LEE- İşletme Mühendisliği-Yüksek Lisans
Bu koleksiyon için kalıcı URI
Gözat
Son Başvurular
1 - 5 / 32
-
ÖgeA nonlinear grey bernoulli model integrated with grey wolf optimizer for PM concentration prediction in İstanbul(Graduate School, 2025-06-25)Hava kirliliği, günümüzde küresel ölçekte karşılaşılan en ciddi çevresel ve halk sağlığı sorunlarından biri olarak öne çıkmaktadır. Özellikle büyük şehirlerde, sanayileşmenin hız kazanması, kentleşmenin yoğunlaşması, motorlu taşıt kullanımının artması ve fosil yakıtlara olan bağımlılığın devam etmesi gibi faktörler, hava kalitesinin giderek bozulmasına neden olmaktadır. Karbonmonoksit (CO), azot dioksit (NO2), kükürtdioksit (SO2), uçucu organik bileşikler (VOC) ve partikül maddeler (PM) gibi hava kirletici unsurların atmosferdeki yoğunluğu, çoğu zaman hem yerel yasal sınırları hem de Dünya Sağlık Örgütü (DSÖ) tarafından belirlenen referans değerleri aşmaktadır. Bu kirleticiler arasında yer alan partikül maddeler, özellikle sağlık üzerinde doğrudan ve ciddi etkiler oluşturması nedeniyle ayrı bir öneme sahiptir. Çapı 2.5 mikrometreye kadar olan PM2.5 partikülleri, solunum yoluyla akciğerlerin en derin noktalarına kadar ulaşabilmekte ve oradan da kan dolaşımına karışarak insan sağlığı üzerinde sistemik etkiler yaratabilmektedir. PM2.5, başta kardiyovasküler ve solunum yolu hastalıkları olmak üzere çeşitli sağlık problemlerinin yanı sıra bazı kanser türlerinin görülme olasılığını da artırmaktadır. Öte yandan, daha büyük boyutlu olan ve çapı 10 mikrometreye kadar ulaşabilen PM10 partikülleri, üst solunum yollarında tahrişe yol açarak akciğer fonksiyonlarını olumsuz etkilemektedir. DSÖ, 2005 yılında belirlediği yıllık ortalama limit değerleri 2021'de daha da sıkılaştırarak PM2.5 için 10 µg/m³'ten 5 µg/m³'e, PM10 için ise 20 µg/m³'ten 15 µg/m³'e düşürmüştür. Buna karşın, Türkiye'nin "Açık Hava Kalitesi Yönetmeliği" taslağında bu değerler sırasıyla 25 µg/m³ ve 40 µg/m³ olarak önerilmektedir. Bu durum, Türkiye ile küresel sağlık otoriteleri arasında hava kalitesi standartları bakımından kayda değer bir fark bulunduğunu ortaya koymaktadır. Türkiye genelinde faaliyet gösteren yaklaşık 365 izleme istasyonu bulunsa da, bu istasyonlardan elde edilen PM2.5 ve PM10 verilerinin zamansal sürekliliği ve doğruluğu açısından etkileyici boyutta eksiklikler mevcuttur. İstanbul gibi nüfusun yoğun, ulaşım kapasitesinin yük altında olduğu ve yapılaşmanın sürekli olarak devam ettiği mega kentlerde ise bu sorun daha da belirginleşmektedir. Mecidiyeköy ve Kağıthane gibi bölgeler, coğrafi özellikleri, trafik yükünün fazla oluşu, yüksek nüfus yoğunluğu ve sürekli süregelen inşaat faaliyetleri nedeniyle hava kirleticilerin birikmesine daha açık hale gelmiştir. Bu bağlamda, kirletici konsantrasyonlarını doğru bir şekilde tahmin etmek, hava kalitesinin izlenmesi ve yönetilmesi açısından hayati bir öneme sahiptir. Etkin bir tahmin süreci, trafik düzenlemeleri, emisyon azaltım stratejileri ve halk sağlığını korumaya yönelik acil durum uyarılarının zamanında uygulanabilmesini sağlamaktadır. Aynı zamanda uzun vadeli kent planlama kararlarının veri temelli olarak alınmasına da olanak tanımaktadır. Bu çalışma kapsamında, İstanbul'un söz konusu bölgeleri olan Mecidiyeköy ve Kağıthane için 2014–2024 yılları arasındaki yıllık ve aylık PM2.5 ve PM10 verileri derlenmiş ve bu geçmiş veriler kullanılarak 2025–2029 dönemine ait tahminler üretilmiştir. Veri yapısının sınırlı ve kısmen eksik olduğu koşullarda başarılı öngörüler sunabilen gri sistem teorisi bu amaçla temel yöntem olarak seçilmiştir. Çalışmada, klasik gri model GM(1,1), doğrusal olmayan Bernoulli tabanlı gri model NGBM(1,1) ve mevsimsel etkileri içeren gri model SGM(1,1) olmak üzere üç farklı model uygulanmıştır. Bu modellerin tahmin doğruluğunu artırmak amacıyla, model parametrelerinin belirlenmesinde Gri Kurt Optimizasyonu (GWO) isimli meta-sezgisel optimizasyon algoritmasından yararlanılmıştır. Meta-sezgisel algoritmalar, doğa ve hayvan davranışlarından veya evrimsel süreçlerden esinlenerek geliştirilen ve klasik optimizasyon yöntemlerinin yetersiz kaldığı karmaşık problemlerde etkili çözümler üretebilen yöntemlerdir. GWO ise, kurt sürülerinin sosyal yapısını ve avlanma davranışlarını taklit ederek, arama uzayında küresel ve yerel optimum arasında denge kurmayı amaçlayan etkili bir yaklaşımdır. Tahmin modellerinin başarısı; Ortalama Mutlak Yüzde Hata (MAPE), Kök Ortalama Kare Hata (RMSE) ve Belirleme Katsayısı (R²) gibi yaygın performans ölçütleriyle değerlendirilmiştir. Bu ölçütler, modelin gözlemlenen değerlerle ne ölçüde örtüştüğünü sayısal olarak ifade etmektedir. MAPE, tahmin hatalarının yüzde cinsinden ortalamasını vererek göreli hata hakkında fikir sunarken; RMSE, büyük hatalara daha yüksek ağırlık vererek modelin istikrarını değerlendirmeye olanak tanır. R² katsayısı ise modelin açıklayıcılığını ortaya koymakta ve tahmin edilen değerlerin gerçek değerler üzerindeki varyansını ne ölçüde açıkladığını göstermektedir. Tahmin edilen değerler hem DSÖ hem de Türkiye tarafından belirlenen sınır değerlerle karşılaştırılmış, bu yolla modellerin çevresel karar destek potansiyeli analiz edilmiştir. Ayrıca, istatistiksel tahmin literatüründe yaygın olarak kullanılan klasik ARIMA modeli temel bir karşılaştırma noktası olarak dahil edilerek, gri sistem modellerinin görece avantajları somut bir biçimde ortaya konmuştur. Elde edilen bulgular, özellikle optimizasyon uygulanmış modellerin, optimize edilmemiş sürümlere kıyasla daha düşük hata oranları ürettiğini göstermiştir. Bu kapsamda en başarılı model olarak, hem PM2.5 hem de PM10 tahminlerinde NGBM(1,1)–GWO hibrit modelinin öne çıktığı görülmüştür. Öngörülen değerler, genel olarak kirleticilerin zaman içinde azalma eğilimi göstereceğine işaret etse de, mevcut politika ve müdahale düzeylerinin yeterli olmaması halinde 2030 yılına kadar hem DSÖ hem de Türkiye limitlerinin üzerinde kalınacağı sonucuna ulaşılmıştır. Sonuç olarak, bu çalışma veri kısıtlarının bulunduğu koşullarda dahi gri sistem teorisine dayalı modellerin ve GWO gibi optimizasyon algoritmalarının birlikte kullanılmasıyla güvenilir hava kalitesi tahminleri yapılabileceğini ortaya koymaktadır. Tez bulguları, yalnızca literatüre katkı açısından değil, aynı zamanda politika geliştirme ve uygulama süreçleri açısından da önemli çıktılar sunmaktadır. Özellikle belediyeler gibi yerel yönetimler, çevre ve şehircilik müdürlükleri, il sağlık birimleri ve ilgili kamu otoriteleri bu tahmin sonuçlarını erken uyarı sistemleriyle entegre ederek hava kirliliğine karşı trafik düzenlemeleri, toplu taşıma teşvikleri, halk bilgilendirme kampanyaları gibi kısa vadeli önlemler geliştirebilir. Aynı zamanda, yapılan tahminlerin şehir ölçeğinde uzun vadeli hava kalitesi yönetim planlarına dahil edilmesi, sürdürülebilir kentsel yaşam hedeflerine katkı sunacaktır. İstanbul özelinde elde edilen bulgular, benzer özellikler taşıyan diğer büyük şehirler için de örnek teşkil edebilecek nitelikte olup, bilim temelli çevre politikalarının geliştirilmesi yönünde değerli bir adım oluşturmaktadır.Bu bağlamda, çalışmanın çıktıları karar vericilere veri temelli, uygulanabilir ve bölgeye özgü politika araçları geliştirme konusunda güçlü bir zemin sağlamaktadır.
-
ÖgeAğ trafiği tahmininde makine öğrenmesi algoritmalarının karşılaştırmalı analizi(Lisansüstü Eğitim Enstitüsü, 2025-06-25)Günümüzde dijitalleşmenin hız kazanması ve teknoloji kullanımının yaygınlaşması, veri trafiğinde önemli bir artışa neden olmuştur. Akıllı telefonların, nesnelerin interneti (IoT) cihazlarının ve 5G teknolojisinin yaygınlaşması gibi faktörler, telekomünikasyon ağlarındaki yükü önemli ölçüde artırmıştır. Bu nedenle, ağ yönetiminin verimli hale getirilmesi ve kapasite planlamasının doğru bir şekilde yapılması, artan veri trafiğiyle başa çıkmak için hayati bir öneme sahiptir. Telekomünikasyon şirketleri, gelecekteki ağ ihtiyaçlarını öngörerek kapasite yatırımlarını optimize etmek ve rekabet avantajı elde etmek için ileri tahmin yöntemlerine başvurmaktadır. Tahmin hataları, gereğinden fazla yatırım maliyetine neden olabileceği gibi karşılanmayan taleplere ve dolayısıyla müşteri memnuniyetinin azalmasına da neden olabilir. Telekomünikasyon sektöründe en geniş müşteri tabanı mobil teknolojilere (2G, 3G, 4G) dayanmaktadır. Bu nedenle, mobil kapasite ihtiyaçlarının doğru tahmin edilmesi, kesintisiz ve kaliteli hizmet sunmak açısından büyük önem taşımaktadır. Her şebeke kendine özgü olduğu için şebekenin sezonsal trafik değişikliklerini en iyi tahminleyecek modelin kurulması gerekmektedir. Bu bağlamda, bu çalışmanın amacı, farklı makine öğrenmesi algoritmalarını karşılaştırmalı bir şekilde değerlendirerek ağ trafiği tahmini için en uygun yaklaşımları belirlemektir. Araştırma kapsamında SARIMA, Prophet, LSTM ve hibrit bir model (Prophet+LSTM) detaylı olarak incelenmiştir. Çalışma için gerçek veri kullanma konusunda bazı kısıtlamalarla karşılaşılmıştır. Bundan dolayı sektör uzmanlarının yardımı ile 2023-2024 yıllarının ortalama trafik değeri üzerine günlük ve aylık sezonsallık eklenerek iki yıllık bir veri seti elde edilmiştir. 24 aylık verinin 18 ayı eğitim, 6 ayı ise test için kullanılmıştır. Çalışmada kullanılan modellerin her biri farklı yaklaşımlara dayanmaktadır. SARIMA, istatistiksel yöntemlerin klasik bir temsilcisi olarak, lineer trendleri ve sezonsal bileşenleri tahmin etmekte etkilidir. Prophet modeli, özellikle sezonsallık, trend ve tatil etkilerini modelleyebilme kapasitesiyle kullanıcı dostu bir araç olarak öne çıkmaktadır. LSTM modeli ise derin öğrenme tabanlı bir yöntem olarak, karmaşık zaman serisi desenlerini öğrenme kapasitesine sahiptir ve uzun vadeli tahminlerde yüksek doğruluk sağlayabilmektedir. Hibrit model ise Prophet'in trend analizi gücü ile LSTM'in yüksek doğruluk sağlayan tahmin yeteneklerini birleştirerek daha güçlü bir tahmin aracı oluşturmuştur. Modellerin her biri için hiperparametre optimizasyonu yapılmıştır. SARIMA için AIC (Akaike ölçütü), Prophet için Grid Search, LSTM için Keras Tuner kullanılmıştır. Hibrit modelde de Prophet ve LSTM için belirlenen en iyi parametreler kullanılmıştır. Bu algoritmaların detayları uygulama bölümünde verilmiştir. Modellerin performansı, ortalama mutlak hata (MAE), ortalama karesel hata (MSE), kök ortalama hata karesi (RMSE) ve R² skoru gibi metriklerle ölçülmüştür. Sonuçlar, her bir modelin avantaj ve dezavantajlarını açıkça ortaya koymuştur. SARIMA ve LSTM'in tek başlarına yeterince iyi tahminleme yapamadığı, Prophet'in sezonsallığı çok iyi öğrendiği görülmüştür. Hibrit modelin ise diğer modellerden daha yüksek doğruluk oranlarına ulaştığı gözlemlenmiştir. Bu durum, hibrit modellerin, farklı algoritmaların güçlü yanlarını bir araya getirerek üstün performans sağlayabileceğini göstermektedir. Sonuç olarak, bu çalışma, makine öğrenmesi algoritmalarının telekomünikasyon sektöründe ağ trafiği tahmini üzerindeki potansiyelini ve önemini vurgulamaktadır. Doğru tahmin modellerinin kullanımı, şirketlerin kaynaklarını daha verimli bir şekilde yönetmesini, maliyetlerini optimize etmesini ve kullanıcı deneyimini geliştirmesini mümkün kılmaktadır. Çalışmanın sonuçları, yalnızca akademik bir katkı sağlamakla kalmayıp, aynı zamanda sektör profesyonellerine yönelik pratik bir rehber niteliği taşımaktadır. Gelecekte, makine öğrenmesi tabanlı modellerin daha geniş bir ölçekte kullanılması ve bu alanda yeni hibrit yaklaşımların geliştirilmesi, telekomünikasyon şirketlerinin stratejik karar alma süreçlerinde önemli bir rol oynayacaktır.
-
ÖgeThe effects of influencer marketing on sustainable fashion consumption(ITU Graduate School, 2025-06-25)Sustainability has become a multidimensional concept that has attracted increasing attention both in the academic literature and in the business world in recent years. As problems such as global warming, environmental pollution, overconsumption, resource depletion and social injustice become more visible day by day, responsibility-based transformations occur in the production-consumption behaviors of individuals and institutions. One of the areas where this transformation is felt the most is the fashion industry. In addition to many environmental damages such as water use, carbon emissions and waste generation, the fashion industry is also subjected to intense criticism due to unethical practices based on cheap labor. For this reason, the concept of sustainable fashion is gaining more and more importance and creating an area of awareness among consumers. In this context, the acceleration of digitalization and the proliferation of social media has become an important tool in both the promotion and adoption of sustainable fashion. Especially social media influencers are effective in directing consumer attitudes and behaviors through their interactions with their followers. The purpose of this study is to examine the impact of influencers' source attributes (para-social interaction, reliability, expertise, attractiveness and similarity) on individuals' sustainable fashion consumption and purchase intentions. The research model is structured on five independent variables: para-social interaction, reliability, expertise, attractiveness and similarity, and one dependent variable: sustainable fashion consumption and purchase intention. The hypotheses developed in this context were tested through regression analysis. The research was conducted using quantitative method and the data was collected through an online survey. The sample consists of individuals aged 18 and over who follow sustainable fashion content on social media. The scales in the questionnaire form were adapted from previously validated scales in the literature and translated into Turkish. In the analysis of the data, exploratory and confirmatory factor analyses were conducted, followed by hypothesis tests using regression analysis. The findings revealed that perceived similarity, reliability, expertise and attractiveness of influencers significantly affect para-social interaction. In addition, para-social interaction has a significant and positive effect on both sustainable fashion consumption and purchase intention. These results suggest that the emotional and one-way relationships that social media users have with the influencers they follow play an important role in shaping their consumption and purchasing behavior towards sustainability. The findings of the study reveal that social media influencers can be used as an effective communication tool for digital marketing strategies and that these actors can play an important role in achieving sustainability goals. In addition, this study makes a theoretical contribution to the literature as it is an original research that examines the impact of social interaction dynamics, especially para-social relationships, on consumer behavior in the context of sustainability. In practical terms, it provides guidance for brands and marketing professionals on effective influencer selection and strategic communication management in sustainable product communication. In conclusion, it is understood that the qualities of social media influencers not only provide visibility but also have the power to influence consumers' awareness of environmental and ethical issues. Therefore, in order to increase sustainable consumption behaviors, digital communication tools and especially influencer marketing should be evaluated within the framework of ethical responsibility. This study offers an important effort to understand how sustainability gains meaning in digital culture and how individuals' consumption practices are transformed through social media.
-
ÖgeIdentifying the critical success factors of an in-flight connectivity project implementation(Graduate School, 2024-12-06)Remaining connected at all times is becoming increasingly important in today's world, where communication plays a central role in lives of people and staying connected becomes a necessity rather than a luxury. This need for constant connection extends beyond the ground to include travel periods on the sea, railways and airplanes. As a result, one of the critical needs emerging in the commercial aviation industry is in-flight connectivity (IFC). The rising demand among airline passengers has led airlines to launch projects and equip their aircraft with IFC equipment to provide connectivity services to their customers and meet the demand. These projects can be undertaken by companies operating in different fields in the aviation industry, from production to communication. In addition to the companies that are already in this business, companies entering the market from certain segments of aviation continue to shape the sector. While new entrants to the industry are often not completely unfamiliar with the concept of in-flight connectivity, they may also lack experience in managing an end-to-end IFC project. Considered as corporate entrepreneurship projects, IFC projects face a multitude of complex challenges including but not limited to operational and technological issues. The diversity of players in the industry, various available and 'near future' technological infrastructure options, the effect of national and international regulators complicates IFC projects for decision makers. As much as external factors, the internal factors of both the airline and the IFC provider have an impact on project success. In this study, the factors affecting the success of an in-flight connectivity project were examined and these critical factors were identified and analysed under 5 main headings which are determined with in-depth interview with experts: technological, regulatory, operational, managerial and user-oriented elements. The identified key success factors were analysed with the fuzzy cognitive mapping modelling approach. Understanding and internalizing these key success factors is necessary to maximize the benefit in in-flight connection projects and ensure continued success. In addition, the response of the model to some possible situations was examined through scenario analysis.
-
ÖgeThe effects of the geopolitical risks on stocks: An assessment from finance, industry and it sectors in Turkey and BRİCS countries(Graduate School, 2023)At time present time, while risk factors are determinant of the financial markets, they are generally expressed as potential losses in the literature. Geopolitical risk, which is count as one of the risk factors, pay much attention with the increasing chaoses, economic tensions and threats in the world. Before, geopolitical risk is perceived posed by geopolitical location; in today it's including risks also derive from social, political, economic and geographical location. From the view of the recent studies, geopolitical risk is in the top of the five critical risks worldwide and preceded cyber risk. Caldara and Iacoviello have created the geopolitical risk index to make sense of geopolitical risks in 2018. They divided risks into 6 sub-categories such as war, threat, terror and tension. In accordance with their results, higher geopolitical risk causes decreasing on the real activity of the economies and capital movements shifted to developed economies.(Caldara& Iacoviello,2018) Caldara and Iacoviello have raised awareness about geopolitical risks with their work and touched upon the effects of major geopolitical events. Geopolitical risks and the effects of uncertainties arising from these risks awareness will provide insights to investors and policy makers. The leading geopolitical risks announced in 2022 are as follows; covid-19, the power of technology companies, increasing wars and tensions, permanent inflation after covid, disruptions in production and supply problems. Based on these conditions, the scope of this study was determined as finance, technology and industrial companies. In the industry, finance and information technology sectors, the effects of changes in geopolitical risk and changes in stock markets in BRICS and Turkey countries have been examined comparatively. The strategic importance of the BRICS countries, the evidence in the literature that they are among the rapidly developing countries, the first emergence of Covid in China and the countries where the variants are most frequently seen are countries such as Brazil and South Africa, at the same time, BRICS geographical location and consist of the 40% of the world population. These factors have motivated to explore the relationship of geopolitical risk impacts on specific sectors in the BRICS countries. In addition, Turkey was among the 2022 geopolitical risk lists announced by the Times magazines. Toda Yamamoto causality test was used in the analysis of the study. Although the Granger test is the first causality test to enter the literature, Toda Yamamoto, unlike the Granger test, includes the variables in the analysis at their own level. This ensures that information loss is avoided in the long run, and both-sided causality testing can be done thanks to Toda Yamamoto. Therefore, examining the relationship with Toda Yamamoto will be meaningful in this respect. The VAR model was used for the Toda Yamamoto test. Based on the conclusions drawn from the VAR model results, it proceeded with appropriate unit tests such as OLS. According to the results of the study, it was concluded that there is no direct sector-based causality in the BRICS countries. For example, the increase in the geopolitical risk index in the information technology sector in Russia affects the change in information technology share prices. This could be related to the Russia-Ukraine war and the technological constraints imposed on Russia worldwide. While there is no direct causality between the stock markets in the BRICS countries and the geopolitical risk index in the examined sectors, it has been concluded that there is a bilateral causality relationship in almost every sector in Turkey.