Kargo süreçlerinin yapay zekâ yöntemleri ile tahmin edilmesi
Estimating cargo processes with artificial intelligence methods
- Tez No: 993029
- Danışmanlar: PROF. DR. VEYSEL ASLANTAŞ, DOÇ. DR. MURAT TAŞYÜREK
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Kargo taşımacılığı, Makine öğrenmesi, Makine öğrenmesi yöntemleri, Optimizasyon, Optimizasyon problemi, Optimizasyon teknikleri, Yapay zeka, Cargo transportation, Machine learning, Machine learning methods, Optimization, Optimization problem, Optimization techniques, Artificial intelligence
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kargo süreçlerinin yapay zekâ yöntemleriyle tahmin edilmesi; makine öğrenmesi, lojistik yönetimi ve gerçek zamanlı sistem yönetimi gibi birçok disiplinde uzmanlık gerektiren karmaşık bir problemdir. Bu tez çalışması, sevkiyat durumu zaman tahmini problemine yönelik etkin çözümler geliştirmek amacıyla gerçekleştirilmiştir. Çalışma kapsamında üç yeni yaklaşım önerilmektedir. Birinci yaklaşımda, sevkiyat durumu zaman tahmini için uyarlanmış bir Deniz Avcıları Algoritması kullanılmıştır. En doğru tahminler, makine öğrenmesi modeli ile bütünleştirilen önerilen optimizasyon algoritması aracılığıyla elde edilmiş ve yöntem yüksek performans sergilemiştir. İkinci yaklaşımda, regresyon analizi için yığınlama topluluk öğrenme modellerinin başarımını artırmak amacıyla meta veri seti üzerinde iki aşamalı bir gürültü azaltma yöntemi geliştirilmiştir. Bu yaklaşım, yığılama modellerinin düşük performans gösterdiği durumlarda dahi tahmin başarısını anlamlı ölçüde artırmıştır. Üçüncü yaklaşım ise, regresyon modellerinin hiperparametre optimizasyonu için iyileştirilmiş bir Deniz Avcıları Algoritması varyantını sunmaktadır. Bu varyant, hiperparametre optimizasyonunda yüksek düzeyde performans ortaya koymuştur. Tez kapsamında önerilen yöntemlerin etkinliğini değerlendirmek amacıyla gerçekleştirilen deneysel çalışmalarda çeşitli veri setleri, makine öğrenmesi modelleri ve optimizasyon algoritmaları kullanılmıştır. Sonuçlar, önerilen yöntemlerin yüksek performans ortaya koyduğunu göstermiştir.
Özet (Çeviri)
Predicting cargo processes through artificial intelligence methods is a complex problem. It requires expertise in multiple disciplines such as machine learning, logistics management, and real-time system management in order to develop effective solutions. This thesis has been conducted to develop efficient solutions for the shipment status time prediction problem. Within the scope of the study, three novel approaches are proposed. In the first approach, a modified Marine Predators Algorithm is employed for shipment status time prediction. The most accurate estimations were obtained through the integration of the proposed optimization algorithm with a machine learning model, and the method demonstrated high performance. The second approach introduces a two-phase noise reduction method applied to the meta-dataset in order to enhance the performance of stacking ensemble learning models for regression analysis. The proposed method significantly improved predictive performance, even in cases where stacking models underperformed. The third approach presents an improved variant of the Marine Predators Algorithm for hyperparameter optimization of regression models. This variant exhibited strong performance in hyperparameter optimization tasks. To evaluate the effectiveness of the proposed methods, extensive experimental studies were conducted using various datasets, machine learning models, and optimization algorithms. The results clearly demonstrate that the proposed methods deliver superior performance.
Benzer Tezler
- A refined methodology tor model-based FPGA hardware design: An example of quadrotor dynamical model implementation
Model tabanlı FPGA donanımı tasarımında iyileştirilmiş bir yöntem sistemi: Bir dört rotorlu için dinamik model gerçekleme örneği
SEZER MEMİŞ
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RAMAZAN YENİÇERİ
- Endüstriyel karo üretiminde kalite kontrol sürecinin yapay görme ve derin öğrenme teknikleri ile dijitalleştirilmesi
Digitalizing the quality control process in industrial tile production with machine vision and deep learning techniques
HÜSEYİN COŞKUN
Doktora
Türkçe
2022
Seramik MühendisliğiSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TUNCAY YİĞİT
- Otonom hava kargo araçlarının derin öğrenme yöntemleriyle lojistik planlaması
Logistics planning of autonomous air cargo vehicles with deep learning methods
MUHAMMED SEFA GÖR
Doktora
Türkçe
2026
Endüstri ve Endüstri MühendisliğiAtatürk ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. CAFER ÇELİK
- Havacılık sektöründe istatistiksel proses kontrol: Uçak bakım süreçlerinin iyileştirilmesine yönelik bir uygulama
Statistical process control in the aviation sector: An implementation to improve aircraft maintenance processes
HAMİT HAMİDETTİN KUMURKAN
Yüksek Lisans
Türkçe
2021
İşletmeİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN YILDIRIM
- Satış sonrası ve hizmetlerde akıllı üretim ve lojistik (kargo)
Smart manufacturing and logistics (cargo) in after-salesservices
LAMIS EL HAFIENE