Yapay Sinir Ağları, Destek Vektör Makineleri ve Box-Jenkins Yöntemleriyle Kentsel İçmesuyu Talebi Tahmini ve Karşılaştırmalı Analizi

Basit Öğe Kaydı
dc.contributor.authorAkdağa, Recep
dc.date.accessioned14.07.201910:49:13
dc.date.accessioned2019-07-16T20:46:01Z
dc.date.available14.07.201910:49:13
dc.date.available2019-07-16T20:46:01Z
dc.date.issued2016
dc.departmentMAÜ, Fakülteler, Turizm Fakültesi, Turizm İşletmeciliği Bölümüen_US
dc.description.abstractSu talep tahminleri, yatırım planlamalarının yapılmasında, su sistemlerinin tasarımında (arıtma tesisi, depolama, iletim ve dağıtım hatları), mevcut sistemlerin optimal kapasitede işletilmesinde, işletme ve yatırım maliyetlerinin hesaplanması ve kentsel su yönetimi politikalarının (fiyatlandırma politikası, su tasarrufu vb.) belirlenmesi gibi birçok alanda kullanılmaktadır. Bu nedenle gerçeğe yakın bir su talep tahmininin, su sistemlerinin planlanması, tasarımı, işletimi ve yönetiminde anahtar niteliğinde olduğu söylenebilir. Bu çalışmada, Diyarbakır kent merkezi içme suyu talebinin Yapay Sinir Ağları ve zaman serisi analizine dayalı yöntemlerden Winters'in Mevsimsel Üstel Düzeltme ve Box-Jenkins ile tahmin edilmesi ve elde edilen tahminlerin karşılaştırılması amaçlanmıştır. Bu amaçla, öncelikle Diyarbakır kent merkezi su talebini etkileyen değişkenlerle ilgili 2003-2013 yıllarına ait aylık veriler toplanarak analiz edilmiştir. Ardından, bu verilere göre Yapay Sinir Ağları, Winters'in Mevsimsel Üstel Düzeltme ve Box-Jenkins yöntemleriyle içme suyu talep tahmini yapılmıştır. Üç yöntemden elde edilen tahminler, Verimlilik, Ortalama Hata Kareleri, Ortalama Hata Kareleri Kökü, Ortalama Mutlak Yüzde Hata ölçütlerine göre karşılaştırılmıştır. Karşılaştırma sonucunda, Yapay Sinir Ağları'nın tüm performans ölçütlerinde zaman serisi analizine dayalı yöntemlerinden daha iyi tahmin sonuçlarına sahip olduğu görülmüştür.en_US
dc.description.abstractWater demand forecasting is currently being used in many fields such as the investment planning, the design of the water systems (treatment plants, storage, transmission and distribution lines), the operation of existing systems at optimal capacity, calculation of operation and investment costs, and determination of urban water management policies (pricing policy, water conservation, etc.). Therefore, it can be said that an accurate water demand forecast has a key role in the planning, design, operation, and management of water systems. In this study, it is aimed to forecast Diyarbakir city centre drinking water demand by using Artificial Neural Networks method and Winters's Seasonal Exponential Smoothing and Box-Jenkins methods based on time series analysis, and to compare forecasts obtained. For this purpose, firstly the data related to the variables affecting the water demand of Diyarbakir city centre for the time interval of 2003 - 2013 has been collected and analyzed. Then, a drinking water demand forecast has been made on the basis of this data by using Artificial Neural Network, Winters's Seasonal Exponential Smoothing, and BoxJenkins methods. The forecasts obtained from these three methods have been compared according to Productivity, The Mean Square Error, The Root Mean Square Error and The Mean Absolute Percentage Error criteria. In comparison results, it was seen that, in all performance criteria, Artificial Neural Networks method has better forecast results than those methods based on time series analysis.en_US
dc.identifier.endpage138en_US
dc.identifier.issn1309-2448
dc.identifier.issue1en_US
dc.identifier.startpage123en_US
dc.identifier.trdizinid213826en_US
dc.identifier.urihttps://trdizin.gov.tr/publication/paper/detail/TWpFek9ESTJOZz09
dc.identifier.urihttps://hdl.handle.net/20.500.12514/1698
dc.identifier.volume7en_US
dc.indekslendigikaynakTR-Dizinen_US
dc.language.isotren_US
dc.relation.ispartofİşletme ve Ekonomi Araştırmaları Dergisien_US
dc.relation.publicationcategoryDergien_US]
dc.subjectSosyal Bilimler Tarihien_US
dc.titleYapay Sinir Ağları, Destek Vektör Makineleri ve Box-Jenkins Yöntemleriyle Kentsel İçmesuyu Talebi Tahmini ve Karşılaştırmalı Analizien_US
dc.title.alternativeUrban Water Demand Forecasting and Comparative Analysis by Artificial Neural Networks, Support Vector Machines and Box-Jenkins Methodsen_US
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
c130d365-769c-474b-90b9-b310ce8aca7d.pdf
Boyut:
841.47 KB
Biçim:
Adobe Portable Document Format
Açıklama:
Araştırma Makalesi
İndir

Koleksiyon

TR-Dizin İndeksli Yayınlar Koleksiyonu
Turizm İşletmeciliği Bölümü Koleksiyonu