Başkent 153 Çağrı Merkezine gelen ASKİ başvurularının istatistiksel olarak değerlendirilmesi
Küçük Resim Yok
Tarih
2024
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Ege Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu çalışma, Ankara Büyükşehir Belediyesi Başkent 153 Çağrı Merkezi'ne yapılan ASKİ başvurularının detaylı bir analizini sunmaktadır. Araştırma, Python 3.10 kullanılarak geliştirilen LSTM ve ARIMA modelleri ile su yönetimi ve hizmetlerinde veri tabanlı karar alma süreçlerini nasıl optimize edilebileceğine dair değerli içgörüler sağlamıştır. LSTM modeli, ilçe tahminlemesi ve uzun vadeli bağlamları öğrenmede etkin olurken, ARIMA modeli kısa vadeli tahminlerde ve Mamak ilçesi gibi belirli bölgelerin analizinde başarılı bulunmuştur. Araştırma, zaman serisi analizinde bu iki modelin kullanımının, su yönetimi ve çağrı merkezi hizmetlerinin iyileştirilmesindeki önemini vurgulamaktadır. LSTM modeli, karmaşık ve uzun vadeli veri yapılarını etkin bir şekilde işlerken, ARIMA modeli daha basit ve durağan veri setlerinde güçlü bir araç olarak kendini göstermiştir. Bu modellerin avantajları ve sınırlılıkları, su yönetimi politikaları ve hizmetlerinin geliştirilmesi sırasında dikkate alınmalıdır. Çalışma, kamu sektöründe veri analizi ve makine öğreniminin potansiyelini vurgulayarak, Python 3.10 ile geliştirilen bu teknolojilerin belediyelerin su yönetimi hizmetlerini daha etkin ve verimli bir şekilde planlamalarına olanak tanıyabileceğini göstermektedir. Bu modellerin ileri uygulamaları ve geliştirmeleri, gelecekteki araştırmalar için yeni yollar açabilir ve kamu hizmetleri veri analizinde daha geniş bir uygulama alanı sunabilir.
This study presents a detailed analysis of ASKİ applications to the Ankara Metropolitan Municipality Başkent 153 Call Center. The research, utilizing Python 3.10 to develop LSTM and ARIMA models, provides valuable insights into how data-driven decision-making processes in water management and services can be optimized. The LSTM model was effective in district forecasting and learning long-term contexts, while the ARIMA model proved successful in short-term predictions and analyses of specific areas, particularly in the Mamak district. The study underscores the importance of using these two models in time series analysis for improving water management and call center services. The LSTM model efficiently processes complex and long-term data structures, whereas the ARIMA model emerges as a powerful tool in simpler and more stationary data sets. The advantages and limitations of both models should be considered in the development of water management policies and services. This research highlights the potential of data analysis and machine learning in the public sector, demonstrating how these technologies, developed with Python 3.10, can enable municipalities to plan their water management services more effectively and efficiently. The advanced applications and developments of these models could open new avenues for future research and offer a broader scope of application in public service data analysis.
This study presents a detailed analysis of ASKİ applications to the Ankara Metropolitan Municipality Başkent 153 Call Center. The research, utilizing Python 3.10 to develop LSTM and ARIMA models, provides valuable insights into how data-driven decision-making processes in water management and services can be optimized. The LSTM model was effective in district forecasting and learning long-term contexts, while the ARIMA model proved successful in short-term predictions and analyses of specific areas, particularly in the Mamak district. The study underscores the importance of using these two models in time series analysis for improving water management and call center services. The LSTM model efficiently processes complex and long-term data structures, whereas the ARIMA model emerges as a powerful tool in simpler and more stationary data sets. The advantages and limitations of both models should be considered in the development of water management policies and services. This research highlights the potential of data analysis and machine learning in the public sector, demonstrating how these technologies, developed with Python 3.10, can enable municipalities to plan their water management services more effectively and efficiently. The advanced applications and developments of these models could open new avenues for future research and offer a broader scope of application in public service data analysis.
Açıklama
Anahtar Kelimeler
İstatistik, Statistics
