Çift üstel düzeltme, ARIMA ve yapay sinir ağları ile kısa mesaj miktarının tahmini
Mehtap Parlak1, Gonca Yıldırım21Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği Ana Bilim Dalı, Ankara, Türkiye2Gazi Üniversitesi, Mühendislik Fakültesi, Endüstri Mühendisliği Bölümü, Ankara, Türkiye
Günümüzde hala farklı sektörlerde ve bireyler arasında yaygın olarak kullanılan ve mobil iletişimde önemli bir yere sahip olan kısa mesaj servisi, çeşitli sektörlerdeki işletmelere operasyonel verimlilik, pazarlama ve müşteri hizmetlerine yönelik geliştirilen stratejiler gibi çok farklı alanlarda faydalar üretmektedir. Bu çalışmada, çift üstel düzeltme, ARIMA ve yapay sinir ağları kullanılarak kısa mesaj servisi için miktar tahmini ve ortalama mutlak yüzde hata ve ortalama kare hatası kullanılarak elde edilen tahminlerin karşılaştırılması yapılmıştır. Çalışmada, yapay sinir ağları en yüksek tahmin doğruluğunu vermiş, bunu çift üstel düzeltme yöntemi ve en son olarak ARIMA yöntemi izlemiştir. Tahmin hatalarının tek yönlü ANOVA karşılaştırmaları, yapay sinir ağları ile çift üstel düzeltme yöntemi arasında istatistiksel olarak anlamlı bir fark olduğuna dair yeterli kanıt sağlamamaktadır. Ancak, ARIMA yöntemi her iki yönteme kıyasla önemli ölçüde daha kötü performans göstermektedir. Deneyler sonucunda elde edilen bir diğer bulgu; katman, nöron ve epok (öğrenme döngüsü) sayılarının artmasının yapay sinir ağlarının tahmin performansını genel olarak iyileştirdiği yönündedir. Ayrıca çalışmada, yapay sinir ağının çıktı katmanında kullanılan sigmoid aktivasyon fonksiyonunu düzeltilmiş doğrusal birim, hiperbolik tanjant ve doğrusal fonksiyonlarıyla değiştirilerek yapılan denemeler sonucunda doğrusal fonksiyonunun daha iyi performans gösterdiği görülmüştür.
Anahtar Kelimeler: Zaman serileri tahmini, çift üstel düzeltme, ARIMA, yapay sinir ağları, SMSForecasting the short message quantity with double exponential smoothing, ARIMA and artificial neural networks
Mehtap Parlak1, Gonca Yıldırım21Gazi University, Graduate School of Natural and Applied Sciences, Department of Industrial Engineering, Ankara, Türkiye2Gazi University, Faculty of Engineering, Department of Industrial Engineering, Ankara, Türkiye
The short message service, which is still widely used to this day in different sectors and among individuals and has an important place in mobile communication, provides benefits to businesses in various sectors in many different areas, such as operational efficiency, marketing, and customer service strategies. In this study, double exponential smoothing, ARIMA, and artificial neural networks are used to forecast the short message quantity, and mean absolute percentage error and mean squared error measures are used to compare the forecasts. In this study, the artificial neural networks yield the highest forecast accuracy, followed by double exponential smoothing and, lastly, the ARIMA method. One-way ANOVA comparisons of forecast errors do not provide sufficient evidence to declare a statistically significant difference between artificial neural networks and the double exponential smoothing method. However, ARIMA method performs significantly worse than both. Another finding obtained as a result of the experiments is that increasing the number of layers, neurons, and epochs (learning cycles) improves the forecasting performance of artificial neural networks in general. Additionally, the experiments done by replacing the sigmoid activation function used in the output layer of the neural network with rectified linear unit, hyperbolic tangent, and linear functions showed that the linear function performs better.
Keywords: Time series forecasting, double exponential smoothing, ARIMA, artificial neural networks, SMSMakale Dili: Türkçe