Yüksek Lisans Tezleri

Permanent URI for this collectionhttps://hdl.handle.net/20.500.14365/8832

Browse

Filters

20241

Settings

Institution Author: search.filters.institutionAuthor.Bal, Gözde Aka

Search Results

Now showing 1 - 1 of 1
  • Master Thesis
    Analysis and Forecasting of Multi-Region Recyclable Waste Datasets With Supervised Machine Learning Models
    (İzmir Ekonomi Üniversitesi, 2024) Bal, Gözde Aka; Kabak, Kamil Erkan
    Sürdürülebilir şehirler için, bölgelerin farklı atık miktarlarını tahmin etmek oldukça önemlidir; böylelikle bu miktarların bir kısmının geri dönüşü, üretim tesislerinde hammadde kullanımını enküçükleyebilecektir ve geridönüşümle karlılığı arttırabilecektir. Bu nedenlerle, bu çalışmanın amacı, farklı zaman aralıklarında ve farklı bölgelerde toplanan geri dönüşüm atık miktarlarını analiz etmektir, sonrasında farklı gözetimli makine öğrenimi yaklaşımları ile atık miktarlarını tahmin etmeyi amaçlamaktadır. Bu tahminler kuruluşların geri dönüşüm stratejilerini daha iyi tahminlerle daha iyi şekillendirmelerine ve en iyi geri dönüşüm toplama ve yatırım politikaları ile maliyetlerinin minimize etmeyi sağlayacaktır. Farklı noktalardan elde edilen geri dönüşüm atık veri setlerindeki belirsizliklerden ve değişkenliklerden dolayı, bu tez çalışması öncelikle geleneksel tahminleme yöntemlerini zaman serisi analizleri ile uygulamaktadır. Sonra, tanımlayıcı ve korrelasyon analizlerini içeren istatistiksel analizlerin dışında ARIMA, K-NN ve XGBoost gibi seçilmiş gözetimli makine öğrenmesi yaklaşımları ile ilave analizleri yapmaktadır. Geleneksel tahmin yöntemleriyle yapılan analizlere göre hareketli ortalama yöntemi, kağıt atıklarında diğer yöntemler arasında 97, plastik atıklarda ise 0,13 MSE değeriyle tüm bölgelerde en iyi tahmin sonuçlarını sağlamaktadır. Denetimli makine öğrenimi yöntemleri analizlerine göre, ARIMA yöntemi bölgelerin çoğunda daha iyi tahminleme sonuçlarını göstermektedir ve en iyi performans gösteren bölge 105 MSE değerine sahiptir. Son olarak, çalışma tahminleme algoritmalarını bir havuzda toplayarak ve en iyi tahminleri tanımlanan tahminleme performansı ölçütlerine göre seçerek otomatik bir tahminleme çerçevesi oluşturmayı amaçlamaktadır.