Zaman serileri analizi, George E. P. Box ve Gwilyn M. Jenkins tarafından sistematik
hale getirilmesiyle önemli bir çalışma alanı haline gelmiştir. İstatistiğin çeşitli branşlarında
zaman serileri analizi için yeni metotlar geliştirilmiş ve hala da zaman se rileri analizi için yeni
yöntemler geliştirilmeye devam edilmektedir. Bu yöntemlerden biri de yapay sinir ağları
yöntemidir. Yarım asır önce ortaya atılan yapay sinir ağları yöntemi, görüntü işleme,
sınıflandırma, örüntü tanımlama gibi pek çok alanda etkin bir şekilde kullanılmaktadır ve
şimdilerde zaman serileri analizinde etkin bir şekilde kullanılmaya çalışılmaktadır. Bu
yapılırken yapay sinir ağlarının mimarisini oluşturma yolları aranmaktadır. Bu mimariyi
oluşturmak, turizm verileri gibi büyük rakamlarda gözlemler içeren verilerde ayrıca zordur.
Bunun nedeni analizdeki hata ne kadar küçültülürse küçültülsün, verideki büyük rakamlar
nedeniyle gene de mimarideki en ufak hatalar göze batar hale gelmektedir. Bu nedenle b u
çalışmada, yapay sinir ağlarında mimari oluşturulurken istatistiksel yöntemlerden
faydalanılarak genel turizm analizlerine uygun modellerin bulunması amaçlanmıştır.
Time Series Analysis became a prominent sudy field by the works of George E. P.
Box and Gwilyn M. Jenkins. There has been numerous studies about time series analysis
originating from different branches of the discipline of Statistics and new time series analysis
methods are still developed. One of these methods is the Artificial Neural Networks method.
The Artificial Neural Networks method dating back to studies half a century ago is used
effectively in several fields such as Image Processing Classification, Pattern Recognition etc.
and is practiced in most studies to effectively analyze any time series data. In those studies,
methods for the creation of architecture of Artificial Neural Networks are searched. However,
datasets like the ones that regarding general tourism in a country can pose a problem in
constructing an Artificial Neural Network architecture. The reason why this particular is
aroused is that no matter how much we minimize the error of the analysis, the big figures in
the datasets force the flaws of the architecture to look bigger than it already is. In this study,
the aim is to produce proper models by using statistical methods to create an ideal architecture
for Articial Neural Networks.
