TY  - JOUR
TT  - Forecasting By Using Artificial Neural Networks: Turkey’s Paper-Paperboard Industry Case
AU  - İmren, Erol
AU  - Kurt, Rıfat
AU  - Karayılmazlar, Selman
AU  - Çabuk, Yıldız
PY  - 2017
DA  - December
DO  - 10.24011/barofd.334773
JF  - Bartın Orman Fakültesi Dergisi
PB  - Bartin University
WT  - DergiPark
SN  - 1302-0943
SP  - 99
EP  - 106
VL  - 19
IS  - 2
KW  - Yapay Sinir Ağları
KW  - Kağıt-Karton
KW  - İhracat
KW  - Tahmin
N2  - Today, future projections and analyses in all areas ofindustry are accepted both in private sector and in the scientific world in allcountries around the world. The value that a variable will have in the futureis projected using the models established based on its values in the past.Recently, as in many scientific areas, artificial neural networks (ANN) havestarted to be a frequently used method in the field of projection. In thecurrent study, the export numbers of Turkey’s paper-paperboard industry areprojected using artificial neural networks. Turkey’s paper-paperboardproduction, waste paper, industrial wood, logging production, population, grossdomestic product, consumer price index, producer price index, currency ratesand economic growth numbers are used as the artificial neural network input variable.As a result, it is estimated that in 2025 paper-paperboard export will show a48.2% increase compared to 2011, and a 3% decrease compared to 2015.
CR  - 1. Akcan A, Kartal C (2011).   İMKB Sigorta Endeksini Oluşturan Şirketlerin Hisse Senedi Fiyatlarının Yapay Sinir Ağları İle Tahmini,  Muhasebe ve Finansman Dergisi, 51(3):27-40.
CR  - 2.	Ataseven B (2013). Yapay Sinir Ağları İle Öngörü Modellemesi, Öneri Dergisi, 10(39):101-115.
CR  - 3.	Aydın Ö (2005). Yapay Sinir Ağlarını Kullanarak Bir Ses Tanıma Sistemi Geliştirilmesi. Yüksek Lisans Tezi, Trakya Üniversitesi, Edirne, 74 s.
CR  - 4.	Aytekin A (2017). Basit Düşün, Akış Diyagramları ile Programlama, Detay Yayıncılık, Ankara, 326 s.
CR  - 5.	Beale MH, Hagan MT, Demuth HB (2010). Neural Network Toolbox 7 User’s Guide, The MathWorks Inc., Natick, MA.
CR  - 6.	Çuhadar M (2006).Turizm Sektöründe Talep Tahmini için Yapay Sinir Ağları Kullanımı ve Diğer Yöntemlerle Karşılaştırmalı Analizi, Süleyman Demirel Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı, Doktora Tezi, 188 s.
CR  - 7.	Çuhadar M, Kayacan C (2005). Yapay Sinir Ağları Kullanılarak Konaklama İşletmelerinde Doluluk Oranı Tahmini: Türkiye’deki Konaklama İşletmeleri Üzerine Bir Deneme, Anatolia, Turizm Araştırmaları Dergisi, 16 (1): 24-30,
CR  - 8.	Efe Ö, Kaynak O (2000). Yapay Sinir Ağları ve Uygulamaları, Boğaziçi Üniversitesi Yayınevi, İstanbul, 141 s.
CR  - 9.	Elmas Ç (2003). Yapay Sinir Ağları (Kuram, Mimari, Eğitim, Uygulama), Ankara, Seçkin Yayıncılık, 192 s.
CR  - 10.	FAO (2016). Food and Agriculture Organization of the United Nations, Website, http://www.fao.org/faostat/  (12.05.2016)
CR  - 11.	Hamzaçebi C (2008). Improving Artificial Neural Networks: Performance in Seasonal Time Series Forecasting, Information Sciences, 178 (23): 4550-4559
CR  - 12.	Haykin S (1994). Neural Networks: A Comprehensive Foundation, Prentice Hall, NJ.
CR  - 13.	Nabiyev V (2012). Yapay Zeka. Seçkin Yayınları, Ankara, 776 s.
CR  - 14.	Özer K (2009). İstanbul Deniz Otobüslerinin Bir Hattında Yolcu Talep Tahmini, Marmara Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Ana Bilim Dalı, Yüksek Lisans Tezi, 72 s.
CR  - 15.	Şen Z (2004).Yapay Sinir Ağları İlkeleri. Su Vakfı Yayınları, İstanbul, 183 s.
CR  - 16.	Tiryaki S, Bardak S, Bardak T (2015). Experimental investigation and prediction of bonding strength of Oriental beech (Fagus orientalis Lipsky) bonded with polyvinyl acetate adhesive, Journal of Adhesion Science and Technology, 29(23):2521-2536.
CR  - 17.	URL1 (2016). İleri algoritma analizi-5, Yapay sinir ağları, http://www.ibrahimcayiroglu.com/Dokumanlar/IleriAlgoritmaAnalizi/IleriAlgoritmaAnalizi-5.Hafta-YapaySinirAglari.pdf  (15.07.2016).
UR  - https://doi.org/10.24011/barofd.334773
L1  - https://dergipark.org.tr/en/download/article-file/354240
ER  -