Yüksek Lisans Adayı: Gizem Kaya

EABD: Veri Bilişimi

Tarih: 20.01.2026 / 14:30

Yer: A-212

Özet: Talep tahmini, etkili tedarik zinciri planlamasının temel parçalarından biridir. Doğru  satış tahmini, kaynakların verimli kullanımını ve envanter yönetiminin başarısını doğrudan etkiler. Ancak, özellikle tarım gibi bazı iş alanları için güçlü mevsimsel kalıplar, değişken talep faktörleri ve piyasa belirsizliği kesin tahminler yapmayı güçleştirmektedir. Bu çalışmada, çok değişkenli, çok serili LSTM; tek boyutlu, çok serili CNN ve Prophet gibi makine öğrenimi ve derin öğrenme algoritmaları kullanılarak zirai kimyasal ürünler için talep tahmininin geliştirilmesi araştırılmaktadır. Sonuçlar, geleneksel istatistiksel model SARIMA ile karşılaştırılmıştır. Farklı ekonomik ve çevresel göstergelerin tahmin doğruluğu üzerindeki etkileri, deneyler yapılarak değerlendirilmiştir. Bu çalışma, aynı zamanda, aralıklı zaman serilerinin tahmin performansı üzerinde, toplulaştırma ve ayrıştırma yöntemlerinin etkisini de incelemektedir. Model performansı, her ürün için birden fazla hata ölçütü kullanılarak değerlendirilmiştir. Bulgular, model algoritmalarının insanlar tarafından yapılan tahminlerle yarışabildiğini göstermektedir ve talep tahmin sürecini iyileştirme potansiyelini ortaya koymaktadır.