YAPAY SİNİR AĞLARI VE ZAMAN SERİLERİ YÖNTEMİ İLE DEMİR ÇELİK İTHALATI TAHMİNİ

Year 2022, Volume: 11 Issue: 3, 389 - 397, 17.09.2022

Şeyma Nur Güner , Hüseyin Utku Demir

Abstract

Türkiye’de demir çelik sektörü ekonomik ve sosyal anlamda önemli bir sektördür. Bu çalışmada demir çelik ithalatının tarihsel süreç içerisinde gelişiminin incelenmesi ve Yapay Sinir Ağları yöntemi ile demir çelik ithalatı tahmin edecek en iyi mimariyi belirlemek amaçlanmaktadır. Bu bağlamda ithalat yapısal olarak analiz edilmiş, diğer makro ekonomik değişkenlerle ilişkisi irdelenmiş ve demir çelik ithalatının Yapay Sinir Ağları yöntemi ile tahmin edilebilirliğine yönelik analiz yapılmıştır. YSA ile farklı mimarilerde denemeler gerçekleştirilmiştir. Elde edilen sonuçlar, demir çelik ithalatının tahmininde YSA yoluyla yüksek, tahmin sonuçlarının tutarlı bir öngörü performansına sahip modelleme tekniği olduğunu göstermiştir.

Keywords

ysa, demir çelik, ithalat

References

• ABUSHAALA, S., ELAMEEN, F. H., ELDERRAT, H., & REFUGIO, C. (2019). The Role Of Iron And Steel Industry for Achieving The Industrial Development In Libya. Journal of Engineering Research and Applied Sciences, 1, 22-30.
• Association, W. S. (2020). 2020 Word Steel in Figures. 12 30, 2021 tarihinde https://www.worldsteel.org/en/dam/jcr:f7982217-cfde-4fdc-8ba0-795ed807f513/World%2520Steel%2520in%2520Figures%25202020i.pdf adresinden alındı
• ÇAKIR, F. S. (2020). Yapay Sinir Ağları- Matlab Kodları ve Matlab Toolbox Çözümleri (3 b.). Ankara: Nobel.
• ÇUHADAR, M. (2006). Turizm Sektöründe Talep Tahmini İçin Yapay Sinir Ağları Kullanımı ve Diğer Yöntemlerle Karşılaştırmalı Analizi (Antalya İlinin Dış Turizm Talebinde Uygulama).
• DEĞİRMENCİ, H., & PABUÇCU, H. (2016). Borsa İstanbul ve Risk Primi Arasındaki Etkileşim: VAR ve NARX Model. Asos Journal(36), 248-261. DİSK. (2003). Demir Çelik Sektörü. Birleşik Metal-İş.
• GODARZI, A. A., AMIRI, R. M., TALAEI, A., & JAMASH, T. (2014). Predicting Oil Price Movements: A Dynamic Artificial Neural Network Approach. Energy Policy, 68, 371-382. İSLER, B., & ASLAN, Z. (2021). Modeling of Vegetation Cover and Spatio-Temporal Variations. Journal pf the FAculty of Engineering an Architecture Gazi University, 36(4), 1863-1874.
• KOCADAĞLI, O. (tarih yok). Optimizasyon ve Matlab II. 01 15, 2022 tarihinde MATLAB Time Series Neural Network Kullanımı: https://www.academia.edu/12601141/MATLAB_Time_Series_Neural_Network_Kullan%C4%B1m%C4%B1 adresinden alındı
• KULKARNI, S., & HAIDAR, I. (2019). Forecasting Model for Crude Oil Price Using Artificial Neural Networks and Commodity Futures Prices. International Journal of Computer Science and Information Security, 2(1).
• Oxford Economics. (2019, May). The Role of Steel Manufacturing in The Global Economy. 30 12, 2021 tarihinde World Steel Association: https://www.worldsteel.org/en/dam/jcr:fdf44918-de3b-455b-9083-f770afa4a214/OE%2520Executive%2520Summary.pdf adresinden alındı ÖZTEMEL, E. (2020). Yapay Sinir Ağları. İstanbul: Papatya Yayıncılık.
• ÖZTÜRK, C., & TOKAT, S. (tarih yok). Hisse Senedi Fiyatları ve Döviz Kuru Arasındaki İlişki: Derin Öğrenme Algoritmalarıbnın Karşılaştırmalı Analizi. IV. Internatinal Conferance on Data Science and Application, (s. 624-629).
• SAMAK, D., & VARACHA, P. (2013). Time Series Prediction Using Artificial Neural Network: Single and Multi-Dimensional Data. International Journal of Mathematical Models Data Science anda Appleied Sciences, 1(7), 38-46.
• Sanayi ve Teknoloji Bakanlığı. (2020). Demir Çelik Sektör Rporu. Sanayi Genel Müdürlüğü.