Lojistik sektöründe yapay zeka ile dönemlik araç talep tahmini
Forecasting seasonal vehicle demand in the logistics industry using artificial intelligence
- Tez No: 923236
- Danışmanlar: DOÇ. DR. MURAT KÖKLÜ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Bilişim, Bilişim sektörü, Bilişim sistemleri, Bilişim teknolojisi, Yapay zeka, Informatics, Information sector, Information systems, Information technology, Artificial intelligence
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Lojistik sektöründe araç talep tahmini amacıyla yapılan bu tez çalışmasında, 10 yıllık geçmiş verilere dayalı olarak oluşturulan veri seti, Uzun Kısa Süreli Bellek (Long Short-Term Memory, LSTM), Çok Katmanlı Algılayıcı (Multilayer Perceptron, MLP) ve Destek Vektör Regresyonu (Support Vector Regression, SVR) modelleriyle analiz edilmiştir. Modellerin performansı, Ortalama Kare Hatası (Mean Squared Error, MSE), Kök Ortalama Kare Hatası (Root Mean Squared Error, RMSE) ve Sıra Korelasyonu (Rank Correlation, RC) metrikleri kullanılarak değerlendirilmiştir. LSTM modeli, Epoch: 50, Batch Size: 128 ve Lookback: 10 parametreleriyle MSE: 5239,25, RMSE: 72,3826 ve RC: 0,9513 değerleriyle en iyi sonuçları elde etmiştir. MLP modeli ise Epoch: 600 ve Batch Size: 128 parametreleriyle MSE: 12332,8, RMSE: 111,0531 ve RC: 0,8826 değerlerine ulaşmıştır. SVR modeli, C: 100, gamma: 0,001 ve Epsilon: 1 parametreleriyle MSE: 4977,74, RMSE: 70,5531 ve RC: 0,9512 değerleriyle başarılı sonuçlar verirken, C: 1000, gamma: 1 ve Epsilon: 0,001 parametreleriyle en kötü performansı göstermiştir (MSE: 173858,3, RMSE: 416,9632, RC: 0,8469). Sonuçlar doğrultusunda, LSTM ve SVR modelleri en iyi performansı sergileyen modeller olarak belirlenmiştir. Bununla birlikte, SVR modelinin parametre ayarlarına karşı oldukça hassas olduğu gözlemlenmiştir. LSTM modeli, gerçekçi tahminler üretme kapasitesi nedeniyle SVR modeline kıyasla daha uygun bir seçenek olarak değerlendirilmiştir.
Özet (Çeviri)
In this thesis study, conducted to forecast vehicle demand in the logistics sector, a dataset created based on 10 years of historical data was analyzed using Long Short-Term Memory (LSTM), Multilayer Perceptron (MLP), and Support Vector Regression (SVR) models. The performance of the models was evaluated using the metrics Mean Squared Error (MSE), Root Mean Squared Error (RMSE), and Rank Correlation (RC). The LSTM model, with parameters Epoch: 50, Batch Size: 128, and Lookback: 10, achieved the best results with MSE: 5239.25, RMSE: 72.3826, and RC: 0.9513. The MLP model, on the other hand, reached MSE: 12332.8, RMSE: 111.0531, and RC: 0.8826 with parameters Epoch: 600 and Batch Size: 128. The SVR model showed successful results with parameters C: 100, gamma: 0.001, and Epsilon: 1, achieving MSE: 4977.74, RMSE: 70.5531, and RC: 0.9512, while the worst performance was observed with parameters C: 1000, gamma: 1, and Epsilon: 0.001 (MSE: 173858.3, RMSE: 416.9632, RC: 0.8469). Based on the results, the LSTM and SVR models were identified as the best-performing models. However, it was observed that the SVR model is highly sensitive to parameter settings. The LSTM model was deemed a more suitable option compared to the SVR model due to its capacity to produce more realistic predictions.
Benzer Tezler
- Yapay zekâ tabanlı yaklaşımlar ile tahmine dayalı stok planlamasının otomotiv sektöründe uygulamalı analizi
An applied analysis of predictive inventory planning with artificial intelligence-based approaches in the automotive industry
ÖZGE ALBAYRAK ÜNAL
Doktora
Türkçe
2025
Endüstri ve Endüstri MühendisliğiAtatürk ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK ERKAYMAN
DR. ÖĞR. ÜYESİ BİLAL USANMAZ
- Mobilya endüstrisinde müşteri beğenisinin yapay zeka teknikleri ile analizi
An analysis of customer preferences in the furniture industry using artificial intelligence techniques
SENA GENÇER BEŞKAYA
Yüksek Lisans
Türkçe
2025
Ağaç İşleriGazi ÜniversitesiAğaç İşleri Endüstri Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR ÖZCAN
- Yetenek yönetimi uygulamalarının dijital dönüşüm ve yapay zekâ kullanımında aracılık rolü: Lojistik sektörü örneği
The mediating role of talent management applications in digital transformation and artificial intelligence use: The case of the logistics sector
YUSUF EREN PINARBAŞI
Yüksek Lisans
Türkçe
2025
İşletmeİstanbul Nişantaşı Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. GÖZDE MERT
- E-ticarette yapay zekâ kullanımının önemi
The importance of using artificial intelligence in e-commerce
MUHAMMET ÇELİK
Yüksek Lisans
Türkçe
2025
Uluslararası TicaretBurdur Mehmet Akif Ersoy ÜniversitesiGümrük İşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜREYYA KOVACI
- Yapay zekânın işletmelerin kârlılığı ve karar verme mekanizmasına etkileri: Lojistik sektörü üzerine ampirik çalışma
The impact of artificial intelligence on business profitability and decision-making mechanisms: An empirical study on the logistics sector
ENGİN ŞENTÜRK
Yüksek Lisans
Türkçe
2026
Mühendislik Bilimleriİstanbul Okan ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ PARMİS ŞAHMALEKİ ÇORBACIOĞLU