An extensive literature providing information on published materials in machine learning exists. However, machine learning is still a rather new concept in the fields of economics and econometrics. This study aims to identify different properties of published documents about machine learning in economics and econometrics and therefore to draw a detailed picture of recent publications from bibliometric analysis perspectives. For the aim of the study, the data are collected from the publications indexed by Web of Science and Scopus databases from the period 1991 to 2020. Inthe study, the data have been illustrated by VOSviewer for science mapping. The analysis of variance has also been used to identify the links between the number of citations of articles and years. The findings obtained provides information about the studies on machine learning in the relevant field conducted in the past, as well as providing an opportunity to gain knowledge about the researched area by shedding light on what the future research areas would be. There is no doubt that it attracts attention has increased significantly on machine learning in the field of economics and econometrics and academic publications on machine learning in the relevant field have increased over the last decade.

Classical transportation models aim to minimize the total costs of homogeneous goods transport from supply points to demand points, taking into account unit transportation costs. They constitute a special case of network models and employ a technique based on linear programming. Suggested in 2015 and one of the early distribution methods, Tuncay Can’s Approximation Method (TCAM) is based on the geometric averages of unit transportation costs, although it is stated in the theorem that other means than geometric can be used. The aim of this study is to compare the total costs of a transportation model by solving a problem using geometric, arithmetic, square, and harmonic means based on TCAM. The coefficients of the transportation model were obtained randomly by simulation, and the method was repeated on the problem according to the different means and the appropriate means determined.

No abstract

Yemeklik tane baklagiller en temel karbonhidrat, lif ve protein kaynakları olarak sağlıklı beslenme için gerekli başlıca vitamin ve mineralleri sağlamaktadırlar. Türkiye’de ise yemeklik tane baklagiller, tahıllardan sonra yetiştiriciliği en fazla yapılan tarla bitkileri olup; baklagiller için gen merkezi konumunda olan ülkemizde üretilen başlıcaları; nohut, yeşil ve kırmızı mercimek, fasulye ve bakladır. Öte yandan tarımsal üretimin hava koşullarına karşı oldukça duyarlı olması, hali hazırdaki küresel iklim değişikliğinin çevre, doğal kaynaklar ve üretim sistemleri üzerindeki olumsuz etkilerini daha da önemli kılmaktadır. Bu çalışmada meteorolojik faktörler, ekiliş ve üretim değerlerini içeren veri seti kullanılarak üç farklı makine öğrenmesi yöntemiyle Türkiye’de üretimi en fazla yapılan yemeklik tane baklagil türleri olan nohut ve mercimek için 2021-2022 yılı üretim miktarı ve verim tahmini yapılmış, ayrıca gerçek değerlerle karşılaştırılarak tahminlerin doğruluğu, buna bağlı olarak kullanılan yöntemlerin geçerliliği değerlendirilmiştir. Nohut için en başarılı tahminin yapıldığı Destek Vektör Regresyon (DVR) yönteminden elde edilen sonuçlara göre 2022 yılında nohut üretiminde bir önceki yıla göre yaklaşık %25 azalma, mercimek için en başarılı tahmini yapan Rastgele Orman Regresyon (ROR) hesaplamasına göre ise mercimek üretiminde bir önceki yıla kıyasla %29 artış tahmin edilmiştir. Tüm yöntemler bağlamında ise 2022 yılında önceki yıllara kıyasla nohut üretimi ve verimi için azalış, mercimek için ise artışın öngörüldüğü ifade edilebilmektedir.