Stratejik tarım ürünlerinde üretici fiyatlarının makine öğrenmesi algoritmaları ile tahmini
Prediction of producer prices of strategic agricultural products with machine learning algorithms
- Tez No: 879942
- Danışmanlar: PROF. DR. YAPRAK ARZU ÖZDEMİR
- Tez Türü: Yüksek Lisans
- Konular: Ziraat, İstatistik, Agriculture, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 158
Özet
Tarım sektörü, insanın en temel ihtiyaçlarından olan gıdanın üretiminin yanısıra istihdam, büyüme ve milli gelire katkısı, sanayi sektörüne sağladığı hammadde ve ihracat potansiyeli açısından değerlendirildiğinde stratejik öneme sahiptir. Son yıllarda dünyada ve ülkemizde temel tarım ve gıda ürünlerinde önemli ölçüde fiyat artışı meydana gelmiştir. Çiftlikten çatala değer zincirinin ilk halkası olan üretici fiyatlarındaki değişimler, zincirin her halkasında büyüyerek tüketiciye yansıyan nihai fiyatın oluşumundaki en önemli etmenler arasındadır. Fiyat dalgalanmalarında arz ve talep yönlü birçok faktör etkilidir. Bu faktörler arasında üretim, enerji ve girdi maliyetleri, uluslararası ürün fiyatları, dış ticaret, döviz kuru, enflasyon, nüfus artışı iklim değişikliği gibi unsurlar bulunmaktadır. Bu çalışmada, tüm bu faktörlerin ışığında Türkiye'nin stratejik öneme sahip tarım ürünlerinin üretici fiyatlarının makine öğrenmesi algoritmaları ile tahmini ve kullanılan yöntemlerin performanslarının karşılaştırılması amaçlanmaktadır. Uygulamada, on altı stratejik tarım ürünü tarla ve bahçe bitkileri olmak üzere iki ayrı grupta ele alınmış ve bu ürünlerin 2003-2022 dönemi üretici fiyatları altı farklı makine öğrenmesi algoritması kullanılarak tahmin edilmiştir. Sonuçların karşılaştırılabilir olması amacıyla, açıklayıcı değişkenler özellik seçimiyle azaltılarak tüm ürünlerde her iki grup için ayrı ayrı önemli bulunan ortak değişkenler modele dahil edilmiştir. Performans karşılaştırma kriteri olarak, göreli hata kare ortalamasının karekökü (rRMSE), ortalama mutlak hata yüzdesi (MAPE), hata kare toplamı (SSE) ve Düzeltilmiş R2 kullanılmıştır. Elde edilen bulgulara göre, model performansına katkısı en fazla olan değişkenler üründen ürüne farklılık gösterse de tüm modellerde dolar kurunun etkisi dikkat çekmiştir. Model performansları incelendiğinde ise rastgele orman ve XGBoost yöntemleri en iyi sonuçları veren yöntemler olarak ön plana çıkmaktadır.
Özet (Çeviri)
The agricultural sector holds strategic importance not only in terms of producing food, one of the most basic human needs, but also in contributing to employment, growth, and GDP, as well as providing raw materials to the industrial sector and export potential. In recent years, there have been significant price increases in basic agricultural and food products globally and domestically. Changes in producer prices, which are the first link in the farm-to-fork value chain, are among the most crucial factors influencing the consumer prices. Price fluctuations are affected by many supply and demand factors, including production, energy and input costs, international product prices, foreign trade, exchange rates, inflation, population growth, and climate change. This study aims to estimate the producer prices of key agricultural products in Turkey using machine learning algorithms and to compare the performance of these methods. Sixteen strategic agricultural products categorized into field crops and horticultural crops and producer prices of these products for the period 2003-2022 were predicted using six different machine learning algorithms. To ensure comparability of the results, explanatory variables were reduced through feature selection, and common variables found to be significant for both groups were included in the model. Relative root mean square error (rRMSE), mean absolute percentage error (MAPE), sum of squares error (SSE) and adjusted R2 were used as performance comparison criteria. The findings indicate that, although the variables contributing most to model performance varied by product, the impact of the US Dollar exchange rate was notable across all models. When evaluating model performance, the random forest and XGBoost methods emerged as the top-performing algorithms.
Benzer Tezler
- Türkiyede tekstil ve konfeksiyon sektörünün durumu ve çıkış stratejileri
Başlık çevirisi yok
İBRAHİM ÖZGÜR
Yüksek Lisans
Türkçe
2006
Tekstil ve Tekstil MühendisliğiKadir Has ÜniversitesiBankacılık Ana Bilim Dalı
YRD. DOÇ. DR. HASAN EKEN
- Fındığın optimum satış süresinin belirlenmesi: oyun teorisi ve karar kriterleri yaklaşımları
Determining the optimal selling time of nut: game theory and decision criteria approaches
MELİKE MUNTAŞ
Yüksek Lisans
Türkçe
2023
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURHANEDDİN İZGİ
- Bulanık doğrusal programlama ile feldspat karışım optimizasyonu
Feldspat blending optimization with fuzzy linear programming
İREM ÇELEBİ
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZGÜR KABAK
- İstikrar politikaları ve Türkiye ekonomisinin (1980-1990) dönemi dış ticaret yapısının genel bir değerlendirmesi
Başlık çevirisi yok
JALE YALINPALA
- Trakya bölgesinde buğday, ayçiçeği ve çeltiğin üretim ve pazarlama sorunlarının analizi
Tha analysis of production and marketing problems of wheat, sunflower and rice in thrace region
BİROL ERDEM
Doktora
Türkçe
2012
ZiraatNamık Kemal ÜniversitesiTarım Ekonomisi Ana Bilim Dalı
DOÇ. DR. M.ÖMER AZABAĞAOĞLU