Buradasınız

Anasayfa » Content

GÜL ÇİÇEĞİ DİKİM ALANLARININ YAPAY SİNİR AĞLARI YÖNTEMİYLE TAHMİNİ

FORECASTING ROSE FLOWER PLANTING AREAS USING ARTIFICIAL NEURAL NETWORKS

Journal Name:

  • Uluslararası Alanya İşletme Fakültesi Dergisi

Publication Year:

  • 2011

Key Words:

Keywords (Original Language):

Author NameUniversity of AuthorFaculty of Author
Abstract (2. Language): 
The aim of this study is to forecast the planting areas of rose flower in order to guide the policies of rose sector. The variables used in this study are real prices of rose flower, planting areas of rose flower, the number of apple trees, real apple prices, real grape prices, fixed and slope dummy and time. Study covers the years between 1980 to 2010. Study has performed for the city of Isparta.
Bookmark/Search this post with
Abstract (Original Language): 
Bu çalışmanın amacı gül çiçeği dikim alanlarının yapay sinir ağları yöntemiyle önceden tahmin edilerek gülcülük sektörü ile ilgili tarımsal politikaların belirlenmesine katkı sağlamaktır. Bu çalışmada gül çiçeği dikim alanlarını etkileyen değişkenler; gül çiçeği reel fiyatları, gül çiçeği dikim alanı, meyve veren elma ağacı sayısı, elma reel fiyatları (TL/kg), üzüm reel fiyatları (TL/kg), sabit kukla, eğim kukla ve zaman değişkenleri olarak belirlenmiştir. Çalışmada 1980-2010 yıllarına ait veriler kullanılmıştır. Araştırma yalnızca Isparta ilini kapsamaktadır. Çalışmanın sonucunda 2011 ve 2012 yılına ait Isparta ili gül dikim alanları tahmin edilmiştir.
FULL TEXT (PDF): 
PDF icon arastirmax-gul-cicegi-dikim-alanlarinin-yapay-sinir-aglari-yontemiyle-tahmini.pdf
  • 2
137-149
  • Turkish

REFERENCES

References: 

ALBENİ, M. (1996). “Göller Bölgesi’nde Gül Çiçeği Üretiminin İktisadi
Sorunları ve Ekonometrik Analizi”, Yayımlanmamış Yüksek Lisans
Tezi, Süleyman Demirel Üniversitesi: Isparta.
CHO, V. (2003). “A Comparison of Three Different Approaches to Tourist
Arrival Forecasting”, Tourism Management , 24: 323-330.
ÇUHADAR, Murat ve KAYACAN C. (2005), “Yapay Sinir Ağları Kullanılarak
Konaklama İşletmelerinde Doluluk Oranı Tahmini: Türkiye’deki
Konaklama İşletmeleri Üzerine Bir Deneme”, Anatolia:Turizm
Araştırmaları Dergisi, 16(1): 1990-2005.
De LURGIO, A. S. (1998), Forecasting Principles and Applications, Irwin
McGraw-Hill:Singapore.
HAMİD, Shaikh, A. ve Zahid IQBAL (2004), “Using Neural Networks for
Forecasting Volatility of S&P 500 Index Futures Prices”, Journal of
Business Research, 57: 1116-1125.
GÜLBİRLİK (2011). http://www.gulbirlik.com, (10.10.2011)
KARTALOPOULOS, Stamatios V. (1996), Understanding Neural Network and
Fuzzy Logic, IEEE Press, Newyork.
NABIYEV, V., V. (2005), Yapay Zeka, Seçkin Yayıncılık, Ankara.
ÖZTEMEL, E (2003), Yapay Sinir Ağları, Papatya Yayıncılık, İstanbul.
SMITH, K.A. and GRUPTA, J.N.D. (2000) “Neural Networks in Business:
Techniques and Applications fort The Operations Researcher”,
Computers & Operations Research, 27: 1023-1044.
TOSUN, İ., GÖNÜLLÜ M.T. ve ARSLANKAYA E. (2011), Gülyağı Sanayi Proses
Atıkları Özelliklerinin Belirlenmesi,
http://www.yildiz.edu.tr/~gonul/bildiriler/b82.pdf, (06.06.2011).
ZHANG, G., HU, M.Y. (1998) “Neural Network Forecasting of the British
Pound/US Dollar Exchange Rate”, Omega Int. J. Mgmt. Sci, 26(4):
495-506.

Thank you for copying data from http://www.arastirmax.com