Yrd.Doç.Dr.Çiğdem SOFYALIOĞLU, Arş.gör. Şule ÖZTÜRK

BİR ÇİMENTO FİRMASI İÇİN DÖNEMSEL SATIŞ MİKTARLARININ TAHMİNİNDE BULANIK ZAMAN SERİSİ MODELLERİNİN KARŞILAŞTIRILMASI

Gelecekteki müşteri taleplerinin tahmin edilmesi ve kaynak planlamasında etkin kararlar verme konusunda zaman serisi analizleri etkin bir biçimde kullanılmakla birlikte, bu tahmin tekniklerinin uygulama geçerliliğini kısıtlayan bazı faktörler bulunmaktadır(büyük örneklem hacmi, normal dağılım, bu yöntemlerin dilsel terimlere dayanan verilerle gerçekleştirilememesi gibi). Zadeh tarafından önerilen bulanık küme teorisi ve bulanık mantık dilsel verilerle ifade edilen bilgilerdeki belirsizlik ve muğlaklığı ele almak için genel bir yöntem sağlamıştır. İlk olarak Song ve Chissom (1993) birinci dereceden bulanık zaman serisi modelini geliştirmiş, daha sonra önerilen bu modelin tahmin doğruluğunu iyileştirmek ve hesaplama yükünü azaltmak amacıyla çok sayıda model önerilmiştir. Chen (1996), Hwang vd. (1998) ve Chen (2002) bu konuda en temel bulanık tahmin modellerini ortaya koymuştur. Bu çalışmanın amacı dönemsel satış miktarları verilerine dayanarak bu üç temel bulanık tahmin modelini, tahminlerin güvenirliği bakımından kıyaslamaktır.

Anahtar Kelimeler:

Bulanık zaman serileri, bulanık mantıksal ilişkiler, tahminlerin güvenirliği

Bir Çimento Firması İçin Dönemsel Satış Miktarlarının Tahmininde Bulanık Zaman Serisi Modellerinin Karşılaştırılması

Although time series analyses is effectively used in forecasting customer demands and resource planning, there are some factors that limits the validity of these analysyses (such as big sample volume, normal distribution and inability of using linguistic concepts). Fuzzly cluster theory and fuzzy logiz which was proposed by Zaheh, provided a methodology which handles uncertainty and ambiguity in linguistic data. Firstly, Song and Chissom proposed first order fuzzy time series model. After that many models were proposed in order to eliminate the calculation difficulty of the model and improve the forecasting accuracy of the model. Chen (1996), Hwang et al. (1998) and Chen (2002) proposed the main fuzzy forecasting models in this field. The aim of this study is to apply the stated three models to the periodic sales data and compare the three Fuzzy Time Series Models in terms of reliability of the models

Keywords:

Fuzzy Time Series, fuzzy logical relationships, reliability of the forecasts,

PDF

___

1. ALADAĞ, C.H., Basaran, M.A., Egrioglu, E., Yolcu, U. ve Uslu, V.R. (2009);“Forecasting in High Order Fuzzy TimesSeries by Using Neural Networks toDefine Fuzzy Relations”, Expert Systems with Applications, Vol.36 (3), pp.4228 4231.
2. ALADAĞ, Ñ. H., Eğrioğlu, E., Gþnay, S ve Yolcu, U. (2010); “Yüksek DereceliBulanık Z aman Serisi Modeli ve İMKB Uygulaması”, Anadolu ÜniversitesiBilim ve Teknoloji Dergisi, Vol. 11(2), pp. 95-101
3. CHEN, S.M. (1996), “Forecasting Enrollments based on Fuzzy Time Series”,Fuzzy Sets and Systems, Vol. 81, pp.311-319
4. CHEN, S.M. (2002); Forecasting Enrollments Based on High-Order FuzzyTime Series”, Cybernetics and Systems An International Journal, Vol. 33, pp. 1-16.
5. ÑUHADAR, M. (2006), Turizm Sektørþnde Talep Tahmini İéin Yapay SinirAğları Kullanımı Ve Diğer Yøntemlerle Karşılaştırmalı Analizi (Antalya İlininDış Turizm Talebinde Uygulama) Sþleyman Demirel Üniversitesi, SBE,Yayınlanmamış Doktora Tezi
6. GANGWAR, S.S. and Kumar, S. (2012); Partitions Based ComputationalMethod for High-Order Fuzzy Time Series Forecasting”, Expert Systems withApplications, Vol. 39, pp. 12158 12164
7. HUARNG, K. (2001a); “Heuristic models of fuzzy time series for forecasting”,Fuzzy Sets and Systems, Vol.123 (3), pp.369-386.
8. HUARNG, K. (2001b); “Effective lengths of interval to improve forecasting infuzzy time Series”, Fuzzy sets and systems, Vol.123, pp. 387-394.
9. HWANG, J. R., Chen, S. M., and Lee, C. H. (1998); Handling ForecastingProblems Using Fuzzy Time Series” Fuzzy Sets and Systems, Vol. 100, pp. 217-228.
10. İNCEOĞLU, F.E. (2010); “ Bulanık Zaman Serisi Yöntemleri ile İMKB Öngörüsü”, Ondokuz Mayıs Üniversitesi, FBE, Yayınlanmamış YL Tezi
11. LI, S.T and Cheng, Y.C. (2007); “Deterministic Fuzzy Time Series Model for Forecasting Enrollments”, Computers and Mathematics with Applications , Vol.53, pp. 1904-1920
12. SONG, Q. and Chissom, S. (1993a); Fuzzy Time Series and Its Models”, Fuzzy Sets and Systems, Vol.54, pp.269-277
13. SONG, Q. and Chissom, S. (1993b); Forecasting Enrollments with Fuzzy Time Series –Part I”, Fuzzy Sets and Systems, Vol. 54, pp.1-9
14. SONG, Q. and Chissom, S. (1993c); “Forecasting Enrollments with Fuzzy TimeSeries –Part II”, Fuzzy Sets and Systems, Vol.62, pp.1-8
15. SULLIVAN, J. And Woodall, A. (1994); “A Comparison of Fuzzy Forecastingand Markov Modeling”, Fuzzy Sets and Systems, Vol.64, pp. 279-293
16. TSAUR, R.C., Yang, J.C. and Wang, H.F. (2005); “ Fuzzy Relation Analysis inFuzzy Time Series Model”, Computers & Mathematics with Applications , Vol.49, 539 548