Zaman Seri̇si̇ Anali̇zi̇ Ve Öngörü Modelleri̇

Akgül, Işıl

doi:10.14783/maruoneri.698511

Cited by 9 publications

(9 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Other studies on the estimation of bus passengers' demands found estimation values of up to 78% [24,25,26]. But in some studies there are 89-90% [27,28]. In the present study, estimations were performed with 90% accuracy rate.…”

Section: Discussion and Outcomementioning

confidence: 60%

Arranging Bus Behaviour by Finding the Best Prediction Model with Artificial Neural Networks

Aydemir

Gülseçen

2019

Teh. vjesn.

View full text Add to dashboard Cite

Artificial Neural Networks (ANNs) were used in this study to estimate the hourly passenger populations at certain stations in İstanbul. To do this, the details were collected from various sources regarding the passengers in a station. This study aims to show what can be implemented for the passenger numbers in the decision support system and makes some recommendations for the regulation of the bus lines. Trials were conducted using an ANN with a backpropagation model and various inner layers for the estimations. The MAE score was 10.301 for the stations studied. Qualitative interviews were conducted with 32 passengers and 12 drivers, and solutions were searched for the density of the lines. A proposal system was developed with the c# software resulting from the combination of the prediction model with these proposals.

show abstract

Section: Discussion and Outcomementioning

confidence: 60%

Arranging Bus Behaviour by Finding the Best Prediction Model with Artificial Neural Networks

Aydemir

Gülseçen

2019

Teh. vjesn.

View full text Add to dashboard Cite

show abstract

“…The Box-Jenkins method is based on the stinginess principle, which is expressed as using the least possible parameters for a model that adequately reflects the properties of the data (Akgul, 2003). The autoregressive process of the p. rank AR (p) is shown by Equation (3), the moving average of the q. rank MA (q) is shown by Equation (4) and the autoregressive moving average process of ARMA (p, q) is shown in Equation ( 5).…”

Section: Box-jenkins Methodsmentioning

confidence: 99%

Covid-19 Salgını Sonrası İşsizlik Oranının Tahmini: Türkiye Örneği

Tufaner

Sözen

2021

İzmir İktisat Dergisi

View full text Add to dashboard Cite

The coronavirus pandemic caused the loss of lives, global problems, and the collapse of economies. Especially, the high unemployment rates in developing countries at present makes the unemployment rate predictions important. The aim of this study is to estimate the unemployment rate for the future by ARIMA and Artificial Neural Networks (ANN) models for Turkey. The contribution of the study to the literature is to estimate the unemployment rate in Turkey in the aftermath of the Covid-19 by ARIMA and ANN models. In the study, the Box-Jenkins method was used to find the appropriate ARIMA process. Then, the estimated performance of the results obtained up to 2021M8 unemployment rates in Turkey have been compared in the framework of criteria for success. Our results show that ANN was more successful than the ARIMA model in estimating the unemployment variable. It seemed that the unemployment rate estimated by the model is very close to the actual unemployment rate. According to the model results, in the aftermath of Covid-19, the unemployment rate in Turkey will be occurred over 5% of the natural rate of unemployment.

show abstract

“…Araştırma kapsamında toplanan verilerin frekanslı zaman serisi verileri olması sebebiyle ilk aşamada sahte regresyondan kaçınmak amacıyla değişkenlerin mevsimsellik yapıları incelenmiş ve mevsimsellik gösteren değişkenler X-12 Census yöntemi ile mevsimselliklerinden arındırılmıştır (Phillips & Wang, 2016). Seriler mevsimsellik testlerine düzey halleri ile sokulmuş daha sonra mevsimsellik saptanan değişkenler mevsimselliklerden arındırılarak serilerin logaritmaları alınıp analizlere devam edilmiştir (Yamak & Erdem, 2017).…”

Section: Tablo 2 Değişken Tanımlarıunclassified

A Study on the Determinants of the Housing Price Index: Asymmetric Co-Integration Analysis

Özcan

2023

EKEV Akademi Dergisi

View full text Add to dashboard Cite

Barınma yaşamın temel ihtiyaçlarının başında yer almaktadır. Bu nedenle hane halkı, yatırımcılar, politika yapıcılar ve akademisyenler tarafından konut fiyatları ve bu fiyatları etkileyen değişkenler araştırılmaktadır. Ayrıca konut fiyatlarında yaşanan ani değişimlerde kamuoyunun dikkatini bu yöne çekmiştir. Çalışmanın amacı dolar, konut kredisi faiz oranı ve TÜFE değişkenlerinin konut fiyat endeksi üzerindeki etkisini incelemektir. Çalışmada Konut Fiyat Endeksi (KFE) ile Tüketici Fiyat Endeksi (TÜFE), Konut Kredisi Faiz Oranı (KKFO) ve ABD Doları ilişkisi 2010:01-2019:12 arası aylık verilerle analiz edilmiştir. Değişkenler arasındaki ilişkinin analizi için ARDL ve NARDL yöntemlerinden faydalanılmıştır. Uzun dönem katsayıları incelendiğinde; KKFO pozitif şoklarının KFE üzerinde pozitif ve KKFO negatif şoklarının ise KFE üzerinde negatif yönde bir etkisi olduğu görülmektedir. Ayrıca TÜFE pozitif şoklarının konut fiyat endeksi üzerinde negatif ve TÜFE negatif şoklarının ise konut fiyat endeksi üzerinde pozitif yönde bir etkisi olduğu saptanmıştır. TÜFE negatif şoklarının KFE üzerinde pozitif yönde bir etkisi söz konusudur. ABD dolarının pozitif ve negatif şoklarının KFE üzerinde istatistiksel olarak anlamlı bir etkisinin olmadığı görülmektedir. Kısa dönemde de KFO ve TÜFE değişkenlerinin KFE üzerinde istatistiksel olarak anlamlı etkisinin olduğu, ABD dolarının istatistiksel olarak anlamlı etkilerinin saptanamadığı görülmektedir. Çalışmada elde edilen analiz sonuçlarına göre ülkemizde konut yatırımı ile ilgilenenlerin TÜFE ve konut kredi faiz oranlarını takip etmeleri yatırım başarısı açısından önemlidir.

show abstract

Zaman Seri̇si̇ Anali̇zi̇ Ve Öngörü Modelleri̇

Cited by 9 publications

References 0 publications

Arranging Bus Behaviour by Finding the Best Prediction Model with Artificial Neural Networks

Arranging Bus Behaviour by Finding the Best Prediction Model with Artificial Neural Networks

Covid-19 Salgını Sonrası İşsizlik Oranının Tahmini: Türkiye Örneği

A Study on the Determinants of the Housing Price Index: Asymmetric Co-Integration Analysis

Contact Info

Product

Resources

About