Parçacık sürü optimizasyonu kullanan yapay sinir ağları ile talep tahminleme
Demand forecasting with artificial neural networks using particle swarm optimization
- Tez No: 942896
- Danışmanlar: PROF. DR. MURAT KOCAMAZ
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Üretim Yönetimi ve Sayısal Yöntemler Bilim Dalı
- Sayfa Sayısı: 122
Özet
Talep tahminleme, ekonomik faaliyet gösteren kuruluşlar için önemli bir problemdir. En ileri teknolojiyle, en yüksek işlenebilir veriye sahip olmanın kuruluşları liderliğe dahada yakınlaştırdığı bir piyasada literatüre bakıldığında söz konusu problem için çeşitli yöntemler kullanıldığı ancak günümüzün gelişen teknolojisi çerçevesinde bilinen yöntemlerin yetersiz kaldığı görülmektedir. Tahminleme problemleri açısından yapay sinir ağları farklı türleriyle çalışmalarda yaygın biçimde kullanılmaktadır. Fakat günümüz konjonktüründe verilerin çokluğu göz önüne alındığında yapay sinir ağlarının başarısı tek başına yeterli olmamaktadır. Bu tez kapsamında amaç literatürde açık olarak görülen yapay sinir ağlarının tahminlemedeki doğruluk oranını yükseltirken aynı zamanda tahmin sürelerini azaltmaktır. Bu doğrultuda tezde; bir mağaza zincirinin 10 farklı mağazasındaki bir ürününün, 5 yıl içerisinde günlük satış miktarları yapay sinir ağlarının parçacık sürü optimizasyonu ile desteklenerek tahminlemesi gerçekleştirilecektir. Tahminlemede Matlab R2024b isimli dördüncü nesil programlama dili olan uygulama kullanılmış olup üç farklı çıktı sonucu analiz edilmiştir. Elde edilen çıktılar parçacık sürü optimizasyonu ile eğitilmiş yapay sinir ağlarında anlamlı tahmin sonuçları verdiğini ortaya koymaktadır. Yapay sinir ağlarının bu hibrit yaklaşımı, tahminlemenin hesaplanarak gerçeğe en yakın başarılı sonuçlar elde edilmesinde öncelikli hedef olarak belirlenmiştir.
Özet (Çeviri)
Demand forecasting constitutes a critical challenge for organizations engaged in economic activities. A review of the literature reveals that in competitive markets, possessing the highest volume of processable data and utilizing the most advanced technologies are key factors that bring organizations closer to market leadership. Despite the existence of various methods addressing this issue, traditional approaches are increasingly deemed inadequate in the face of rapidly evolving technological advancements. Among predictive modeling techniques, artificial neural networks (ANNs) are extensively utilized in the literature, often in diverse forms. Nevertheless, considering the vastness and complexity of contemporary datasets, the performance of ANNs alone is frequently insufficient in achieving optimal predictive accuracy. The primary objective of this thesis is to enhance the predictive accuracy of artificial neural networks well-documented in existing studies while simultaneously reducing computation time. To this end, the study proposes a hybrid model that integrates artificial neural networks with particle swarm optimization (PSO) to forecast daily sales volumes of a specific product across 10 different retail stores over a five-year period. The implementation of this model was carried out using MATLAB R2024b, a fourth-generation programming environment. The analysis was conducted based on three different sets of output results. The findings indicate that artificial neural networks optimized via particle swarm optimization yield significantly improved predictive performance. Consequently, this hybrid approach is positioned as a prioritized strategy for achieving high-accuracy forecasts that closely align with real-world outcomes.
Benzer Tezler
- Estimation of the energy output of a photovoltaic panel by metaheuristic optimization based artificial neural networks
Bir fotovoltaik panelin enerji çıkışının metaheuristik optimizasyon tabanlı yapay sinir ağları ile tahmini
ALI KAMIL GUMAR GUMAR
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiKarabük ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FUNDA DEMİR
- Diferansiyel denklemlerin yapay sinir ağları ile nümerik çözümleri
The numerical solutions of differantial equations with artificial neural networks
İCLAL GÖR
Doktora
Türkçe
2020
MatematikAydın Adnan Menderes ÜniversitesiMatematik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KORHAN GÜNEL
- Çarpımsal nöron modelli yapay sinir ağlarında yeni bir sağlam öğrenme algoritması
A new robust learning algorithm with multiplicative neuron model in artificial neural networks
EREN BAŞ
Doktora
Türkçe
2014
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. VEDİDE REZAN USLU
- Yapay zekâ yöntemlerinin yağış haritaları için mekânsal tahmin başarılarının incelenmesi
Examining the spatial estimation success of artificial intelligence methods for precipitation maps
MUSTAFA HÜSREVOĞLU
Doktora
Türkçe
2023
Jeodezi ve FotogrametriKonya Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL BÜLENT GÜNDOĞDU
- Antenlerin hızlı ve doğru tasarımı için esnek hesaplamaya dayalı sayısal karma yöntemler
Numerical hybrid methods based on soft computing for fast and accurate design of antennas
MAHMUD ESAD YİĞİT
Doktora
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT TAYFUN GÜNEL