Türkiyede'ki İş Kazalarının Yapay Sinir Ağları ile 2025 Yılına Kadar Tahmini

Year 2013, Volume: 5 Issue: 1, 10 - 16, 15.01.2013

Hüseyin Ceylan , Murat Avan

Abstract

Bu çalışmada
Yapay Sinir Ağları (YSA) kullanılarak Türkiye geneli için iş kazası tahmin
modelleri geliştirilmiştir. Bu modeller kullanılarak Türkiye‘nin 2025 yılına
kadar olan süreçte, iş kazası, ölü ve sürekli iş göremezlik sayıları farklı üç
senaryo ile tahmin edilmiştir. Model geliştirilirken sigortalı işçi, işyeri, iş
kazası, ölü ve iş göremezlik sayıları model parametreleri olarak kullanılmış ve
bu parametrelere ait 1970 -  2010 yılları
arasındaki verilerden yararlanılmıştır. YSA modelinde 2-5-1 ağ mimarisi en
uygun mimari olarak belirlenmiŞtir. Ağların gizli katmanında sigmoid, çıkış
katmanında da doğrusal fonksiyon kullanılmıştır. Ağın eğitiminde ise ileri
beslemeli geri yayılım algoritmasından yararlanılmıştır. Modelin
uygulanabilirliği için ağımız 1970-2004 yılı arasında eğitilerek 2005-2010 yılları
tahmin ettirilmiştir. Çıkan sonuç gerçek değerlerle kıyaslanmış ve
uygulanabilir olduğu görülmüştür. Geliştirilen bütün modellerin performansları
Ortalama Mutlak Yüzde Hata (OMYH), Ortalama Mutlak Hata (OMH) ve Ortalama
Karesel Hataların Karekökü (OKHK) ölçütleri içinde değerlendirilmiştir.

Keywords

İş Kazası, Kaza Tahmin Modelleri, Yapay Sinir Ağları

Prediction of Occupational Accidents for Turkey Until the Year 2025 Using Artificial Neural Networks

Abstract

In this study, occupational accident prediction models were developed by using artificial neural networks (ANNs) for Turkey. Using these models in Turkey until the year 2025 occupational accident, permanent incapacity and the number of dead was estimated by the three different scenarios. In the development of the models, insured workers, work place, occupational accident, dead and incapacity for work values were used as model parameters with data between 1970 and 2010. 2-5-1 neural network architecture was selected as the best network architecture. Sigmoid and pureline function were used for secret layer and output layer respectively. The sigmoid and pureline functions were used as activation functions with feed forward back propagation algorithm. Order to obtain a useful model, the network was trained between 1970 and 2004 to forecast values 2005 to 2010.The model was compared to the real values and it was seen that it is applicable for this aim. The performances of all developed models were evaluated by the use of Mean Absolute Percent Errors (MAPE), Mean Absolute Errors (MAE) and Root Mean Square Errors (RMSE).

Keywords

Occupational Accident, Accident Prediction Models, Artificial Neural Networks, Turkey

References

• [1] Sosyal Güvenlik Kurumu, ĠĢ kazası istatistikleri, 1970-2010 www.sgk.gov.tr.htlm [2] Goldberg D., ―The design of innovation lessons from genetic algorithms, lessons fort he real world‖ Techno Forecast Social Change vol 64 (1), 2000 [3] ġensoy E Z., Nonlineer Lojistik Regresyon ve Uygulaması, Marmara Üniversitesi Fen Bilimleri Enstitüsü Matematik Ana Bilim Dalı yüksek Lisans Tezi,s 93, Ġstanbul 2009 [4] http://www.figes.com.tr/matlab/YSA/NNwebniar.htlm [5] Murat Y S and Ceylan H., Use of Artificial Neural Networks for Transport Energy Demand Modeling‘‘, Energy Policy Vol34(17). Pp 3165-3172, 2006. [6] Chio Y.C. An ARIMA Modeling: A Case Study of Turkey‘‘, Energy Policy, Vol 35, No 2,pp 1129-1146, 2007 [7] Chiou Y.C. ―An artificial network-based expert system for appraisal of two-car crash accidents‖ Accident Analysis and Prevention Vol.38, No.4, pp.777-785, 2006 [8] Akgüngör, A P, Doğan E, An artificial intelligent approach to traffic accident estimation; Model development and application Transport, Vol.24 No,2 pp.135-142,2009 [9] Akgüngör A. P. ve Doğan E., Farklı Yöntemler Kullanılarak GeliĢtirilen Trafik Kaza Tahmin Modelleri ve Analizi; Int. J. Eng. Research & Development, Vol.2, No.1 January 2010 [10] Önal S, Yapay Sinir ağları Metodu ile Kızılırmak Nehrinin Akım Tahmini, Süleyman Demirel Üniversitesi Fen bilimleri Enstitüsü Yapı eğitimi Ana Bilim Dalı Yüksek Lisans Tezi, s129, Isparta 2009 [11] Comaniciu D. and Meer P., ―Mean Shift Analysis and Applications‖, IEEE International Conference on Computer Vision, pp. 1197--1203, 1999. [12] ġen, Z, Yapay Sinir Ağları, Su Vakfı Yayınları, Ġstanbul s183, 2004 [13] Mussone L, Ferrari A, Oneta, M. ―An analysis of urban collision using an artificial intelligence model‖ Accident Analysis and Prevention, Vol.3, No.8, pp.705-718, 1999 [14] Abdelwahab H T, Abdel-Aty M A. ―Development of artificial neural network models to predict driver injury severity in traffic accident at signalized intersection‖ Transportation Research Record 1746, pp.6-13, 15] Delen D, Sharda R, Besson M. ―Identifying significant predictors of 2001 injury severity in traffic accidents using a series of artificial neural networks‖ Accident Analysis and Prevention Vol.38, No.3, pp.434-444, 2006 [16] Akgungor A P, Dogan E. ―Estimating road accidents of Turkey based on regression analysis and artificial neural network approach‖ Advances in [17] Doğan E. ve Akgüngör A.P., ―Trafik kazaları ve sonuçlarının yapay sinir ağları ile incelenmesi Kırıkkale Örneği‖ 8.UlaĢtırma Kongresi, 279-287, Eylül/Ekim 2009 Ġstanbul. [18] Doğan E., ―Regresyon Analizi ve Yapay Zekâ YaklaĢımı ile Türkiye ve Seçilen Bazı Büyük Ġlleri için Trafik Kaza Tahmin Modelleri‖ K.Ü Fen Bilimleri Enstitüsü, YayınlanmamıĢ Yüksek Lisans Tezi, 2007. [19] Akgüngör A.P. ve Doğan E., ―Yapay Sinir Ağları ve Genetik Algoritma YaklaĢımı Ġle Ġstanbul Metropolüne Ait Kaza Tahmin Modelleri‖, Bilimde Modern Yöntemler Sempozyumu, BMYS 2008, 883- 891, 15- 17 Ekim 2008, EskiĢehir [20] Saray U., Lüy M.,Çam E., ―Amasya ili için Yapay Sinir Ağları ile Rüzgar Hızı Tahmini‖ Elektrik Elektronik Mühendisliği Günleri Bildiriler Kitabı, Sayfa 20-24 29 Eylül-1 Ekim 2011, Ankara [21] Lüy M., Saray U., ―Wind speed estimation for missing wind data with three different backpropagation algorithms‖ Energy Science and Research Vol 29(2): pp. 45-54, 2012