Prediction of apricot export volume using artificial intelligence
Yapay zeka kullanılarak kayısı ihracat miktarının tahmini
- Tez No: 774471
- Danışmanlar: DOÇ. DR. AYŞE TUĞBA DOSDOĞRU
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Adana Alparslan Türkeş Bilim Ve Teknoloji Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 51
Özet
Bu çalışmada amaç, Türkiye de önemli ihracat kalemlerinden olan kayısı ürünün ihracat miktarı için en uygun tahmin yöntemini belirlemektir. Tahmin yöntemi belirlenirken, Yapay Sinir Ağları (YSA), Mevsimsel Otoregresif Entegre Hareketli Ortalama (SARIMA) ve Gradyan Artırılmış Ağaçlar (XGBoost) yöntemleri ile tahminlerinin karşılaştırılması sonucu en uygun tahmin yöntemi bulunmuştur. Bu çalışmada Türkiye İstatistik Kurumu'ndan (TÜİK) aylık bazda 2002-2020 Genel Ticaret Sistemi (GTS) Dış Ticaret verileri elde edilmiştir. Mevsimsellik gözlemlenen kayısı verileri 2020 yılı için AR, ARIMA, SARIMA, YSA ve XGBoost yöntemleri kullanılarak tahmin edilmiştir. Sonuç olarak mevcut verilerle karşılaştırıldığında, performans ölçüm sonuçlarına göre en uygun yöntemin XGBoost olduğu bulunmuştur.
Özet (Çeviri)
This study aims to determine the most appropriate predicting method for the export volume of apricot products, which is one of the essential export items in Turkey. While deciding the predicting strategy, the most appropriate prediction method is found as a result of comparing the predictions with Artificial Neural Networks (ANN), Seasonal Autoregressive Integrated Moving Average (SARIMA), and Extreme Gradient Boosting (XGBoost) methods. In this study, 2002-2020 General Trade System (GTS) Foreign Trade monthly data is obtained from the Turkish Statistical Institute (TURKSTAT). In which seasonality is observed, Apricot data is estimated using AR, ARIMA, SARIMA, ANN, and XGBoost methods for 2020. As a result, XGBoost achieves better prediction accuracy than SARIMA and ANN, according to the impact of the performance measure.
Benzer Tezler
- Comparison of artificial neural networks and deep learning methods for predicting export prices of agricultural products
Tarım ürünlerinin ihracat fiyatlarının tahminlenmesinde yapay sinir ağları ve derin öğrenme yöntemlerinin karşılaştırılması
HALİT AHMET AKDEMİR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YALÇIN ÇEBİ
- Drone görüntülerinden derin öğrenme teknikleri ile kayısı rekolte tahmini
Apricot harvest prediction with deep learning techniques from drone images
RECEP BİÇER
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET EMİN TENEKECİ
- Kayısıda bazı içsel kalite kriterlerinin Fourier dönüşümlü-yakın kızıl ötesi (FT-NIR) spektroskopi kullanarak belirlenmesi
Determination of some internal quality parameters of apricot using Fourier transform-NIR spectroscopy
MEHMET BURAK BÜYÜKCAN
Yüksek Lisans
Türkçe
2008
ZiraatÇanakkale Onsekiz Mart ÜniversitesiTarım Makineleri Ana Bilim Dalı
DOÇ. DR. İSMAİL KAVDIR
- Meyve sularının mineral profilinin belirlenmesi ve meyve oranının tahmini
Determination of mineral profile and prediction of fruit content of fruit juices
EVRİM BURCU UNCU KİRTİŞ
Doktora
Türkçe
2014
Gıda MühendisliğiAnkara ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
PROF. DR. AZİZ EKŞİ
- Hemicellulose coating as a substitute of sulfuring for apricot drying
Kayısı kurutmada kükürtleme yerine hemiselüloz kaplamasının kullanılması
ALİ ÜBEYİTOĞULLARI
Yüksek Lisans
İngilizce
2014
Besin Hijyeni ve TeknolojisiOrta Doğu Teknik ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
DOÇ. DR. DENİZ ÇEKMECELİOĞLU