Geri Dön

Yapay sinir ağları ve bulanık mantık ile sanayi üretim endeksi tahmini

Forecasting industrial production index with artificial neural networks and fuzzy logic

  1. Tez No: 887457
  2. Yazar: ABDURRAHMAN ÖZCAN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ HALİL NUSRET BULUŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Tekirdağ Namık Kemal Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2020

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. HARUN TAŞKIN

  2. 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

    Türkçe

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TANER TUNCER

  3. 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

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  4. Uzun dönem yük tahmini: Manisa örneği

    The long term load forecasting: Manisa city

    AHMET SOM

    Yüksek Lisans

    Türkçe

    Türkçe

    2010

    Elektrik ve Elektronik MühendisliğiDumlupınar Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. CELAL YAŞAR

  5. 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

    Türkçe

    2010

    Elektrik ve Elektronik MühendisliğiZonguldak Karaelmas Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MAHMUT ÖZER