En küçük kareler destek vektör makineleri ile Türkiye'nin uzun dönem elektrik tüketim tahmini ve modellemesi
Modeling and forecasting of Turkey's long term electricity consumption with least square support vector machines
- Tez No: 321563
- Danışmanlar: PROF. DR. M. CENGİZ TAPLAMACIOĞLU
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 145
Özet
Elektriksel enerji kaynaklarını yönetmek karmaşık bir görevdir. Enerji kaynak planlamasının en önemli parçası bölgesel ve ulusal hizmet alanlarında gelecekteki elektrik tüketiminin tahminidir. Doğru tüketim modelleri devletlere satın alma, elektrik güç üretimi ve altyapı geliştirme kararlarını içeren önemli kararlar almaya yardımcı olur. Bu çalışma çoklu lineer regresyon analizi(ÇLR), yapay sinir ağları(YSA) ve en küçük kareler destek vektör makineleri(EKK-DVM) metotları kullanılarak 2018 yılına kadar Türkiye'nin net elektrik tüketiminin tahmini ile ilgilidir. Kurulu güç, brüt elektrik üretimi, nüfus ve toplam abone sayısı bağımsız değişkenler olarak seçilmiştir. EKK-DVM ile bulunan sonuçlar, ÇLR ve YSA teknikleri sonuçları ile karşılaştırılmıştır. Bulunan sonuçlar EKK-DVM'nın elektrik enerjisi tüketiminde iyi bir tahmin aracı olduğunu göstermiştir.Anahtar Kelime : Elektrik Tüketimi, En Küçük Kare-Destek Vektör Makinaları, EKK-DVM, YSA
Özet (Çeviri)
Managing electrical energy supply is a complex task. The most important part of energy resource planning is forecasting of the future electricity consumption in the regional or national service area. Accurate consumption models help government to make important decisions including decisions on purchasing, generating electric power and infrastructure development. This study deals with estimation of the net electricity consumption of Turkey until the year 2018 based on multiple lineer regression analysis(MLR), artificial neural network(ANN) and least square-support vector machines(LS-SVM) methods. Installed capacity, gross electricity generation, population and total subscribership are selected as independent variables. The results obtained by LS-SVM are compared to those obtained by MLR and ANN technique. It is shown that, LS-SVM is a good forecasting tool for forecasting of electric energy consumption.Key Words : Electricity consumption, Least-Square Support Vector Machine, LS-SVM, ANN
Benzer Tezler
- Elektrik talebi ve elektrik piyasası fiyatlarının kısa dönemde tahmin edilmesi
Short-term forecasting of electric load and prices
ONUR YAZGAN
Doktora
Türkçe
2013
Elektrik ve Elektronik Mühendisliğiİstanbul ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Tarımsal verilerin doğrusal olmayan çok değişkenli bulanık regresyon yöntemi ile analizi
Analysis of agricultural data with multivariate nonlinear fuzzy regression method
ASLI AKILLI
- En küçük kareler destek vektör makineleriyle serbest yüzeyli akımların havalandırma veriminin modellenmesi
Modelling aeration efficiency of free surface flows by using least square support vector machines
MURAT BATAN
Yüksek Lisans
Türkçe
2009
Teknik EğitimFırat Üniversitesiİnşaat Mühendisliği Bölümü
DOÇ. DR. AHMET BAYLAR
- Destek vektör makinelerinin etkin eğitimi için yeni yaklaşımlar
New approaches for effective training of support vector machines
EMRE ÇOMAK
Doktora
Türkçe
2008
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ARSLAN
- Dalgacık dönüşümü ve destek vektör makineleri ile tahmin: BIST üzerine bir uygulama
Forecasting with wavelet transform and support vector machines: An application on BIST
MUHAMMET YASİR ALTINTOP