Box-Jenkins ve Gri Tahmin Yöntemleri İle Türkiye’de Hava Yolu Ulaşım Talebinin Tahmini

M21

Dr. Sultan Kuzu Yıldırım
İstanbul Üniversitesi İşletme Fakültesi

Dr. Bahadır Fatih Yıldırım
İstanbul Üniversitesi Ulaştırma ve Lojistik Fakültesi

Özet

Günümüzde artan rekabet koşulları ve teknolojik gelişmeler hava yolu sektörünü de etkilemiş özellikleinsanların zamanı etkin kullanma isteği bu sektörde artan bir trende neden olmuştur. Avrupa Birliği İstatistik Ofisi (EUROSTAT), hava ulaşımına ilişkin 2012 yılı istatistiklerine göre Türkiye'de 130 milyon 352 bin yolcu havayolu ulaşımını tercih etmiş ve son bir yılda yolcu talebindeki artış yaklaşık 13 milyon olarak gerçekleşmiştir. Türkiye'de hava ulaşımı kullanan kişi sayısındaki artış, 28 AB ülkesindeki toplam artıştan 7 milyon 137 bin fazla olmuştur. Çalışmada, Türkiye İstatistik Kurumu (TUİK) tarafından yayınlanan Ulaştırma (havayolu) istatistiklerinden faydalanılarak ulaşıma olan talebi tahmin etmek için uygun bir model belirlenmesi amaçlanmıştır. Bu amaçla, Zaman Serisi Analizi tekniklerinden, Box Jenkins Yöntemi ve Gri Tahmin Yöntemleri ile modeller denenerek, her iki yöntem için de uygun modeller belirlenmiştir. Ayrıca mevcut dönem ve bir sonraki dönem tahminleri yapılmış, bulgular mukayese edilmiştir.

Anahtar Kelimeler: Gri Tahmin Yöntemi, Hava Yolu Taşımacılığı, Talep Tahmini

Jel Sınıflandırma: C13, C63, C80

Air Transportation Demand Forecast in Turkey With Box-Jenkins and Grey Prediction Methods

Abstract

Nowadays, increasing competitive conditions and technological developments have also affected the airline industry, especially people request to use of time efficiently caused in an increasing trend in this sector. Statistical Office of the European Union (EUROSTAT), according to statistics from the year 2012 relating to air transport, In Turkey, 130 million 352 thousand passengers have opted to air transport and over the last year increasing in passenger demand amounted to approximately 13 million. Increase in the number of people who use air transport in Turkey, a total increase of 28 EU countries has been more than 7 million 137 thousand.In this study, Turkey Statistical Institute (TSI), published by Transportation (airline) benefiting from the statistics to estimate the demand for transport was to determine an appropriate model. For this purpose, the technique of Time Series Analysis, Box Jenkins Method and Grey Prediction Method by testing with models, models suitable for both methods was determined. It also estimates the current period and made a subsequent period, the findings were compared.

Keywords: Air Transportation, Box Jenkins Method, Demand Forecasting, Grey Prediction Method

  • Akay, D., Atak, M., “Grey prediction with rolling mechanism for electricity demand forecasting of Turkey”, Energy, 32 1670-1675, 2007.
  • Askari, Mehdi ve Hadi Askari (2011), “Time Series Grey System Prediction-based Models: Gold Price Forecasting”, Trends in Applied Sciences Research, 6 (11), 1287-1292.
  • Baş, M., (2010), “İşletmelerde Finansal Başarısızlığın Öngörülmesinde Gri İlişkisel Analiz Tekniği, Tekstil ve Deri Sektöründe Bir Uygulama”, Yayınlanmamış Doktora Tezi, Dumlupınar Üniversitesi Sosyal Bilimler Enstitüsü, Kütahya.
  • Box, G.E.P. and Jenkins, G.M., 1976, Time Series Analysis Forecasting and Control, Revised Edition, Holden Day Inc., California, 170p.
  • Christine Dupuis, Michel Gamache, Jean-François Pagé, Logical analysis of data for estimating passenger show rates at Air Canada, Journal of Air Transport Management, Volume 18, Issue 1, January 2012, Pages 78-81, ISSN 0969-6997, http://dx.doi.org/10.1016/j.jairtraman.2011.10.004.
  • Çuhadar, M., Güngör, İ. ve Göksu, A., 2009, Turizm Talebinin Yapay Sinir Ağları ile Tahmini ve Zaman Serisi Yöntemleri ile Karşılaştırmalı Analizi: Antalya İline Yönelik Bir Uygulama, Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Dergisi, 14 (1): 99-114.
  • David Gillen, Hamed Hasheminia, Estimating the demand responses for different sizes of air passenger groups, Transportation Research Part B: Methodological, Volume 49, March 2013, Pages 24-38, ISSN 0191-2615, http://dx.doi.org/10.1016/j.trb.2012.11.004.
  • Deng, Ju-Long, (1982), “Control Problem of Grey System”, System and Control Letters, Vol. 5, pp. 288-294.
  • Deng, Ju-Long, (1989), “Introduction to Grey System Theory”, The Journal of Grey System, Vol. 1, pp. 1-24.
  • Gang Xie, Shouyang Wang, Kin Keung Lai, Short-term forecasting of air passenger by using hybrid seasonal decomposition and least squares support vector regression approaches, Journal of Air Transport Management, Volume 37, May 2014, Pages 20-26, ISSN 0969-6997, http://dx.doi.org/10.1016/j.jairtraman.2014.01.009.
  • HSU, Chaug-Ing ve Yuh-Horng Wen (1998), “Improved Grey Prediction Models for the Trans-Pacific Air Passenger Market” Transportation Planning and Technology, 22, 87-107.
  • HSU, Li-Chang (2003), “Applying the Grey Prediction Model to the Global Integrated Circuit Industry”, Technological Forecasting & Social Change, 70(6), 563–574.
  • Kayacan, E., Ulutas, B., Kaynak O., “Grey system theory-based models in time series prediction Expert Systems with Applications”, 37 (2) (2010), pp. 1784–1789.
  • Kayım, H., 1985, İstatistiksel Ön Tahmin Yöntemleri, Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Yayınları No:11, Ankara, 160s.
  • Lewis, C.D., 1982, Industrial and Business Forecasting Methods, Butterworths Publishing: London, 40p.
  • Liu, S., Jeffrey F., Yingjie Y., (2011), "A Brief Introduction to Grey Systems Theory" Grey Systems and Intelligent Services (GSIS), 2011 IEEE International Conference, 15-18 September 2011, pp. 1-9. doi: 10.1109/GSIS.2011.6044018
  • Liu, S., Lin, Y., (2006), “Grey information: theory and practical applications”, Londra, Springer.
  • Liu, S., Lin, Y., (2011), “Grey Systems Theory and Applications”, Berlin, Springer. http://rave.ohiolink.edu/ebooks/ebc/9783642161582.
  • Madalla, G.S., 1992, Introduction to Econometrics, Macmillan Publishing Company, Second Edition, New York, 631p.
  • Naylor, T.H., Seaks, T.H. and Wichern, D.W., 1972, Box Jenkins Methods: An Alternative to Econometrics Models, International Statistical Review, 40 (2): 123-137.
  • Önder, Emrah & Kuzu, Sultan, Forecasting Air Traffic Volumes Using Smoothing Techniques, January 16, 2014, Journal Of Aeronautıcs And Space Technologıes, January 2014, Vol.7, No. 1, pp.65-85.
  • Özmen, A., 1986, Zaman Serisi Analizinde Box-Jenkins Yöntemi ve Banka Mevduat Tahmininde Uygulama Denemesi, Doktora Tezi, Anadolu Üniversitesi Sosyal Bilimler Enstitüsü, Eskişehir, 156s.
  • Pehlivanoğlu, Volkan & Atık, İlhan, Time Series Forecasting Via Genetic Algorithm for Turkish Air Transport Market, Journal Of Aeronautıcs And Space Technologıes, July 2016, Vol. 9 No. 2 pp.23-33.
  • Pindyck, R.S. and Rubinfeld, D.L., 1998, Econometric Models and Economic Forecasts, Irwin/ McGraw-Hill International Edit, Singapore, 603p.
  • Richard D. Lawrence , Se June Hong , Jacques Cherrier, Passenger-based predictive modeling of airline no-show rates, Proceedings of the ninth ACM SIGKDD international conference on Knowledge discovery and data mining, August 24-27, 2003, Washington, D.C. [doi>10.1145/956750.956796]
  • Rodrigo Arnaldo Scarpel, Forecasting air passengers at São Paulo International Airport using a mixture of local experts model, Journal of Air Transport Management, Volume 26, January 2013, Pages 35-39, ISSN 0969-6997, http://dx.doi.org/10.1016/j.jairtraman.2012.10.001.
  • Sivil Havacılık Genel Müdürlüğü (SHGM), (2016), “Sivil Havacılık Genel Müdürlüğü 2016 Yılı Faaliyet Raporu”, Ankara.
  • Solak, A.O. (2013), “Türkiye'nin Toplam Petrol Talebi ve Ulaştırma Sektörü Petrol Talebinin Arıma Modeli ile Tahmin Edilmesi” Süleyman Demirel Üniversitesi, İktisadi ve İdari Bilimler Fakültesi Dergisi, s.131-142.
  • Song, S., “The application of grey system theory to earthquake prediction in Jiangsu area” Journal of Grey Systems” 4(4) 359–367, 1992.
  • Şen, Hülya & Polat, Hakkı, Havayolu Taşımacılığı Kanunlarındaki Değişikliğin Türkiye’deki Havayolu Yolcu Taşımacılığı Üzerine Etkilerinin Araştırılması, Alphanumeric Journal, 2015, Vol. 3, No.1, pp.89-98.
  • Tsai, C. H., Chang, C.L. and Chen, L. (2003), “Applying Grey Relational Analysis to the Vendor Evaluation Model”, International Journal of The Computer, The Internet and Management, Vol. 11, No. 3, pp. 45-53.
  • Türkiye İstatistik Kurumu (TUİK), Ulaştırma İstatistikleri / Havayolu İstatistikleri, Çevrimiçi, http://www.tuik.gov.tr/PreIstatistikTablo.do?istab_id=376, 10.04.2017.
  • Wen, K. L., (2004), Grey Systems: Modeling and Prediction, Yang’s Scientific Research Institute, Yang’s Scientific Press, Vol. 4, October.
  • Witt, S.F. and Witt, C., 1992, Modeling and Forecasting Demand in Tourism, Academic Press: London, 137p.
  • Yamaguchi, D., Li, G. D. and Nagai, M., (2007), “A Grey-Rough Set Approach For Interval Data Reduction of Attributes”, Rough Sets and Intelligent Systems Paradigms, Berlin, Springer Berlin Heidelberg.
  • YAO, Albert W. L.; Chi, S. C. Ve Chen, J. H. (2003), “An improved Grey-based approach for electricity demand forecasting”, Electric Power Systems Research, 67, 217-224.
  • Zheng X., Liu M. 2009. An overview of accident forecasting methodologies, Journal of Loss Prevention in the Process Industries, (22), 484–491.
  • Kalathilparmbil, Ç., & Şahin, Ö. (2019). Türkiye’deki Hava Taşımacılığı Üzerine Bir Tahminleme Çalışması. Anemon Muş Alparslan Üniversitesi Sosyal Bilimler Dergisi, 7(4), 53-62.