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: Derin öğrenme, Parçacık sürü optimizasyonu, Talep tahmini, Yapay sinir ağları, Deep learning, Particle swarm optimization, Demand estimation, Artificial neural networks
- 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: Belirtilmemiş.
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
- Parçacık dedektörleri
Başlık çevirisi yok
EMEL BAŞARAN
Yüksek Lisans
Türkçe
1987
Fizik ve Fizik MühendisliğiÇukurova ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. GÜLSEN ÖNENGÜT
- Süzme mekanizmalarının incelenmesi ve meyan kökü ekstraktının süzülmesine uygulanması
Başlık çevirisi yok
NİMET KARAKOÇ UZUNOĞLU
Yüksek Lisans
Türkçe
1987
Kimya MühendisliğiAnadolu ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERAP KARA