Türkiye Hurda Demir Çelik İthalatının Gelecek Değerlerinin Derin Öğrenme, Makine Öğrenmesi ve Topluluk Öğrenme Yöntemleri ile Öngörülmesi

Abstract

Bu çalışma, Türkiye’nin hurda demir çelik ithalatını tahmin etmek için LSTM, MLP, Random Forest, SVM, XGBoost ve Doğrusal Regresyon modellerini kapsamlı bir şekilde değerlendirmektedir. Modellerin performansları RMSE, MSE, MAE, MAPE ve R² metrikleri kullanılarak ölçülmüştür. LSTM modeli, en iyi tahmin performansını göstererek eğitim setinde RMSE 0,0387, MSE 0,0014, MAE 0,0297, MAPE 0,1261 ve R² 0.9631 sonuçlarını elde etmiştir. Gelecek 12 aylık ithalat tahminlerine göre, Nisan 2024’te 773.378.496 USD olan ithalat miktarının Mart 2025'te 1.239.538.176 USD’ye ulaşması beklenmektedir. LIME analizi, modelin hangi bağımsız değişkenlere dayandığını açıklayarak modelin karar verme süreçlerini şeffaf hale getirmektedir. Analiz sonucunda, modelin özellikle “YÜFE” ve “Aylık Demir Çelik İthalatı” gibi değişkenlere yüksek önem verdiği, bu değişkenlerin tahmin sonuçları üzerindeki etkisinin diğer bağımsız değişkenlere göre daha belirgin olduğu tespit edilmiştir. Bu analiz ile her bir bağımsız değişkenin modelin sonuçları üzerindeki etkisi görselleştirilmiş ve değişkenlerin katkı düzeyleri değerlendirilerek modelin hangi özelliklere daha fazla ağırlık verdiği ortaya konulmuştur.