Türkiye Hurda Demir Çelik İthalatının Gelecek Değerlerinin Derin Öğrenme, Makine Öğrenmesi ve Topluluk Öğrenme Yöntemleri ile Öngörülmesi

Authors : Yunus Emre Gür, Kamil Abdullah Eşidir

Pages : 885-908

Doi:10.29023/alanyaakademik.1497646

View : 3574 | Download : 3275

Publication Date : 2024-09-30

Article Type : Research Paper

Abstract :Bu çalışma, Türkiye’nin hurda demir çelik ithalatını tahmin etmek için LSTM, MLP, Random Forest, SVM, XGBoost ve Doğrusal Regresyon modellerini kapsamlı bir şekilde değerlendirmektedir. Modellerin performansları RMSE, MSE, MAE, MAPE ve R² metrikleri kullanılarak ölçülmüştür. LSTM modeli, en iyi tahmin performansını göstererek eğitim setinde RMSE 0,0387, MSE 0,0014, MAE 0,0297, MAPE 0,1261 ve R² 0.9631 sonuçlarını elde etmiştir. Gelecek 12 aylık ithalat tahminlerine göre, Nisan 2024’te 773.378.496 USD olan ithalat miktarının Mart 2025\'te 1.239.538.176 USD’ye ulaşması beklenmektedir. LIME analizi, modelin hangi bağımsız değişkenlere dayandığını açıklayarak modelin karar verme süreçlerini şeffaf hale getirmektedir. Analiz sonucunda, modelin özellikle “YÜFE” ve “Aylık Demir Çelik İthalatı” gibi değişkenlere yüksek önem verdiği, bu değişkenlerin tahmin sonuçları üzerindeki etkisinin diğer bağımsız değişkenlere göre daha belirgin olduğu tespit edilmiştir. Bu analiz ile her bir bağımsız değişkenin modelin sonuçları üzerindeki etkisi görselleştirilmiş ve değişkenlerin katkı düzeyleri değerlendirilerek modelin hangi özelliklere daha fazla ağırlık verdiği ortaya konulmuştur.
Keywords : Hurda Demir Çelik İthalatı, LSTM, Makine Öğrenmesi, Derin Öğrenme, Topluluk Öğrenme, LIME Local Interpretable Model agnostic Explanations Analizi

ORIGINAL ARTICLE URL