İstatistiksel ve Derin Öğrenme Yöntemlerini Kullanarak Tarımsal Girdi Fiyat Endeksi'nin Tahmin Edilmesi

Turkish Journal of Agriculture: Food Science and Technology Pub Date : 2023-09-30 DOI:10.24925/turjaf.v11i9.1751-1755.6359

Cevher Özden

{"title":"İstatistiksel ve Derin Öğrenme Yöntemlerini Kullanarak Tarımsal Girdi Fiyat Endeksi'nin Tahmin Edilmesi","authors":"Cevher Özden","doi":"10.24925/turjaf.v11i9.1751-1755.6359","DOIUrl":null,"url":null,"abstract":"Tarımsal Girdi Fiyat Endeksi, mevcut tarımsal üretimde kullanılan ürün ve hizmetlerin fiyatlarındaki değişimlerin ve geleceğe yönelik yatırımların takibi amacıyla Türkiye İstatistik Kurumu (TÜİK) tarafından her ay hesaplanıp yayınlanmaktadır. İndeksin tahmini tarım üreticilerinin yatırım kararlarında ve ürün tercihlerinde zamanında karar almalarına imkan sağlayacak, yurt içi ve uluslararası pazarda rekabet güçlerini arttıracaktır. Bu çalışmada Tarımsal Girdi Fiyat Endeksi'ndeki değişimleri tahmin etmek amacıyla istatistiksel (ARIMA, SARIMA) ve derin öğrenme modelleri (CNN, LSTM) kullanılmıştır. CNN ve LSTM modellerinin hem doğrusal hem de doğrusal olmayan veri özelliklerini yakaladığı bilinmektedir. Tahmin sonuçları, Ortalama Karekök Hata (RMSE) ve Ortalama Karesel Hata (MSE) metrikleri ile değerlendirilmiştir. Çalışma sonuçlarına göre ARIMA (RMSE: 0.16409, MSE: 0.0269247) ve CNN (RMSE: 0.16994, MSE: 0.288791) modelleri en iyi sonuçları elde etmiş olup, bunları LSTM modeli takip etmektedir.","PeriodicalId":23389,"journal":{"name":"Turkish Journal of Agriculture: Food Science and Technology","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2023-09-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Turkish Journal of Agriculture: Food Science and Technology","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.24925/turjaf.v11i9.1751-1755.6359","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Tarımsal Girdi Fiyat Endeksi, mevcut tarımsal üretimde kullanılan ürün ve hizmetlerin fiyatlarındaki değişimlerin ve geleceğe yönelik yatırımların takibi amacıyla Türkiye İstatistik Kurumu (TÜİK) tarafından her ay hesaplanıp yayınlanmaktadır. İndeksin tahmini tarım üreticilerinin yatırım kararlarında ve ürün tercihlerinde zamanında karar almalarına imkan sağlayacak, yurt içi ve uluslararası pazarda rekabet güçlerini arttıracaktır. Bu çalışmada Tarımsal Girdi Fiyat Endeksi'ndeki değişimleri tahmin etmek amacıyla istatistiksel (ARIMA, SARIMA) ve derin öğrenme modelleri (CNN, LSTM) kullanılmıştır. CNN ve LSTM modellerinin hem doğrusal hem de doğrusal olmayan veri özelliklerini yakaladığı bilinmektedir. Tahmin sonuçları, Ortalama Karekök Hata (RMSE) ve Ortalama Karesel Hata (MSE) metrikleri ile değerlendirilmiştir. Çalışma sonuçlarına göre ARIMA (RMSE: 0.16409, MSE: 0.0269247) ve CNN (RMSE: 0.16994, MSE: 0.288791) modelleri en iyi sonuçları elde etmiş olup, bunları LSTM modeli takip etmektedir.

查看原文本刊更多论文

利用统计和深度学习方法预测农业投入价格指数

土耳其统计研究所（TURKSTAT）每月计算并发布农业投入价格指数，以监测当前农业生产和未来投资中使用的产品和服务的价格变化。通过估算该指数，农业生产者可以及时做出投资决策和产品偏好，提高他们在国内和国际市场上的竞争力。本研究采用统计模型（ARIMA、SARIMA）和深度学习模型（CNN、LSTM）来预测农业投入价格指数的变化。众所周知，CNN 和 LSTM 模型可以捕捉线性和非线性数据特征。预测结果采用均方根误差（RMSE）和均方误差（MSE）指标进行评估。研究结果表明，ARIMA 模型（RMSE：0.16409，MSE：0.0269247）和 CNN 模型（RMSE：0.16994，MSE：0.288791）的结果最佳，其次是 LSTM 模型。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Turkish Journal of Agriculture: Food Science and Technology

自引率

0.00%

发文量