Improving of an Artificial Neural Networks Forecasting Model for Determining of the Number of Calls in 112 Emergency Call Center

Forecasting studies are extremely important in the technical, social and economic research. Generally, we know it is very difficult to forecast with higher accurate about a system by using recent values. In the scientific literature, the forecasting studies of energy, personnel planning, production planning, climate changes, sales and marketing and economics etc. are frequently found. In this paper, for an emergency calls center in Isparta province of Turkey an artificial neural network (ANN) forecasting model was developed to determine the number of calls for as health, fire and security services on a pilot implementation of the emergency calls center on a single number 112. In the developed model, the gradient descent with adaptive learning and momentum (GDX) algorithm is selected as the training algorithm with feed-forward back-propagation by using 80% of input data and the 20% of input data is used for testing set data from last month. After the testing, the mean absolute percentage error (MAPE) rate is obtained as 4.5% and it is useful to test. In addition, the forecasting results of the next month are shown that the MAPE values are 2.65%, 6.40% and 5.24% with ANN, trend analysis and ARIMA (1 1 1) models respectively and, the number of calls are found separately on the types of calls in daily. Consequently, the developed model by using ANN to forecast the number of calls in an emergency call center is more accurate than the trend analysis and ARIMA models.

112 Acil Çaðrý Merkezine Gelen Çaðrý Sayýlarýný Belirleyebilmek için Bir Yapay Sinir Aðlarý Tahminleme Modeli Geliþtirilmesi

Tahminleme çalýþmalarý, teknik, sosyal ve ekonomik araþtýrmalar bakýmýndan son derece önemlidir. Ýlgilenilen sistem hakkýnda gerçekleþmiþ veriler kullanarak tahmin yapmak ya da yüksek doðrulukta tahminler yapabilmek genellikle çok zordur. Bilimsel yazýnda, tahminleme çalýþmalarýna enerji, personel planlama, üretim planlama, iklim deðiþimleri, satýþ-pazarlama ve ekonomik çalýþmalarda sýklýkla rastlanmaktadýr. Bu çalýþmada, ülkemizde de son yýllarda yeniden yapýlanma sürecine giren, saðlýk, itfaiye ve güvenlik hizmetlerinin tek numarada birleþtirilmesi konusundaki Acil Çaðrý Merkezleri’nin bir pilot uygulamasý olan Isparta ili 112 Acil Çaðrý Merkezi için saðlýk, güvenlik ve itfaiye ihtiyaçlarýna yönelik gelebilecek çaðrý sayýsýný tahminlemek amacýyla bir yapay sinir aðlarý (YSA) modeli geliþtirilmiþtir. Modelde gelecek dönemler için muhtemel çaðrý sayýsýný tahminleme modeli için kurulan aðýn eðitilmesinde momentum ve adatif öðrenme oraný kullanan ileri beslemeli geri yayýlýmlý en dik iniþ algoritmasý kullanýlmýþtýr. Uygulamada, geçmiþ bir aylýk verilerin %80’i öðrenme ve %20’si test amacýyla kullanýlmýþtýr. Test süreci sonunda ortalama mutlak yüzdelik hata (OMYH) oraný %4,5 olarak elde edilmiþ ve modelin test edilmesi uygun görülmüþtür. Ayrýca, gelecek bir ay için OMYH oraný YSA modeli için %2,65, trend analizi modeli için %6,40 ve oto-regresif entegreli hareketli ortalama (ARIMA) modeli için %5,24 olacak þekilde çaðrý türlerine göre çaðrý sayýlarý her gün için elde edilmiþtir. Sonuç olarak, YSA kullanýlarak yapýlan tahminleme ile trend analizi ve ARIMA (1 1 1) modeline göre daha düþük OMYH oranýna sahiptir.