<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Makine öğrenmesi yaklaşımları ile tomruk satış fiyatlarının modellenmesi ve fiyat tahmini

dc.contributor.authorErgün Karak, Büşra
dc.date.accessioned2026-11-19T07:55:48Z
dc.date.issued2026
dc.description.abstractBu çalışmada, Türkiye'de kızılçam normal boy tomruk açık artırmalı satış fiyatlarının makine öğrenmesi yöntemleri kullanılarak tahmin edilmesi amaçlanmıştır. Bu kapsamda, Orman Genel Müdürlüğü tarafından yayımlanan Ocak 2014–Aralık 2024 dönemine ait aylık satış verileri kullanılmıştır. Çalışmada, Türkiye'de kızılçam satışı gerçekleştirilen 21 Orman Bölge Müdürlüğüne ait veriler ile mevduat faiz oranı, sanayi üretim endeksi, TÜFE, ÜFE, döviz kuru, altın fiyatı, mazot fiyatı, gayrisafi yurt içi hasıla, ithalat ve ihracat göstergeleri modele dâhil edilmiştir. Modelleme sürecinde gecikmeli fiyat değişkenleri oluşturulmuş, kategorik değişkenler one-hot encoding yöntemiyle dönüştürülmüş ve Robust Scaler yöntemi kullanılarak veri ölçeklendirilmiştir. Çalışmada Linear Regression, Ridge Regression, Random Forest, XGBoost ve LightGBM algoritmaları uygulanmış; hiperparametre optimizasyonu Time Series Split tabanlı çapraz doğrulama yaklaşımı ile gerçekleştirilmiştir. Model performansları R², RMSE, MAE, NSE, KGE, MedAE ve sMAPE ölçütleri kullanılarak değerlendirilmiş, Entropi ve TOPSIS yöntemleri ile modeller sıralanmış, SHAP analizi ile değişken önem düzeyleri belirlenmiştir. Araştırma sonuçları, ağaç tabanlı makine öğrenmesi algoritmalarının doğrusal regresyon modellerine göre daha başarılı tahmin performansı sergilediğini göstermiştir. Performans değerlendirmeleri sonucunda XGBoost modeli en başarılı yöntem olarak belirlenmiştir. Ayrıca, 2025 yılına ait gerçek ve tahmin edilen fiyatlar karşılaştırılmış, XGBoost modeli kullanılarak 2026–2035 dönemine ilişkin fiyat projeksiyonları oluşturulmuştur. Sonuç olarak, geliştirilen modelin tomruk fiyatlarının tahmininde başarılı sonuçlar verdiği ve ormancılık ekonomisinde veri temelli karar verme süreçlerine katkı sağlayabilecek bir karar destek aracı niteliği taşıdığı değerlendirilmektedir.
dc.identifier.citationERGÜN KARAK, B. (2026). Makine öğrenmesi yaklaşımları ile tomruk satış fiyatlarının modellenmesi ve fiyat tahmini (Tez No. 1025152) [Yüksek lisans tezi, KASTAMONU ÜNİVERSİTESİ]. Ulusal Tez Merkezi.
dc.identifier.urihttps://hdl.handle.net/20.500.12597/44920
dc.language.isotr
dc.publisherKastamonu Üniversitesi
dc.subjectMakine Öğrenmesi
dc.subjectOrmancılık Ekonomisi
dc.subjectTomruk Fiyat Tahmini
dc.subjectXGBoost
dc.subjectEntropi
dc.subjectTOPSIS
dc.subjectSHAP Analizi
dc.subjectMachine Learning
dc.subjectForest Economics
dc.subjectLog Price Forecasting
dc.subjectEntropy
dc.subjectSHAP Analysis
dc.titleMakine öğrenmesi yaklaşımları ile tomruk satış fiyatlarının modellenmesi ve fiyat tahmini
dc.title.alternativeModeling and price forecasting of log sale prices using machine learning approaches
dc.typemasterThesis

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
1025152 (1).pdf
Size:
2.38 MB
Format:
Adobe Portable Document Format

Collections