Türkiyede’ki İş Kazalarının Yapay Sinir Ağları ile 2025 Yılına Kadar Tahmini

Year 2012, Volume: 4 Issue: 1, 46 - 54, 15.01.2012

Hüseyin Ceylan , Murat Avan

Abstract

Bu çalışmada Yapay Sinir Ağları (YSA) kullanılarak Türkiye geneli için iş kazası tahmin modelleri geliştirilmiştir. Bu modeller kullanılarak Türkiye’nin 2025 yılına kadar olan süreçte, iş kazası, ölü ve sürekli iş göremezlik sayıları farklı üç senaryo ile tahmin edilmiştir. Model geliştirilirken sigortalı işçi, işyeri, iş kazası, ölü ve iş göremezlik sayıları model parametreleri olarak kullanılmış ve bu parametrelere ait 1970 - 2010 yılları arasındaki verilerden yararlanılmıştır. YSAmodelinde 2-5-1 ağ mimarisi en uygun mimari olarak belirlenmiştir. Ağların gizli katmanında sigmoid, çıkış katmanında da doğrusal fonksiyon kullanılmıştır. Ağın eğitiminde ise ileri beslemeli geri yayılım algoritmasından yararlanılmıştır. Modelin uygulanabilirliği için ağımız 1970- 2004 yılı arasında eğitilerek 2005-2010 yılları tahmin ettirilmiştir. Çıkan sonuç gerçek değerlerle kıyaslanmış ve uygulanabilir olduğu görülmüştür. Geliştirilen bütün modellerin performansları Ortalama Mutlak Yüzde Hata (OMYH), Ortalama Mutlak Hata (OMH) ve Ortalama Karesel Hataların Karekökü (OKHK) ölçütleri içinde değerlendirilmiştir.

Keywords

İş Kazası, Kaza Tahmin Modelleri, Yapay Sinir Ağları, Türkiye

Prediction of Occupational Accidents for Turkey Until the Year 2025 Using Artificial Neural Networks

Abstract

In this study, occupational accident prediction models were developed by using artificial neural networks (ANNs) for Turkey. Using these models in Turkey until the year 2025 occupational accident, permanent incapacity and the number of dead was estimated by the three different scenarios. In the development of the models, insured workers, work place, occupational accident, dead and incapacity for work values were used as model parameters with data between 1970 and 2010. 2-5-1 neural network architecture was selected as the best network architecture. Sigmoid and pureline function were used for secret layer and output layer respectively. The sigmoid and pureline functions were used as activation functions with feed forward back propagation algorithm. Order to obtain a useful model, the network was trained between 1970 and 2004 to forecast values 2005 to 2010.The model was compared to the real values and it was seen that it is applicable for this aim. The performances of all developed models were evaluated by the use of Mean Absolute Percent Errors (MAPE), Mean Absolute Errors (MAE) and Root Mean Square Errors (RMSE).

Keywords

Occupational Accident, Accident Prediction Models, Artificial Neural Networks, Turkey

References

• [1] Sosyal Güvenlik Kurumu, İş kazası istatistikleri, 1970-2010 www.sgk.gov.tr.htlm [2] Goldberg D., “The design of innovation lessons from genetic algorithms, lessons fort he real world” Techno Forecast Social Change vol 64 (1), 2000 [3] Şensoy E Z., Nonlineer Lojistik Regresyon ve Uygulaması, Marmara Üniversitesi Fen Bilimleri Enstitüsü Matematik Ana Bilim Dalı yüksek Lisans Tezi,s 93, İstanbul 2009 [4] http://www.figes.com.tr/matlab/YSA/NNwebniar.htlm [5] Murat Y S and Ceylan H., Use of Artificial Neural Networks for Transport Energy Demand Modeling’’, Energy Policy Vol34(17). Pp 3165-3172, 2006. [6] Chio Y.C. An ARIMA Modeling: A Case Study of Turkey’’, Energy Policy, Vol 35, No 2,pp 1129-1146, 2007 [7] Chiou Y.C. “An artificial network-based expert system for appraisal of two-car crash accidents” Accident Analysis and Prevention Vol.38, No.4, pp.777-785, 2006 [8] Akgüngör, A P, Doğan E, An artificial intelligent approach to traffic accident estimation; Model development and application Transport, Vol.24 No,2 pp.135-142,2009 [9] Akgüngör A. P. ve Doğan E., Farklı Yöntemler Kullanılarak Geliştirilen Trafik Kaza Tahmin Modelleri ve Analizi; Int. J. Eng. Research & Development, Vol.2, No.1 January 2010 [10] Önal S, Yapay Sinir ağları Metodu ile Kızılırmak Nehrinin Akım Tahmini, Süleyman Demirel Üniversitesi Fen bilimleri Enstitüsü Yapı eğitimi Ana Bilim Dalı Yüksek Lisans Tezi, s129, Isparta 2009 [11] Comaniciu D. and Meer P., “Mean Shift Analysis and Applications”, IEEE International Conference on Computer Vision, pp. 1197--1203, 1999. [12] Şen, Z, Yapay Sinir Ağları, Su Vakfı Yayınları, İstanbul s183, 2004 [13] Mussone L, Ferrari A, Oneta, M. “An analysis of urban collision using an artificial intelligence model” Accident Analysis and Prevention, Vol.3, No.8, pp.705-718, 1999 [14] Abdelwahab H T, Abdel-Aty M A. “Development of artificial neural network models to predict driver injury severity in traffic accident at signalized intersection” Transportation Research Record 1746, pp.6-13, 2001 [15] Delen D, Sharda R, Besson M. “Identifying significant predictors of injury severity in traffic accidents using a series of artificial neural networks” Accident Analysis and Prevention Vol.38, No.3, pp.434-444, 2006 [16] Akgungor A P, Dogan E. “Estimating road accidents of Turkey based on regression analysis and artificial neural network approach” Advances in [17] Doğan E. ve Akgüngör A.P., “Trafik kazaları ve sonuçlarının yapay sinir ağları ile incelenmesi Kırıkkale Örneği” 8.Ulaştırma Kongresi, 279-287, Eylül/Ekim 2009 İstanbul. [18] Doğan E., “Regresyon Analizi ve Yapay Zekâ Yaklaşımı ile Türkiye ve Seçilen Bazı Büyük İlleri için Trafik Kaza Tahmin Modelleri” K.Ü Fen Bilimleri Enstitüsü, Yayınlanmamış Yüksek Lisans Tezi, 2007. [19] Akgüngör A.P. ve Doğan E., “Yapay Sinir Ağları ve Genetik Algoritma Yaklaşımı İle İstanbul Metropolüne Ait Kaza Tahmin Modelleri”, Bilimde Modern Yöntemler Sempozyumu, BMYS 2008, 883- 891, 15- 17 Ekim 2008, Eskişehir [20] Saray U., Lüy M.,Çam E., “Amasya ili için Yapay Sinir Ağları ile Rüzgar Hızı Tahmini” Elektrik Elektronik Mühendisliği Günleri Bildiriler Kitabı, Sayfa 20-24 29 Eylül-1 Ekim 2011, Ankara [21] Lüy M., Saray U., “Wind speed estimation for missing wind data with three different backpropagation algorithms” Energy Science and Research Vol 29(2): pp. 45-54, 2012