Demuth HB (2010). Neural Network Toolbox 7 User’s Guide, The MathWorks Inc., Natick, MA.
  • 6. Çuhadar M (2006).Turizm Sektöründe Talep Tahmini için Yapay Sinir Ağları Kullanımı ve Diğer Yöntemlerle Karşılaştırmalı Analizi, Süleyman Demirel Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı, Doktora Tezi, 188 s.
  • 7. Çuhadar M, Kayacan C (2005). Yapay Sinir Ağları Kullanılarak Konaklama İşletmelerinde Doluluk Oranı Tahmini: Türkiye’deki Konaklama İşletmeleri Üzerine Bir Deneme, Anatolia, Turizm Araştırmaları Dergisi, 16 (1): 24-30,
  • 8. Efe Ö, Kaynak O (2000). Yapay Sinir Ağları ve Uygulamaları, Boğaziçi Üniversitesi Yayınevi, İstanbul, 141 s.
  • 9. Elmas Ç (2003). Yapay Sinir Ağları (Kuram, Mimari, Eğitim, Uygulama), Ankara, Seçkin Yayıncılık, 192 s.
  • 10. FAO (2016). Food and Agriculture Organization of the United Nations, Website, http://www.fao.org/faostat/ (12.05.2016)
  • 11. Hamzaçebi C (2008). Improving Artificial Neural Networks: Performance in Seasonal Time Series Forecasting, Information Sciences, 178 (23): 4550-4559
  • 12. Haykin S (1994). Neural Networks: A Comprehensive Foundation, Prentice Hall, NJ.
  • 13. Nabiyev V (2012). Yapay Zeka. Seçkin Yayınları, Ankara, 776 s.
  • 14. Özer K (2009). İstanbul Deniz Otobüslerinin Bir Hattında Yolcu Talep Tahmini, Marmara Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Ana Bilim Dalı, Yüksek Lisans Tezi, 72 s.
  • 15. Şen Z (2004).Yapay Sinir Ağları İlkeleri. Su Vakfı Yayınları, İstanbul, 183 s.
  • 16. Tiryaki S, Bardak S, Bardak T (2015). Experimental investigation and prediction of bonding strength of Oriental beech (Fagus orientalis Lipsky) bonded with polyvinyl acetate adhesive, Journal of Adhesion Science and Technology, 29(23):2521-2536.
  • 17. URL1 (2016). İleri algoritma analizi-5, Yapay sinir ağları, http://www.ibrahimcayiroglu.com/Dokumanlar/IleriAlgoritmaAnalizi/IleriAlgoritmaAnalizi-5.Hafta-YapaySinirAglari.pdf (15.07.2016).

Forecasting By Using Artificial Neural Networks: Turkey’s Paper-Paperboard Industry Case

Year 2017, Volume: 19 Issue: 2, 99 - 106, 01.12.2017

Abstract

Today, future projections and analyses in all areas of
industry are accepted both in private sector and in the scientific world in all
countries around the world. The value that a variable will have in the future
is projected using the models established based on its values in the past.
Recently, as in many scientific areas, artificial neural networks (ANN) have
started to be a frequently used method in the field of projection. In the
current study, the export numbers of Turkey’s paper-paperboard industry are
projected using artificial neural networks. Turkey’s paper-paperboard
production, waste paper, industrial wood, logging production, population, gross
domestic product, consumer price index, producer price index, currency rates
and economic growth numbers are used as the artificial neural network input variable.
As a result, it is estimated that in 2025 paper-paperboard export will show a
48.2% increase compared to 2011, and a 3% decrease compared to 2015. 

References

  • 1. Akcan A, Kartal C (2011). İMKB Sigorta Endeksini Oluşturan Şirketlerin Hisse Senedi Fiyatlarının Yapay Sinir Ağları İle Tahmini, Muhasebe ve Finansman Dergisi, 51(3):27-40.
  • 2. Ataseven B (2013). Yapay Sinir Ağları İle Öngörü Modellemesi, Öneri Dergisi, 10(39):101-115.
  • 3. Aydın Ö (2005). Yapay Sinir Ağlarını Kullanarak Bir Ses Tanıma Sistemi Geliştirilmesi. Yüksek Lisans Tezi, Trakya Üniversitesi, Edirne, 74 s.
  • 4. Aytekin A (2017). Basit Düşün, Akış Diyagramları ile Programlama, Detay Yayıncılık, Ankara, 326 s.
  • 5. Beale MH, Hagan MT, Demuth HB (2010). Neural Network Toolbox 7 User’s Guide, The MathWorks Inc., Natick, MA.
  • 6. Çuhadar M (2006).Turizm Sektöründe Talep Tahmini için Yapay Sinir Ağları Kullanımı ve Diğer Yöntemlerle Karşılaştırmalı Analizi, Süleyman Demirel Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı, Doktora Tezi, 188 s.
  • 7. Çuhadar M, Kayacan C (2005). Yapay Sinir Ağları Kullanılarak Konaklama İşletmelerinde Doluluk Oranı Tahmini: Türkiye’deki Konaklama İşletmeleri Üzerine Bir Deneme, Anatolia, Turizm Araştırmaları Dergisi, 16 (1): 24-30,
  • 8. Efe Ö, Kaynak O (2000). Yapay Sinir Ağları ve Uygulamaları, Boğaziçi Üniversitesi Yayınevi, İstanbul, 141 s.
  • 9. Elmas Ç (2003). Yapay Sinir Ağları (Kuram, Mimari, Eğitim, Uygulama), Ankara, Seçkin Yayıncılık, 192 s.
  • 10. FAO (2016). Food and Agriculture Organization of the United Nations, Website, http://www.fao.org/faostat/ (12.05.2016)
  • 11. Hamzaçebi C (2008). Improving Artificial Neural Networks: Performance in Seasonal Time Series Forecasting, Information Sciences, 178 (23): 4550-4559
  • 12. Haykin S (1994). Neural Networks: A Comprehensive Foundation, Prentice Hall, NJ.
  • 13. Nabiyev V (2012). Yapay Zeka. Seçkin Yayınları, Ankara, 776 s.
  • 14. Özer K (2009). İstanbul Deniz Otobüslerinin Bir Hattında Yolcu Talep Tahmini, Marmara Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Ana Bilim Dalı, Yüksek Lisans Tezi, 72 s.
  • 15. Şen Z (2004).Yapay Sinir Ağları İlkeleri. Su Vakfı Yayınları, İstanbul, 183 s.
  • 16. Tiryaki S, Bardak S, Bardak T (2015). Experimental investigation and prediction of bonding strength of Oriental beech (Fagus orientalis Lipsky) bonded with polyvinyl acetate adhesive, Journal of Adhesion Science and Technology, 29(23):2521-2536.
  • 17. URL1 (2016). İleri algoritma analizi-5, Yapay sinir ağları, http://www.ibrahimcayiroglu.com/Dokumanlar/IleriAlgoritmaAnalizi/IleriAlgoritmaAnalizi-5.Hafta-YapaySinirAglari.pdf (15.07.2016).
There are 17 citations in total.

Details

Journal Section Wood Machinary, Occupational Safety and Health, Business Administration
Authors

Rıfat Kurt

Selman Karayılmazlar

Erol İmren

Yıldız Çabuk This is me

Publication Date December 1, 2017
Published in Issue Year 2017 Volume: 19 Issue: 2

Cite

APA Kurt, R., Karayılmazlar, S., İmren, E., Çabuk, Y. (2017). Yapay Sinir Ağları İle Öngörü Modellemesi: Türkiye Kağıt-Karton Sanayi Örneği. Bartın Orman Fakültesi Dergisi, 19(2), 99-106. https://doi.org/10.24011/barofd.334773


Bartin Orman Fakultesi Dergisi Editorship,

Bartin University, Faculty of Forestry, Dean Floor No:106, Agdaci District, 74100 Bartin-Turkey.

Fax: +90 (378) 223 5077, Fax: +90 (378) 223 5062,

E-mail: bofdergi@gmail.com