İstatistiksel yöntemlerle yapay sinir ağları uygulamalarının karşılaştırılması: Milli Savunma Bakanlığı bütçesinin öngörülmesi

Abstract

Türk Silahlı Kuvvetleri'nin geleceğini şekillendirecek irili ufaklı pek çok proje yürütülmekte, Silahlı Kuvvetler'in ihtiyaçlarını azami şekilde karşılayacak ve teknolojik açıdan üstün bir konuma getirecek yeni silah sistemlerinin alınması için planlamalar yapılmaktadır. Bu aşamada kaynak-maliyet analizleri devreye girmektedir. Savunma harcamaları özellikle silah sistemlerinin maliyetlerinin yüksek olmasından dolayı sürekli artmaktadır. Bu nedenle savunma harcamalarının büyük bir kısmını oluşturan Milli Savunma Bakanlığı bütçe büyüklüklerinin gelecek dönemlerde alabileceği değerlerin ön tahmini önemlidir.Bu çalışmada amaç; çeşitli istatistiksel analiz yöntemleri ile Yapay Sinir Ağları yapılarını karşılaştırıp en iyi yöntemi bularak, önümüzdeki dönemde oluşacak olan MSB bütçesini modellemek ve ön tahminler yapmaktır. Ön tahmin sonucu elde edilecek rakamlar sayesinde bütçenin genel gelişimi ile ilgili belirsizlikler ortadan kalkacak ve bu rakamlara göre bir takım çıkarımlar yapılarak genel durum incelenebilecektir.Çalışma, beş bölümden oluşmaktadır. Birinci bölümde; savunma harcamalarının planlaması, kaynakları, dağılımı ve harcamaları etkileyen faktörler ile MSB bütçesinin aşamaları ve bütçe kalemleri incelenmiştir.İkinci bölümde; zaman serileri analiz yöntemlerinden Box-Jenkins metodu açıklanmaktadır Yine bu bölümde diğer analiz tekniklerinden. Regresyon Analizleri ve Yapay Sinir Ağları ile ilgili bilgiler verilmiştir. Yapay Sinir Ağları yapılarının genel tanımları verildikten sonra, ağ yapıları ve elemanları incelenmiş, ağ çeşitleri ile ilgili açıklamalar yapılmıştır.Üçüncü bölümde incelenen her üç analiz yöntemine göre alternatif modeller kurulmuş ve bu modellerin istatistiksel analizleri yapılmıştır.Dördüncü bölümde, kurulan modeller karşılaştırılmış ve doğruluk analiz ölçütlerine göre en iyi model belirlenmiştir..Son bölümde yapılan analizler sonunda ulaşılan sonuçlar değerlendirilmiş ve Milli Savunma Bakanlığı bütçe verilerini tahmin etmek için bir metodoloji ortaya konulmaya çalışılmıştır.

In order to shape the future of Turkish Armed Forces, there are several projects that are being executed. Through these projects, procurement of new defense systems are planned, and these systems are expected to fully satisfy the needs of armed forces and carry them to a technologically superior position. At this point, resource-cost analyses are considered. It is known that an important part of defense expenditures which are realized in the budget of Ministry of National Defense, constitute a significant portion in annual government budgets as well. Consequently, it is crucial to generate forecasts for the budget of Ministry of National Defense and coordinate related studies accordingly.The objective of this study is to forecast the future budget of MND by statistical modelling, and to investigate the overall position with the light of numerical data deducted from the results of the models.The study consists of five chapters. In the first chapter; the factors that affect planning, resources, distribution and disbursements of defense expenditures; the phases of preparation and details of MND budget, are studied.In the second chapter; time series analyses and Box-Jenkins method are explained. After the scrutiny of time series analyses, regression and artificial neural networks which are the other methods of analysis of this study are discussed. After ANNs are generally defined, the infrastructure and the elements of network are analysed and types of networks are explained.In the third chapter; alternative models are built by using three methods that has been discussed previously, subsequently these models are statistically analysed.In the fourth chapter; by using the statistical precision analysis models have been compared and the best model chosen.At the last chapter; the results of the analyses are investigated, and forecasts that are obtained through the utilization of the best model which was constructed according to MND budget data, are discussed.