Geri Dön

Araç talep tahmininde kullanılan yöntemlerin karşılaştırılması

Comparison of car demand forecasting models

PDF İndir

  1. Tez No: 397832
  2. Yazar: KÜRŞAT KARACA
  3. Danışmanlar: YRD. DOÇ. DR. BAŞAR ÖZTAYŞİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2015
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 163

Özet

Otomotiv sektörü ülkelerin ekonomisine ışık tutan gösterge niteliğinde bir sektördür. Diğer pek çok sektörle yakın etkileşimde bulunmasından dolayı özellikle gelişmekte olan ülkeler için ekonomik büyümeye katkı sağlayan başlıca sektördür. Ülkelerde bulunan araç sayısı ve bu araçların günlük hayat ile uyumu ülkelerin refah seviyelerinin bir göstergelerindendir. Her sektörde olduğu gibi böylesine önemli bir sektörde de talep tahmini önemli bir çalışma konusu olmaktadır. Şirketler gerek kendi içlerinde, gerekse akademik danışmanlardan destek alarak gelecek dönemler için talep tahmin çalışmalarında bulunmaktadır ve bu çalışmalara göre orta ve uzun vadeli planlamalarını yapmaktadırlar. Literatürde araç talep tahmini ile ilgili çalışmalar zaman serileri, ARIMA, regresyon, bulanık mantık, destek vektör mekanizmaları, genetik algoritma, yapay sinir ağları, benzetim, optimizasyon gibi modeller ile çalışılmıştır. Bu çalışmaların bir kısmında bazı varsayımlar ele alınmış, bazılarında satışları etkileyen faktörler belirlenmiştir. Bu yüksek lisans tez çalışmasında da otomotiv sektörü üzerine bir talep tahmini üzerinde durulmuştur. Türkiye'de 2003-2014 yılları arasında satılmış hafif ticari araç ve otomobil verisi çalışmada kullanılmıştır. Çalışmada kullanılan veri kümesinin göstermiş olduğu mevsimsellik etkisinin azaltılması için mevsimsel etkinin yıl içerisinde düzenlendiği SAAR işlemi veri kümesine uygulanmıştır. Tezde yapılan uygulamalar çerçevesinde, aylara göre otomobil ve hafif ticari araç (HTA) satış rakamlarını içeren ham veri kümesinin yanı sıra, mevsimsel etkilerden arındırılmış veri kümesi de ele alınmıştır. Talep tahmininde yaygın olarak kullanılan zaman serileri ve regresyon yöntemlerinin yanı sıra yapay sinir ağları ve destek vektör regresyon gibi veri madenciliği yöntemleri de çalışılmıştır. Uygulamaların çıktısı olarak bir dönem ilerisi ve altı dönem ilerisi için tahmin sonuçları elde edilmiştir. 6 aylık periyotlar için yapılan tahmin sonucunda elde edilen sonuçlar OMYH (Ortalama Mutlak Yüzdelik Hata) göstergesine göre sıralanmış, daha sonra en düşük OMYH göstergesine sahip üç model için NKOH(Normalleştirilmiş Karekök Ortalama Hatası) ve OMH (Ortalama Mutlak Hata) değerleri de verilmiştir. Yapılan uygulamalarda otomobil satışları için uygun yöntem regresyon, HTA için ise zaman serisi yöntemleri olmuştur.

Özet (Çeviri)

Automobiles are one of a few products which are bought by some ivestment, credit support etc. They are the second most expensive durable goods after the houses. The importance of automobile industry is not only because of consumer aspect. The producer aspect is also an important side of the industry. Automobile industry's production and demand numbers are one of the indicator of the state of the countries economies. Automobile industry is related with many other sectors. So predicting the future of automobile industry has some positive impact on planning of other sectors related with automobile industry. Automobile demand forecasting studies are not only used for industrial purposes. The output of the automobile demand forecasting can be used to predict the number of automobiles and car ownership density of the countries. Then these results are able to be used as inputs in planning of future infrastructures such as roads, bridge, public transportation infrastructure etc. Automobile demand forecasting can be studied by the support of experts who have important information and experience about the sector. Another option to study with automobile demand forecasting is mathematical modelling of the forecasting problems by finding the relationships between the inputs. The studies in literature have been conducted by many methods and many independent variables. The methods used in the literature are time series, ARIMA, regression, econometric models, artificial neural networks, fuzzy logic, support vector machines, genetic algorithms, gompertz model, ANFIS, Pena Box etc. In our study we used two types of data sets which contains normal and seasonally adjusted monthly sales numbers of automobiles and LCV (Light Commercial Vehicle). Addition to the classical time series methods and linear regression methods, we used data mining methods such as artificial neural networks and support vector regression. The output of the calculations are one period and six period ahead forecast of the data sets. The forecasting power of the models are evaluated by MAPE (Mean Absolute Percentage Error) in the six months and one month periods. The methods which have three least MAPE values for six months prediction interval are given with error indicators of MAPE, NRMSE (Normalized Root Mean Squared Error) andMAD (Mean Absolute Deviation). The results of the applications showed that automobile sales are forecasted best by regression and LCV sales are best forecasted by time series methods.

Benzer Tezler

  1. Tez No

    827860

    Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini

    Forecasting the spread of covid-19 using deep learning and big data analytics methods

    CYLAS KIGANDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  2. Tez No

    636967

    Design, implementation and comparison ofsensor fusion methods for object detection and trackingbased on multiple 3D lidar sensors

    Çoklu 3D lidar sensörleri üzerindenesne algılama ve takibi için sensör füzyon yöntemlerinintasarımı, uygulaması ve karşılaştırılması

    ELİF AKSU TAŞDELEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. VOLKAN SEZER

  3. Tez No

    728716

    Short term electricity load forecasting with deep learning

    Derin öğrenme ile kısa dönemli elektrik yük talep tahmini

    İBRAHİM YAZICI

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  4. Tez No

    595740

    Short term electrıcıty consumptıon forecastıng usıng long short-term memory cells

    Uzun kisa vadeli̇ hafiza ağlari i̇le kisa vadeli̇ elektri̇k tüketi̇m tahmi̇ni̇

    ANIL TÜRKÜNOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURAK BARUTÇU

  5. Tez No

    455424

    Slip-slide control system for railway vehicles

    Demiryolu araçları için kayma-kızaklama kontrol sistemi

    ÖNCÜ ARARAT

    Doktora

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET TURAN SÖYLEMEZ

Geri Dön