Talep tahmininde sinirsel ağ tabanlı bulanık mantık yöntemi (Anfis) kullanımı ve yalın yapay sinir ağı metodu ile karşılaştırmalı bir uygulama
Using adaptive neural-fuzzy inference systems for demand forecasting and application with comparison artificial neural network method
- Tez No: 337482
- Danışmanlar: PROF. DR. ŞEVKİNAZ GÜMÜŞOĞLU
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Bulanık Mantık, Yapay Sinir Ağları, Talep Tahmini, Anfis, Fuzzy Logic, Artificial Neural Networks, Demand Forecasting, Anfis
- Yıl: 2012
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: İşletme Bilim Dalı
- Sayfa Sayısı: 139
Özet
Rekabet unsurunun günümüzde hızla artması, organizasyonların karar problemlerinde rasyonel davranmaları zorunluluğunu da beraberinde getirmiştir. Organizasyonların ve kurumların belirsizlik ve risk ortamında güvenle yol alabilmeleri, karar birimlerinde teknolojiyi ve bilimsel yöntemleri etkin kullanabilmeleri ile mümkündür. Talep tahmini, kurumlardaki kritik karar problemlerinin en başında gelmektedir. Bilimsel yöntemlerle desteklenmiş talep tahmini mekanizmasına sahip bir işletme, tüm fonksiyonlarının verimliliğini ve etkinliğini arttırabilir.Yapay sinir ağları, işletmeler tarafından son yıllarda bir karar verme yöntemi olarak sıklıkla kullanılmaktadır. Bunun yanı sıra organizasyonlar, belirsizlik içeren problemlerin modellenmesi ve çözülmesinde kullanılan bulanık mantık yöntemlerine de sıkça başvurmaktadırlar.Bu çalışmada işletmeler için çok önemli bir konu olan talep tahmin problemine yapay sinir ağları ve bulanık mantık yöntemleri ile çözüm aranmıştır. Çalışmada önerilen model için öncelikle talebi etkileyen faktörler belirlenmiş ve bu faktörlere ait verilerle modelin veri tabanı oluşturulmuştur. Yapay sinir ağları ve ANFIS yöntemlerinin model parametreleri deneme yolu ve sınamalar ile en uygun şekilde belirlenmiştir. Her iki yöntemin tahmin performansları karşılaştırmalı olarak incelenmiş ve bulunan sonuçlar geleneksel yöntemler ile karşılaştırılmıştır.
Özet (Çeviri)
Due to the rapid increase in global competition among organizations and companies, rational approaches in decision making have become indispensable for organizations in today?s world. Establishing a safe and robust path through uncertainties and risks depends on the decision units? ability of using scientific methods as well as technology. Demand forecasting is known to be one of the most critical problems in organizations. A company which supports its demand forecasting mechanism with scientific methodologies could increase its productivity and efficiency in all other functions.Artificial neural networks are frequently being used as a decision-making mechanism in organizations and companies recently. In addition, organizations often use applications integrated with fuzzy logic methodologies to model and solve their problems that comprise uncertainty.In this study, it is aimed to solve a critical demand forecasting problem with artificial neural networks and fuzzy logic methods. In the first phase of the study, the factors which impact demand forecasting are determined, and then a database of the model is established using these factors. The parameters and their optimal values used within artificial neural networks and ANFIS are derived by several trials and tests. The results estimated by each of these two methods are comparatively analyzed and also these results are compared with the results obtained by traditional methods.
Benzer Tezler
- Global dış satın alma için akıllı karar destek sistemi tasarımı
Design of intelligent decision support system for global outsourcing decisions
ASLI AKSOY
Doktora
Türkçe
2012
Endüstri ve Endüstri MühendisliğiUludağ ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. NURSEL ÖZTÜRK
- ANFIS ile Türkiye'nin doğalgaz talep tahmini
Başlık çevirisi yok
EYLEM KALAYCI
Yüksek Lisans
Türkçe
2015
Ekonometriİnönü ÜniversitesiEkonometri Ana Bilim Dalı
YRD. DOÇ. DR. HASAN SÖYLER
- Churn prediction using customers' implicit behavioral patterns and deep learning
Üstü kapalı müsteri davranış biçimlerini kullanarak kayıp müşteri tahmini ve derinlemesine öğrenme
ANEELA TANVEER
- Havacılık sektöründe talep tahmininin önemi: Yolcu talebi üzerine bir tahmin modeli
The importance of demand estimation in the aviation sector: A model to estimate airline passenger demand
ÖMER EMİN EMİNLER
Yüksek Lisans
Türkçe
2017
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUĞBA EFENDİGİL
- The application and evaluation of functional link net techniques in forecasting electrıcity demand
Elektrik enerjisi talep tahmininde fonksiyonel bağ ağları tekniğinin uygulanması ve değerlendirilmesi
IŞIK EKİN YILMAZ ÖZTÜRK
Yüksek Lisans
İngilizce
2008
EkonometriOrta Doğu Teknik ÜniversitesiEndüstri Mühendisliği Bölümü
PROF. DR. ÇAĞLAR GÜVEN