TÜRKİYE'DEKİ ARAÇ SATIŞLARI İÇİN EKONOMİK VE ÇEVRESEL FAKTÖRLERİ GÖZ ÖNÜNE ALAN YAPAY SİNİR AĞI TABANLI BİR TAHMİN YAKLAŞIMI

Abstract

Bu çalışmada, çevresel ve ekonomik parametreler dikkate alınarak farklı segment ve markalar için aylık araç satışlarının tahmininin yapılması amaçlanmıştır. Bu amaçla, ürünlerin segmenti ve markası, geçmiş satış miktarları, taşıt kredileri için faiz oranı, gayrisafi milli hasıla, CO2 emisyonu, yakıt tüketim miktarları ve fiyatı parametreleri girdi olarak seçilmiştir. Bu girdileri kullanarak satış miktarlarını tahmin edecek bir yapay sinir ağı modeli önerilmiştir. Tahminlemede kullanılan veriler üç farklı marka ve her bir markaya ait üç farklı segmentteki araç için 2008-2012 yılları arasındaki aylık satış rakamlarını içermektedir. Yapay sinir ağı modeli için ileri beslemeli yapay sinir ağları kullanılmış ve modelin eğitimi için ise Levenberg-Marquadt algoritması seçilmiştir. Yapay sinir ağı sonuçları lineer regresyon modeli ile karşılaştırılmıştır. Yapay sinir ağı modeli ile lineer regresyon modeline göre daha doğru tahminler elde edilmiştir. For the artificial neural network model, feed neural network model (FFNN) has been applied. Levenberg-Marquadt algorithm has been used for training of the model. Results of artificial neural networks and linear regression have been compared with each other. Ultimately, It has been acquired that artificial neural network model has more accurate prediction results than linear regression model.

In this study, car sales forecasting for different segments and brands has been aimed considering both environmental and economic indicators. For this purpose, segments and brands of products, past sales quantity, interest rate, gross national product, CO2 emission, fuel consumption and fuel price have been selected as prediction inputs. Using those prediction inputs, artificial neural network model has been recommended to predict car sales. Dataset which is used for prediction, includes car sales of three different brands and three different segments of each brand between the years of 2008-2012. For the artificial neural network model, feed neural network model (FFNN) has been applied. Levenberg-Marquadt algorithm has been used for training of the model. Results of artificial neural networks and linear regression have been compared with each other. Ultimately, It has been acquired that artificial neural network model has more accurate prediction results than linear regression model.