Tarım ürünlerinin ihracat fiyatlarının tahminlenmesinde yapay sinir ağları ve derin öğrenme yöntemlerinin karşılaştırılması
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: İngilizce
Öğrenci: HALİT AHMET AKDEMİR
Danışman: YALÇIN ÇEBİ
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Tarımsal üreticiler ve tarımsal işletmeler, etkili bir strateji oluşturmak için ihtiyaçlarını ve çözümlerini öngörme gereksinimi taşımaktadır. Tahminlemenin amacı, üreticilerin gelecekteki fiyat dalgalanmalarına karşı harcamalarını, üretim kapasitelerini ve üretim desenlerini belirlemelerine yardımcı olmaktır. İşletmelerin de, fiyatla ilgili potansiyel problemleri önceden görüp buna uygun stratejiler geliştirmelerine yardımcı olmaktır Bu durum, ayrıca uygun fiyat politikalarının belirlenmesine de rehberlik edebilir. Tahminleme, uzun süredir lineer istatistiklerin bir çalışma alanı olmuştur. ARIMA, zaman serileri tahminlerinde geleneksel yaklaşımlar arasında yer almaktadır. Gerçek hayattaki sistemler genellikle doğrusal olmadığından, bu yöntemleri kullanmak bazen hatalı sonuçların ortaya çıkmasına neden olabilmektedir. Çalışmada, Türkiye'nin önemli tarımsal ihracat ürünlerinden kuru incir, kuru üzüm ve kuru kayısının ihracat fiyatları tahmin edilmiştir. Doğrusal olmayan problemlerin çözümünde günümüzde yaygın olarak yararlanılan ve geleneksel yöntemlere göre daha az hata üreten geri yayılımlı Yapay Sinir Ağı (YSA) ve derin öğrenme modellerinden Uzun-Kısa Süreli Bellek Ağı (LSTM) kullanılarak tahmin yapılmıştır. Tahminde ham petrol fiyatı, iklim değerleri, ürünlerin yıllık üretim miktarı, enflasyon oranı, kuru incir ilk ihraç tarihi, döviz kuru, rekolte miktarı ve RASFF (Gıda ve Yemde Hızlı Alarm Sistemi) alarm parametreleri dikkate alınmıştır. Bahsedilen parametreler dikkate alınarak bir veri seti oluşturulmuştur. Parametreler ışığında yapay sinir ağı eğitilirken her bir model farklı katman sayıları denenmiştir. Ardından LSTM ağı için de benzer ön işlemlerden sonra zaman serisi analizi modeli oluşturulup, eğitilmiştir. Elde edilen sonuçlar test verileriyle karşılaştırılmış ve sonrasında eğitim hataları hesaplanmıştır. YSA modelinde, kuru incir ihracat fiyatı için %88, kuru üzüm ihracat fiyatı için %86, kuru kayısı için ise %91 regresyon (R2) değerlerine ulaşılmıştır. LSTM ağı kullanılan modelde, kuru incir ihracat fiyatı için %91, kuru üzüm ihracat fiyatı için %88, kuru kayısı için ise %93 regresyon (R2) değerlerine ulaşılmıştır. Sonuç olarak, Derin Öğrenme modellerinden olan LSTM ağı metodunun, bir makine öğrenmesi metodu olan YSA'ya göre daha kararlı ve performanslı sonuçlar verdiği görülmüştür. R2 değerleri dikkate alındığında, Derin Öğrenme metodunun kuru incir için %11, kuru üzüm için %3, kuru kayısı için ise %3 daha iyi sonuç verdiği görülmüştür.