Antalya İline Yönelik Alman Turist Talebinin Yapay Sinir Ağları Yöntemiyle Tahmini. Forecasting German Tourism Demand to Antalya by Using Artificial Neural Networks (original) (raw)
Related papers
Bu çalışmada; zaman serisi yöntemlerinden Üstel Düzleştirme ve Box-Jenkins yöntemleri ile farklı mimarilere sahip yapay sinir agı modellerinin tahmin dogruluklarını kadınsılaştırarak en yüksek dogrulugu sağlayan modelin belirlenmesi ve belirlenen model yardımıyla Antalya iline yönelik aylık dıs turizm talebi tahminlerinin yapılması amaçlanmıstır. Çalısmada Ocak 1992- Aralık 2005 döneminde Antalya iline gelen aylık yabancı turist sayısı verilerinden yararlanılmıstır. Yapılan çok sayıda deneme sonucunda orijinal seri degerleri kullanılarak olusturulan 12 gecikmeli yapay sinir agı modelinin en yüksek dogrulugu sagladıgı görülmüş ve elde edilen model Yardımıyla 2009 yılı için Antalya iline yönelik aylık dış turizm talebi tahminleri yapılmıştır. In this study, it is aimed to determine the forecasting method that provides the best performance when compared the forecast accuracy of exponential smoothing, Box-Jenkins as time series techniques and artificial neural networks to estimate the monthly inbound tourism demand to Antalya via the method giving best results. Monthly foreign tourist arrivals to Antalya in the period of January 1992-December 2006 data were utilized to build appropriate model. As a consequence of several attempts it has been observed that 12 lagged ANN model formed by utilizing the unpreprocessed raw data has presented best performance and by the means of this model it has been forecasted the monthly inbound tourism demand to Antalya for year 2009.
2015
Planning of tourism investment and tourist activities across the country are of great importance for tourist areas. The forecasting of tourism demand to region or country should be forecasted primarily for planning. Because, planning not based on demand forecasting cannot be placed on a realistic basis. Demand forecasting is necessary both guiding infrastructure and superstructure investments compatible to this demand and determination of capacity of tourist areas thus eliminating the negative effects of tourism economically and environmentally. As the demand for tourism goods and services are extremely sensitive against effective factors in the tourism sector, the estimate of this sector and the analysis of the factors effecting on this demand are gaining importance. In recent years, it is observed that artificial neural network methods are widely used in demand forecasting and this method has higher forecast performance than the other methods. In this study, artificial neural netw...
Tourism demand forecasting plays important role in public and private sector officials’ future planning activities. The aim of this study is modeling inbound tourism demand to Turkey by Feed Forward-Back Propagation (MLP), Radial Basis Function (RBF) and Time Delay (TDNN) artificial neural network architectures and forecasting monthly tourism demand for 2013 via the model providing the highest accuracy. In this study, it is used the total number of foreign tourist arrivals as a measure of inbound tourism demand and monthly foreign tourist arrivals to Turkey in the period of January 1987 – December 2012 were utilized. In the process of modeling the data by ANN’s, it is analyzed the forecasting performance of different network architectures constituted by both unpreprocessed raw data and seasonally adjusted data taking into account of the distinct viewpoints in related studies. As a consequence of several attempts, it has been observed that 12 lagged MLP model which has [4-5-1-] architechture has presented best forecasting performance. By this model it has been produced monthly inbound tourism demand forecasts to Turkey for year 2013. ÖZET: Turizm talebi tahminleri, kamu ve özel sektör temsilcilerinin ileriye yönelik planlama çalışmalarında önemli rol oynamaktadır. Bu çalışmanın amacı; Türkiye’ye yönelik aylık dış turizm talebinin, Çok Katmanlı İleri Beslemeli (MLP), Radyal Tabanlı Fonksiyon (RBF) ve Zaman Gecikmeli (TDNN) yapay sinir ağı mimarileri ile modellenmesi ve en yüksek tahmin performansı sağlayan model yardımıyla 2013 yılı tahminlerinin üretilmesidir. Çalışmada Türkiye’ye yönelik dış turizm talebinin ölçüsü olarak gelen toplam yabancı turist sayıları alınmış, Ocak 1987 – Aralık 2012 dönemine ait Türkiye’ye gelen aylık yabancı turist sayısı verilerinden yararlanılmıştır. Verilerin yapay sinir ağları ile modellenmesinde, literatürdeki farklı görüşler dikkate alınarak orijinal seri ve mevsimsel ayrıştırma yöntemi ile elde edilen mevsimsel etkilerden arındırılmış seri olmak üzere iki ayrı veri seti kullanılarak oluşturulan farklı yapay sinir ağı mimarilerinin tahmin performansları incelenmiştir. Yapılan çok sayıda deneme sonucunda on iki gecikmeli veri değerleri kullanılarak geliştirilen [4-5-1] mimarisine sahip MLP modelinin en yüksek doğruluğu sağladığı görülmüş, bu model yardımıyla 2013 yılı için Türkiye’ye yönelik aylık dış turizm talebi tahminleri üretilmiştir.
European Journal of Science and Technology, 2021
Demand forecasting studies focused on the number of tourists in tourism are among the topics that are examined in detail in the economics, finance, and tourism literature of social sciences. In this study, it has been tried to estimate the number of German tourists among EU countries, who prefer one of the most important destination centers in the Mediterranean Region, Turkey for accommodation purposes. In the study, the predictive power of the models created by these three methods using multiple linear regression method and artificial neural network and support vector regression techniques, which are important learning techniques, were compared. Macroeconomic indicators and population, which are widely used in the literature, were used as independent variables in determining the German tourist demand. In this study covering the period of 1998-2019, it was concluded that the prediction model used with the artificial neural network technique has the highest predictive accuracy compar...
Öz Günümüzde birçok sektörde olduğu gibi turizm sektöründe de en doğru stratejileri belirlemek için önemli olan talep tahminleme, hem nitel hem de nicel birçok farklı yöntemle yapılmaktadır. Son dönemlerde bu yöntemlere alternatif olarak geliştirilen yapay sinir ağları modelleri, en düşük hata yüzdesi ile gerçeğe en yakın tahmin değerlerini vermektedir. Bu çalışmanın amacı, konaklama işletmelerinin talep tahminleme yaparken yapay sinir ağları modellerini alternatif bir yöntem olarak kullanabileceklerini ortaya koymaktır. Bu amaç doğrultusunda, İstanbul'daki beş yıldızlı bir otelin 2013-2016 yılları arasında satılan oda sayıları kullanılarak testler yapılmış ve yapay sinir ağı modeli ile elde edilen verilerin gerçek değerlere en yakın sonuçları verdiği görülmüştür. Bunun üzerine 2017-2018 yılları için satılan oda sayılarına yönelik tahminlemeler yapılmıştır. Anahtar Kelimeler: Talep, Tahminleme, Turizm, Yapay Sinir Ağları. Abstract As it being seen in every sector, demand forecasting in tourism is been conducted with various qualitative and quantitative methods. In recent years, artificial neural network models, which have been developed as an alternative to these forecasting methods, give the nearest values in forecasting with the smallest failure percentage. This study aims to reveal that accomodation establishments can use the neural network models as an alternative while forecasting their demand. With this aim, neural network models have been tested by using the sold room values between the period of 2013-2016 of a five star hotel in Istanbul and it is found that the results acquired from the testing models are the nearest values comparing the realized figures. In the light of these results, tourism demand of the hotel for 2017 and 2018 has been forecasted.
Yapay sinir ağları, insan beyninin çalışma ilkelerinden hareketle geliştirilmiş bilgisayar programlarıdır. Bu çalışmada, yapay sinir ağı kullanılarak Türkiye’deki bakanlık belgeli konaklama işletmelerindeki, dış turizm talebi ile oluşan doluluk oranları tahmin edilmiştir. Çalışmada Turizm Bakanlığı tarafından yıllık olarak yayınlanan “Konaklama İstatistikleri” bültenlerinden elde edilen “1990 – 2002” yıllarına ait aylık verilerden yararlanılmıştır. Çalışma neticesinde gerçek değerlere çok yakın tahmin değerleri ve çok düşük hata oranları elde edilmiştir. Çalışmanın Türk turizm literatürüne katkısı, konaklama işletmelerinde doluluk oranlarının tahmininde yeni bir yöntemi bir uygulama ile göstermektir. İleriye yönelik yapılacak çalışmalarda, yapay sinir ağları ile farklı değişkenleri kullanarak belirli bir bölge veya il sınırları içerisinde faaliyet gösteren konaklama işletmelerindeki doluluk oranları, yerli ve yabancı konukların konaklama işletmelerindeki harcamaları, turistlerin geceleme sayıları ve ortalama kalış süreleri tahmin edilebilir. ABSTRACT Artificial neural networks are the computer programmes which are developed on the basis of the functioning principles of the human brain. The hotel properties that are licensed by the Turkish Tourism Ministry are included in this study. By using artificial neural networks, hotel property occupancy rates that are generated by foreign tourism demand are forecasted. The present study uses annual data that are published yearly by the Turkish Ministry of Tourism and covers the period between 1990 and 2002. The results indicate that forecasted values are very close to real values and these forecasts are accompanied by very low error rates. The contribution of the study to Turkish tourism literature is that it shows how a new method can be applied in forecasting occupancy rates in accommodation establishments. It is proposed that by using artificial neural networks future studies may forecast various other variables such as, domestic and foreign tourist expenditures, average length of stay and number of nights spent. In addition, future studies can forecast occupancy rates of accommodation establishments which operate in a specific city or a region.
Konaklama İşletmelerinde Talep Tahmin Yöntemleri: Yapay Sinir Ağları İle İlgili Bir Araştırma
Seyahat ve Otel İşletmeciliği Dergisi, 2018
Günümüzde birçok sektörde olduğu gibi turizm sektöründe de en doğru stratejileri belirlemek için önemli olan talep tahminleme, hem nitel hem de nicel birçok farklı yöntemle yapılmaktadır. Son dönemlerde bu yöntemlere alternatif olarak geliştirilen yapay sinir ağları modelleri, en düşük hata yüzdesi ile gerçeğe en yakın tahmin değerlerini vermektedir. Bu çalışmanın amacı, konaklama işletmelerinin talep tahminleme yaparken yapay sinir ağları modellerini alternatif bir yöntem olarak kullanabileceklerini ortaya koymaktır. Bu amaç doğrultusunda, İstanbul'daki beş yıldızlı bir otelin 2013-2016 yılları arasında satılan oda sayıları kullanılarak testler yapılmış ve yapay sinir ağı modeli ile elde edilen verilerin gerçek değerlere en yakın sonuçları verdiği görülmüştür. Bunun üzerine 2017-2018 yılları için satılan oda sayılarına yönelik tahminlemeler yapılmıştır.
Antalya İli Meteorolojik Verileri Yardımıyla Hava Sıcaklığının Yapay Sinir Ağları Metodu ile Tahmini
Gümüşhane Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 2020
Atmosferin gelecekteki durumu hava tahminleri yoluyla belirlenir. Küresel ısınma ve iklim değişiklikleri nedeniyle hava koşullarının değişiklik göstermesi hava tahmini doğruluğunun önemini arttırmaktadır. Hava sıcaklığı, tarım başta olmak üzere sanayi ve benzeri birçok faaliyetin belirlenmesinde önemli rol oynamaktadır. Bitkilerin büyüme ve gelişmeleri için belirli bir sıcaklık değerine ihtiyaç vardır. Sıcaklığın yüksek olduğu ve değişkenlik gösterdiği durumda bitkiler olumsuz etkilenmektedir. Bu sebeplerden dolayı Akdeniz ikliminin görüldüğü ülkelerde ve seracılığın faaliyetlerinin yoğun olduğu bölgelerde hava sıcaklığı tahmini önemli bir hal almıştır. Son yıllarda geleceğe yönelik hava tahminleri ve araştırmaların sayısı oldukça artmıştır. Bu çalışmada Antalya'ya ait 2000-2016 yılları arasında ölçülen gerçek aylık ortalama buhar basıncı, aylık ortalama nisbi nem ilgili ay ve yıl verileri kullanılarak yapay sinir ağları metodu ile ortalama hava sıcaklığı tahmin edilmiştir. Yapay sinir ağı modeli performansı istatistiksel tekniklerle karşılaştırılmıştır. Sonuç olarak yapay sinir ağı modelindeki tahmin değerlerinin gerçek ortalama hava sıcaklığı değerleri ile uyumlu olduğu gözlemlenmiştir.
Yüzüncü Yıl Üniversitesi Sosyal bilimler Enstitüsü dergisi, 2019
Verilerden faydalı bilgilere erişme ve bilgileri inceleme süreci veri madenciliğidir. Yapay sinir ağları, veri madenciliği çalışmalarında kullanılan yöntemlerden biridir. Yapay sinir ağları ile nöron şekilsel ve işlevsel olarak taklit edilerek programlar oluşturulur. Matematiksel yöntemlere dayanan yapay sinir ağları tahminleme amaçlı kullanılabilir. Sebep ve sonuç ilişkisine dayanan bir tahmin probleminde, yapay sinir ağının girdileri bağımsız değişken, çıktısı ise bağımlı değişkendir. Doğrusal olmayan bir regresyon modeli olarak düşünülebilir. Bu çalışmada, turizm sektöründe bir tahmin probleminin çözümü amacıyla yapay sinir ağı kullanılarak veri madenciliği aracı WEKA ile modelleme ve çözümleme yapılmıştır. Türkiye Istatistik Kurumu tarafından yayınlanan, 1969-2017 yılları arası aylık turizm gelirleri verilerinden yararlanılmıştır. Bu veriler yapay sinir ağları ile modellenerek, 2018 verileri tahminlenmiştir. Gerçek veriler kullanıldığı için modelden elde edilen hata miktarları için 2019 da aylık elde edilebilecek turizm gelirleri tahminlenebilir. Turizm sektöründe değişime uyum sağlayıp, rekabeti yönetebilmek adına uygun tahminlemeler yapabilmek önemlidir. Merkezi ve yerel kamu yönetimlerinin hazırlayacakları turistik gelişme planları için yapılacak tahminler zemin oluşturulabilir. Türkiye'de turizmliteratürünekatkı sağlanabilir. Bu tahmin çalışmaları, ileriye dönük karar verme ve planlamada turizm yöneticilerine ve yerel yönetimlere rehberlik edecektir.
International Journal of Contemporary Tourism Research, 2023
The aim of this study is to evaluate the potential of artificial intelligence technologies in tourism marketing and understand the patterns used in holiday recommendations. In this context, the artificial intelligence language model ChatGPT, developed by OpenAI, was utilized to provide responses for holiday-planning tasks with different budgets. This study was designed as exploratory research, and the data obtained through the online interview technique with ChatGPT, an artificial intelligence technology, was evaluated through content analysis. The MAXQDA qualitative analysis program was used for this purpose, and data and visuals, such as word frequency, word cloud, and interactive word tree, were utilized. Requests were made for holiday destination recommendations from "ChatGPT Model 4" by providing values ranging from 50to50 to 50to1000 as daily holiday budgets. The results obtained within the scope of the study indicate that ChatGPT has the ability to provide personalized responses suitable for different budget limits. It was found that the recommendations were generally made under the categories of accommodation, dining (restaurants), and other attractions. Additionally, region-specific elements were emphasized, and similar patterns were used in the responses. It is believed that this study will provide a new perspective on artificial intelligence for tourism marketers and theorists. The study is expected to contribute to the literature by addressing the potential use of artificial intelligence applications as travel advisors. This study provides a narrow perspective on artificial intelligence applications. Therefore, the results should be considered within this context. More research should be conducted to fully understand the potential uses and limitations of artificial intelligence in tourism marketing.