Yapay sinir ağları ve bulanık mantık ile sanayi üretim endeksi tahmini
Forecasting industrial production index with artificial neural networks and fuzzy logic
- Tez No: 887457
- Danışmanlar: DR. ÖĞR. ÜYESİ HALİL NUSRET BULUŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Tekirdağ Namık Kemal Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Sanayi, hammaddelerin insan kullanımına elverişli hale getirilmesi için temini, işlenmesi ve üretilmesidir. Günümüzde sanayi sektörünün durumunu gösteren, üretim faaliyetindeki artış ya da azalışını karşılaştırmalı olarak izleyen göstergelerden biri de sanayi üretim endeksidir. Sanayi sektörü gayrisafi yurt içi hasılanın belirlenmesinde önemli bir öncüldür. Bunun en temel nedeni sanayi üretiminin ekonomiyi pek çok açıdan etkilemesidir. Yurt içi tüketim olsun ihracat olsun sanayi üretimindeki artış ekonomik büyüme ile alakalıdır. Sanayi üretiminin hem tüketim ihtiyacına hem de faiz oranlarına duyarlı olmasından dolayı sanayi üretim endeksi büyüme ile doğrudan ilişkilidir. Sanayi üretim endeksi büyümenin en önemli göstergelerinden biri olduğu için, sanayi üretim endeksinin gelecekte ne yönde olacağını tahmin etmek de önemlidir. Yapılmış olan bu yüksek lisans tez çalışmasında bir yıla ait elektrik üretim endeksinin tahmin edilmesi için önceki yıllardaki veriler kullanılarak yapay sinir ağı ve bulanık mantık modelleri üretilmiştir. YSA'da transfer fonksiyonları ve nöron sayılarının değiştirilmesi ile farklı modeller elde edilmiş ve bu modeller tahminde kullanılmıştır. Benzer şekilde, ANFIS modelleri için de çeşitlendirme üyelik fonksiyonu ve üyelik fonksiyon sayısını değiştirerek elde edilmiştir. ANFIS'de yapılan tahminler bu modeller üzerinde gerçekleştirilmiştir. YSA modelleri incelendiğinde ANFIS'de olduğu gibi zaman, maden ve imalat üretim endeksleri girdilerinden oluşan sistemin sadece zaman veya sadece imalat-maden üretim endekslerine dayalı tahmin yapan sistemden daha iyi sonuç verdiği de görülmüştür.
Özet (Çeviri)
Industry is the supply, processing and production of raw materials to make them suitable for human use. Today, one of the indicators showing the status of the industrial sector and monitoring the increase or decrease in production activity comparatively is the industrial production index. The industrial sector is an important precursor in determining the gross domestic product. The main reason for this is that industrial production affects the economy in many ways. Whether it is domestic consumption or exports, the increase in industrial production is related to economic growth. Since industrial production is sensitive to both consumption needs and interest rates, the industrial production index is directly related to growth. Since the industrial production index is one of the most important indicators of growth, it is also important to predict the future direction of the industrial production index. In this master's thesis, artificial neural network and fuzzy logic models have been produced by using data from previous years to predict the electricity production index for a year. Different models were obtained by changing the transfer functions and number of neurons in ANN and these models were used in forecasting. Similarly, for ANFIS models, diversification was obtained by changing the membership function and the number of membership functions. The predictions made in ANFIS were performed on these models. When ANN models are analysed, it is also observed that the system consisting of time, mining and manufacturing production indices inputs, as in ANFIS, gives better results than the system that forecasts only based on time or only manufacturing-mining production indices.
Benzer Tezler
- Savunma sanayinde dijitalleşmenin kurumsal niteliklere etkisinin yapay zeka yöntemleri ile öngörülmesi: Sakarya ili örneği
Foreseeing the impact of digitalization on institutional qualities by artificial intelligence methods in the defense industry: An application in Sakarya
CEM ÖZKURT
Doktora
Türkçe
2020
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. HARUN TAŞKIN
- Kablosuz sensör ağlarında yumuşak hesaplama teknikleri kullanarak konum tahmini
In wireless sensor networks using soft computing techniques estimate of location
SEVİL TUNCER
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TANER TUNCER
- Semantic land cover and land use classification using deep convolutional neural networks
Derin evrişimsel sinir ağları ile arazi kullanımı ve arazi örtüsünün anlamsal sınıflandırılması
BERK GÜNEY
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Uzun dönem yük tahmini: Manisa örneği
The long term load forecasting: Manisa city
AHMET SOM
Yüksek Lisans
Türkçe
2010
Elektrik ve Elektronik MühendisliğiDumlupınar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. CELAL YAŞAR
- Havalı yağlama sisteminin yapay sinir ağları ve bulanık mantık yöntemleri ile kontrol tasarımı
Design of air oiled system via using artificial neural networks and fuzzy logic applications
HACI ŞABAN CELAYİR
Yüksek Lisans
Türkçe
2010
Elektrik ve Elektronik MühendisliğiZonguldak Karaelmas ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MAHMUT ÖZER