Araştırma Makalesi
BibTex RIS Kaynak Göster

Determining the factors that most affect the ecological footprint using the artificial neural network classification feature: The case of Turkey

Yıl 2023, Cilt: 16 Sayı: 4, 904 - 917, 29.10.2023
https://doi.org/10.25287/ohuiibf.1206814

Öz

Since the end of the 20th century, ecological problems have become a priority problem due to industrialization, urbanization, technological developments and rapid population growth. The change in human living standards causes many ecological problems such as unconscious consumption of natural resources, extinction of forests and living species. Ecological Footprint is developed to measure the demand pressure that people exert on the environment. In study, Neural Network Fitting Model was used in MATLAB, for the development Artificial Neural Network (ANN) by using the data of 1996-2018 to estimate Turkey's ecological footprint. Urban Population, Renewable Energy Consumption, R&D Expenditures and Human Development Index were chosen as independent variables. The data were obtained from the database of “World Bank Group” and “Human Development Reports”. For the ANN, Levenberg-Marquardt algorithm was used to determine the appropriate hidden layer and hidden neurons in each layer. The data used to train an artificial neural network using feedforward and backpropagation were randomly divided into three groups for training, testing and validation purposes. R values for each stage, respectively; 0.999, 0.948, was obtained as 1. According to the results obtained, the independent variable with the greatest effect on the ecological footprint was found to be the Urban Population.

Kaynakça

  • Adedoyin, F. F., Alola, A. A., & Bekun, F. V. (2020). An assessment of environmental sustainability corridor: the role of economic expansion and research and development in EU Countries. Science Of The Total Environment, 713, 136726.
  • Ahmed, Z., & Wang, Z. (2019). Investigating the impact of human capital on the ecological footprint in India: an empirical analysis. Environmental Science and Pollution Research, 26, 26782-26796.
  • Akıllı, H., Kemahlı, F., Okudan, K., & Polat, F. (2008). Ekolojik ayak izinin kavramsal içeriği ve Akdeniz Üniversitesi İktisadi Ve İdari Bilimler Fakültesi’nde bireysel ekolojik ayak izi hesaplamasi. Akdeniz İİBF Dergisi, 8(15), 1-25.
  • Ali, A. (2022). Making and prioritizing managerial decisions using fuzzy logic and artificial neural networks. Yüksek Lisans Tezi, İstanbul Sabahattin Zaim Üniversitesi, Bilgisayar Mühendisliği.
  • Appiah, M., Li, M., Naeem, M. A., & Karim, S. (2023). Greening the globe: Uncovering the impact of environmental policy, renewable energy, and innovation on ecological footprint. Technological Forecasting and Social Change, 192, 122561.
  • Atik, K., Deniz, E., Yıldız, E. (2007). “Meteorolojik verilerin yapay sinir ağları ile modellenmesi,” Ksü Fen Ve Mühendislik Dergisi, Cilt. 10 (1), S. 148-152.
  • Biçen, C. (2006). Box-Jenkins zaman serisi analiz yöntemi ile ileri beslemeli yapay sinir ağları tahminlerinin karşılaştırılması. Yayımlanmamış Yüksek Lisans Tezi, Hacettepe Üniversitesi, Sağlık Be, Ankara.
  • Chen, Y., Cheng, L., & Lee, C. C. (2022). How does the use of industrial robots affect the ecological footprint? International evidence. Ecological Economics, 198, 107483.
  • Çam, H. Ve Çelik, G. (2022). Ekolojik ayak ı̇zini etkileyen faktörlerin belirlenmesine yönelik bir yapısal model önerisi. Selçuk Üniversitesi Sosyal Bilimler Meslek Yüksekokulu Dergisi, 25 (1), 201-215.
  • Gao, J. Ve Tian, M. (2016). Analysis of over-consumption of natural resources and the ecological trade deficit in chin abased on ecological footprints. Ecological Indicators, 61, 899-904.
  • Hamzaçebi, Ç. (2011). Yapay sinir ağları: tahmin amaçlı kullanımı MATLAB ve Neurosolutions uygulamalı. Ekin Basım Yayın Dağıtım.
  • Human Development Reports, Human Development Index (HDI), Retrieved from https://hdr.undp.org/data-center/human-development-index
  • Kaypak, Ş. (2013). Ekolojik ayak izinden çevre barışına bakmak. Türk Bilimsel Derlemeler Dergisi, (1), 154-159.
  • Khair, U., Fahmi, H., Al Hakim, S., & Rahim, R. (2017, December). Forecasting error calculation with mean absolute deviation and mean absolute percentage error. In journal of physics: conference series (Vol. 930, No. 1, p. 012002). IOP Publishing.
  • Kılınç, E. C. (2021). Ekolojik ayak izi-enerji ar-ge harcamaları ilişkisi: OECD ülkeleri örneği. Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(2), 527–541

Ekolojik ayak izine çok etki eden faktörlerin yapay sinir ağı sınıflama özelliği kullanılarak belirlenmesi: Türkiye örneği

Yıl 2023, Cilt: 16 Sayı: 4, 904 - 917, 29.10.2023
https://doi.org/10.25287/ohuiibf.1206814

Öz

20. yüzyılın sonlarından itibaren sanayileşme, kentleşme, teknolojik gelişmeler ve hızlı nüfus artışı, ekolojik sorunları tüm dünyanın karşı karşıya olduğu öncelikli sorunlardan biri haline getirmiştir. İnsanların yaşam standartlarının değişmesi, doğal kaynakların bilinçsizce tüketilmesine, doğadaki endüstriyel ve evsel atıkların çoğalmasına, tarım arazilerinin, ormanların, canlı türlerinin yok olması gibi ekolojik sorunlara neden olmaktadır. Ekolojik Ayak İzi, insanların çevreye uyguladığı talep baskısını ölçmek için geliştirilmiş bir ölçüttür. Bu çalışmada, Türkiye’nin ekolojik ayak izini tahminlemek amacıyla 1996-2018 dönemine ait verilerden yararlanılıp, yapay sinir ağının geliştirilmesi için MATLAB uygulamasında Neural Network Fitting Modeli kullanılmıştır. Araştırmada, kentsel nüfus, yenilenebilir enerji tüketimi, araştırma ve geliştirme faaliyetleri ve insani gelişme endeksi bağımsız değişkenler olarak seçilmiştir. Tahminlemede kullanılan veriler, “World Bank Group” ve “Human Development Reports”un veri tabanından elde edilmiştir. Yapay sinir ağı modeli için ileri beslemeli yapay sinir ağları kullanılmış olup, uygun gizli katman ve her katmandaki gizli nöronların belirlenmesi aşamasında Levenberg-Marquardt algoritmasından yararlanılmıştır. İleri besleme ve geri yayılım kullanarak bir yapay sinir ağını eğitmek için kullanılan veriler eğitim, test ve doğrulama amacı ile rastgele üç gruba ayrılmıştır. Her aşama için sırası ile R değerleri; 0.999, 0.948, 1 olarak elde edilmiştir. Elde edilen sonuçlara göre, ekolojik ayak izi üzerinde en fazla etkisi olan bağımsız değişken kentsel nüfus olarak bulunmuştur.

Kaynakça

  • Adedoyin, F. F., Alola, A. A., & Bekun, F. V. (2020). An assessment of environmental sustainability corridor: the role of economic expansion and research and development in EU Countries. Science Of The Total Environment, 713, 136726.
  • Ahmed, Z., & Wang, Z. (2019). Investigating the impact of human capital on the ecological footprint in India: an empirical analysis. Environmental Science and Pollution Research, 26, 26782-26796.
  • Akıllı, H., Kemahlı, F., Okudan, K., & Polat, F. (2008). Ekolojik ayak izinin kavramsal içeriği ve Akdeniz Üniversitesi İktisadi Ve İdari Bilimler Fakültesi’nde bireysel ekolojik ayak izi hesaplamasi. Akdeniz İİBF Dergisi, 8(15), 1-25.
  • Ali, A. (2022). Making and prioritizing managerial decisions using fuzzy logic and artificial neural networks. Yüksek Lisans Tezi, İstanbul Sabahattin Zaim Üniversitesi, Bilgisayar Mühendisliği.
  • Appiah, M., Li, M., Naeem, M. A., & Karim, S. (2023). Greening the globe: Uncovering the impact of environmental policy, renewable energy, and innovation on ecological footprint. Technological Forecasting and Social Change, 192, 122561.
  • Atik, K., Deniz, E., Yıldız, E. (2007). “Meteorolojik verilerin yapay sinir ağları ile modellenmesi,” Ksü Fen Ve Mühendislik Dergisi, Cilt. 10 (1), S. 148-152.
  • Biçen, C. (2006). Box-Jenkins zaman serisi analiz yöntemi ile ileri beslemeli yapay sinir ağları tahminlerinin karşılaştırılması. Yayımlanmamış Yüksek Lisans Tezi, Hacettepe Üniversitesi, Sağlık Be, Ankara.
  • Chen, Y., Cheng, L., & Lee, C. C. (2022). How does the use of industrial robots affect the ecological footprint? International evidence. Ecological Economics, 198, 107483.
  • Çam, H. Ve Çelik, G. (2022). Ekolojik ayak ı̇zini etkileyen faktörlerin belirlenmesine yönelik bir yapısal model önerisi. Selçuk Üniversitesi Sosyal Bilimler Meslek Yüksekokulu Dergisi, 25 (1), 201-215.
  • Gao, J. Ve Tian, M. (2016). Analysis of over-consumption of natural resources and the ecological trade deficit in chin abased on ecological footprints. Ecological Indicators, 61, 899-904.
  • Hamzaçebi, Ç. (2011). Yapay sinir ağları: tahmin amaçlı kullanımı MATLAB ve Neurosolutions uygulamalı. Ekin Basım Yayın Dağıtım.
  • Human Development Reports, Human Development Index (HDI), Retrieved from https://hdr.undp.org/data-center/human-development-index
  • Kaypak, Ş. (2013). Ekolojik ayak izinden çevre barışına bakmak. Türk Bilimsel Derlemeler Dergisi, (1), 154-159.
  • Khair, U., Fahmi, H., Al Hakim, S., & Rahim, R. (2017, December). Forecasting error calculation with mean absolute deviation and mean absolute percentage error. In journal of physics: conference series (Vol. 930, No. 1, p. 012002). IOP Publishing.
  • Kılınç, E. C. (2021). Ekolojik ayak izi-enerji ar-ge harcamaları ilişkisi: OECD ülkeleri örneği. Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(2), 527–541
Toplam 15 adet kaynakça vardır.

Ayrıntılar

Birincil Dil İngilizce
Konular Çevre ve Kültür, İşletme
Bölüm Makaleler
Yazarlar

Sevim Gülin Demirbay 0000-0003-3878-0332

Selim Gündüz 0000-0001-5289-6089

Yayımlanma Tarihi 29 Ekim 2023
Gönderilme Tarihi 18 Kasım 2022
Kabul Tarihi 25 Eylül 2023
Yayımlandığı Sayı Yıl 2023 Cilt: 16 Sayı: 4

Kaynak Göster

APA Demirbay, S. G., & Gündüz, S. (2023). Determining the factors that most affect the ecological footprint using the artificial neural network classification feature: The case of Turkey. Ömer Halisdemir Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Dergisi, 16(4), 904-917. https://doi.org/10.25287/ohuiibf.1206814
Creative Commons Lisansı
Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi Creative Commons Atıf-GayriTicari-AynıLisanslaPaylaş 4.0 Uluslararası Lisansı ile lisanslanmıştır.