ANTALYA İLİNE YÖNELİK ALMAN TURİST TALEBİNİN YAPAY SİNİR AGLARI YÖNTEMİYLE TAHMİNİ

A SURVEY ON LOUNDARY DETERGENTS BRANDS THAT HAVE HIGH LEVEL OF AWARNESS AND BRAND COCIOUSNESS

İbrahim GÜNGÖR*
Murat ÇUHADAR**

[i ] *Süleyman Demirel Üniversitesi, İktisadi İdari Bilimler Fakültesi (Doç. Dr.)
**Süleyman Demirel Üniversitesi, Egirdir M.Y.O. (Okutman)
[/i]

ÖZET

Son yıllarda, turizm talebinin tahmini ile ilgili çalısmalarda kullanılan yöntemlerden birisi
de yapay sinir aglarıdır. Bu çalısmada, Antalya iline yönelik Alman turist talebinin tahmininde kullanılmak üzere yapay sinir agı, çoklu dogrusal regresyon ve çoklu logaritmik
regresyon modellerinin tahmin performansları karsılastırılmıs ve en iyi performans gösteren
model olan yapay sinir agı kullanılarak 2005 ve 2006 yılları için aylık tahminler
yapılmıstır. Uygun modelin olusturulabilmesi için Ocak 1991 – Temmuz 2004 yıllarına
ait aylık verilerden yararlanılmıstır. Elde edilen sonuçlar yapay sinir agı modelinin, regresyon
modellerine göre daha düsük sapma degerlerine ve daha yüksek açıklayıcılık
oranına sahip oldugunu göstermektedir. Bu konuda daha önce yapılan çalısmalarda da
yapay sinir agları ile elde edilen modellerin diger yöntemlere göre daha iyi sonuçlar verdigi
görülmektedir

Anahtar Sözcükler: Yapay Sinir Agları, Talep Tahmini, Regresyon


ABSTRACT

In recent years artificial neural networks is one of the methods used in the studies of
forecasting tourism demand. In this study, forecasting performances of neural networks,
multiple lineer regression and multiple non-lineer regression models were compared to
forecast German tourism demand to Antalya and the number of German tourists were
forecasted for years 2005 and 2006 monthly by using neural network model that gives
better results. Monthly data in the period of January 1991 to July 2004 were used to
build appropriate model. Experimental results showed that neural network model had
lower deviation values and higher determination coefficient than multiple lineer
regression and multiple non-lineer regression models. In recent studies it is observed
that neural network models outperform other forecasting methods as well.


Keywords: Neural Networks, Demand Forecasting, Regression

Ticaret ve Turizm Egitim Fakültesi Dergisi Yıl: 2005 Sayı: 1 -(s.66-83)
Journal of Commerce & Tourism Education Faculty, Year: 2005 No: 1

Makale için:

http://www.ttef.gazi.edu.tr/dergi/makaleler/2005/Sayi1/84-99.pdf target="_blank"> http http://www.ttef.gazi.edu.tr/dergi/makaleler/2005/Sayi1/84-99.pdf


Powered BY DJ