Geri Dön

İstatistiksel yöntemlerle yapay sinir ağları uygulamalarının karşılaştırılması: Milli Savunma Bakanlığı bütçesinin öngörülmesi

Comparing statistical methods with the artificial neural networks: forecasting The Ministiry of National Defense's budget

  1. Tez No: 231632
  2. Yazar: YASİN SEFA SAYGILI
  3. Danışmanlar: DR. ERCAN KAYA, PROF. DR. HALİL KAYIM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Ekonometri, İstatistik, Computer Engineering and Computer Science and Control, Econometrics, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2008
  8. Dil: Türkçe
  9. Üniversite: Kara Harp Okulu Komutanlığı
  10. Enstitü: Savunma Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Harekat Araştırması Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 122

Özet

Türk Silahlı Kuvvetleri'nin geleceğini şekillendirecek irili ufaklı pek çok proje yürütülmekte, Silahlı Kuvvetler'in ihtiyaçlarını azami şekilde karşılayacak ve teknolojik açıdan üstün bir konuma getirecek yeni silah sistemlerinin alınması için planlamalar yapılmaktadır. Bu aşamada kaynak-maliyet analizleri devreye girmektedir. Savunma harcamaları özellikle silah sistemlerinin maliyetlerinin yüksek olmasından dolayı sürekli artmaktadır. Bu nedenle savunma harcamalarının büyük bir kısmını oluşturan Milli Savunma Bakanlığı bütçe büyüklüklerinin gelecek dönemlerde alabileceği değerlerin ön tahmini önemlidir.Bu çalışmada amaç; çeşitli istatistiksel analiz yöntemleri ile Yapay Sinir Ağları yapılarını karşılaştırıp en iyi yöntemi bularak, önümüzdeki dönemde oluşacak olan MSB bütçesini modellemek ve ön tahminler yapmaktır. Ön tahmin sonucu elde edilecek rakamlar sayesinde bütçenin genel gelişimi ile ilgili belirsizlikler ortadan kalkacak ve bu rakamlara göre bir takım çıkarımlar yapılarak genel durum incelenebilecektir.Çalışma, beş bölümden oluşmaktadır. Birinci bölümde; savunma harcamalarının planlaması, kaynakları, dağılımı ve harcamaları etkileyen faktörler ile MSB bütçesinin aşamaları ve bütçe kalemleri incelenmiştir.İkinci bölümde; zaman serileri analiz yöntemlerinden Box-Jenkins metodu açıklanmaktadır Yine bu bölümde diğer analiz tekniklerinden. Regresyon Analizleri ve Yapay Sinir Ağları ile ilgili bilgiler verilmiştir. Yapay Sinir Ağları yapılarının genel tanımları verildikten sonra, ağ yapıları ve elemanları incelenmiş, ağ çeşitleri ile ilgili açıklamalar yapılmıştır.Üçüncü bölümde incelenen her üç analiz yöntemine göre alternatif modeller kurulmuş ve bu modellerin istatistiksel analizleri yapılmıştır.Dördüncü bölümde, kurulan modeller karşılaştırılmış ve doğruluk analiz ölçütlerine göre en iyi model belirlenmiştir..Son bölümde yapılan analizler sonunda ulaşılan sonuçlar değerlendirilmiş ve Milli Savunma Bakanlığı bütçe verilerini tahmin etmek için bir metodoloji ortaya konulmaya çalışılmıştır.

Özet (Çeviri)

In order to shape the future of Turkish Armed Forces, there are several projects that are being executed. Through these projects, procurement of new defense systems are planned, and these systems are expected to fully satisfy the needs of armed forces and carry them to a technologically superior position. At this point, resource-cost analyses are considered. It is known that an important part of defense expenditures which are realized in the budget of Ministry of National Defense, constitute a significant portion in annual government budgets as well. Consequently, it is crucial to generate forecasts for the budget of Ministry of National Defense and coordinate related studies accordingly.The objective of this study is to forecast the future budget of MND by statistical modelling, and to investigate the overall position with the light of numerical data deducted from the results of the models.The study consists of five chapters. In the first chapter; the factors that affect planning, resources, distribution and disbursements of defense expenditures; the phases of preparation and details of MND budget, are studied.In the second chapter; time series analyses and Box-Jenkins method are explained. After the scrutiny of time series analyses, regression and artificial neural networks which are the other methods of analysis of this study are discussed. After ANNs are generally defined, the infrastructure and the elements of network are analysed and types of networks are explained.In the third chapter; alternative models are built by using three methods that has been discussed previously, subsequently these models are statistically analysed.In the fourth chapter; by using the statistical precision analysis models have been compared and the best model chosen.At the last chapter; the results of the analyses are investigated, and forecasts that are obtained through the utilization of the best model which was constructed according to MND budget data, are discussed.

Benzer Tezler

  1. Uydu görüntü verisinin yapay sinir ağları ile sınıflandırılması

    Classification of satellite imagery data with artificial neural networks

    COŞKUN ÖZKAN

    Doktora

    Türkçe

    Türkçe

    2001

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Jeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı

    DOÇ.DR. FİLİZ SUNAR ERBEK

  2. Neuro classifiers for condition and bearing health assessment of an electric motor

    Elektrik makinasında durum ve rulman sağlığı değerlendirmesi için nöro sınıflandırıcılar

    MINA GHORBAN ZADEH BADELI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DUYGU BAYRAM KARA

  3. Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  4. Portfolio optimization with wavelet analysis and neural fuzzy networks

    Dalgacık analizi ve bulanık sinir ağları modeli ile portföy optimizasyonu

    ÖMER ZEKİ GÜRSOY

    Doktora

    İngilizce

    İngilizce

    2022

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. OKTAY TAŞ

  5. Hücresel sinir ağları ve sezgisel optimizasyon algoritmaları ile yüksek kaliteli imge işleme

    High quality image processing using with cellular neural network and heuristic optimization algorithm

    SELAMİ PARMAKSIZOĞLU

    Doktora

    Türkçe

    Türkçe

    2012

    Elektrik ve Elektronik MühendisliğiErciyes Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA ALÇI