Makine öğrenmesi yöntemleri kullanılarak otomotiv satış adetlerinin tahminlenmesi
Estimate automotive sales quantities using machine learning methods
- Tez No: 981778
- Danışmanlar: PROF. DR. SELÇUK ALP
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Mühendislik Bilimleri, Industrial and Industrial Engineering, Engineering Sciences
- Anahtar Kelimeler: Endüstri mühendisliği, Industrial engineering
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mühendislik Yönetimi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, Türkiye'de otomotiv sektöründeki satış adetlerinin farklı makine öğrenmesi yöntemleriyle tahmin edilmesi ve bu yöntemlerin matematiksel olarak karşılaştırılması amaçlanmıştır. Model oluşturulurken, otomotiv satışlarını etkileyen Brent petrol varil fiyatları değişimi, yıllık enflasyon oranı ve Euro/Dolar döviz kurunun yıllık değişim oranları bağımsız değişken olarak kullanılmıştır. Bu değişkenler aracılığıyla makine öğrenmesi yöntemleri kullanılarak otomotiv satış adetlerinin yıllık değişim oranları tahmin edilmeye çalışılmış ve elde edilen sonuçlar karşılaştırılmıştır. Tahminleme modelleri olarak makine öğrenmesi yöntemlerinden Destek Vektör Regresyonu, Random Forest, Extra Trees, Gradient Boosting Machines , LightGBM , XGBoost, AdaBoost, K-Nearest Neighbors ve Çok Katmanlı Algılayıcı kullanılmış; modeller Python ortamında oluşturularak analiz edilmiştir. Yöntemlerin karşılaştırılmasında ve değerlendirilmesinde, test veri setinden hesaplanan Kök Ortalama Kare Hata metriği esas alınmıştır. 01.01.2011 ile 01.02.2025 tarihleri arasındaki aylık verilerin yıllık değişimlerine dayanarak oluşturulan modellerde, sonuç olarak Destek Vektör Regresyonu yöntemi, diğer yöntemlere kıyasla daha düşük hata oranı sergilemiştir. Ayrıca Destek Vektör Regresyonu yöntemi, satış verilerinin 1, 3 ve 6 ay gecikmeli versiyonlarıyla da test edilmiş; özellikle 3 ay gecikmeli verilerde en başarılı performansı göstermiştir.
Özet (Çeviri)
In this study, it is aimed to forecast the automobile sales volumes in Turkey by employing various machine learning methods and to provide a mathematical comparison of these methods. In the model development process, annual change rates of Brent crude oil prices, inflation rates, and the Euro/USD exchange rate were utilized as independent variables. Through these variables, automobile sales volumes were forecasted using machine learning approaches, and the obtained results were comparatively evaluated. As forecasting models, machine learning methods such as Random Forest, Extra Trees, Gradient Boosting Machines, LightGBM, XGBoost, AdaBoost, K-Nearest Neighbors, and Multi-Layer Perceptron were employed; the models were developed and analyzed in the Python environment. For the comparison of methods, the Root Mean Square Error metric calculated from the test data set was used as the basis for comparison and evaluation of the methods. Based on the annual changes in monthly data between 01.01.2011 and 01.02.2025, the results indicate that the Support Vector Regression method demonstrated lower error rates compared to other methods. Furthermore, the Support Vector Regression method was also tested with lagged versions of sales data (1, 3, and 6 months); among these, the model using 3 - month lagged data achieved the best performance.
Benzer Tezler
- Forecasting warranty claims for month in services groups in automotive sector
Otomotiv sektöründe hizmet gruplarında aylık garanti taleplerinin tahmini
BEGÜM TEKÖZ
Yüksek Lisans
İngilizce
2022
İstatistikOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. CEYLAN YOZGATLIGİL
PROF. DR. TUĞBA TAŞKAYA TEMİZEL
- Otomotiv döküm parça talep tahmininin yapay sinir ağları ile modellenmesi ve arıma yöntemi ile karşılaştırmalı analizi
Modeling automotive casting part demand forecasting with artificial neural networks and comparative analysis with arima method
SELİNAY KAYALI
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MERVE CENGİZ TOKLU
- Otomotiv endüstrisinde makine öğrenimi teknikleri kullanılarak araç fiyatlarının tahmin edilmesine yönelik karşılaştırmalı bir çalışma
A comparative study to forecast vehicle prices in automotive industry using machine learning techniques
LADEN AKGÖK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET DİKMEN
- Denetimli makine öğrenim yöntemleri ile web tabanlı platformlarda ikinci el araba piyasası için fiyat tahmini
Price prediction for the used car market on web-based platforms with supervised machine learning methods
AKIN BEDÜK
Yüksek Lisans
Türkçe
2025
MatematikDokuz Eylül Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. ÖZGÜL VUPA ÇİLENGİROĞLU
- RFMLP based customer segmentation and customer churn analysis in heavy equipment industry using customer transactions data
İş makinesi sektöründe müşteri işlem verilerini kullanarak RFMLP tabanlı müşteri segmentasyonu ve müşteri kayıp analizi
MUSTAFA ÇAMLICA
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. FETHİ ÇALIŞIR