Geri Dön

Haber kaynaklarından makine öğrenmesi ile Türkiye genelinde zaman bazlı elektrik enerjisi tüketim modeli

Time based electrical energy consumption model in Turkey using machine learning on news data

  1. Tez No: 438728
  2. Yazar: HÜSEYİN KEÇELİ
  3. Danışmanlar: YRD. DOÇ. DR. ENGİN DEMİR, YRD. DOÇ. DR. TAYFUN KÜÇÜKYILMAZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Enerji, Computer Engineering and Computer Science and Control, Energy
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: Türkçe
  9. Üniversite: Türk Hava Kurumu Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 144

Özet

Türkiye'de yıllık enerji tüketiminin en düşük olduğu günler Ramazan ve Kurban bayramı tatilleridir. Milli takım ya da üç büyüklerin önemli Avrupa kupası maçlarının olduğu günlerde ise enerji tüketimi normal tüketimin üzerine çıkmaktadır. Buradan anlaşılacağı gibi aslında içinde yaşanılan sosyal durumlar ülkenin enerji tüketimini ciddi olarak etkilemektedir. Bu çalışmada amaç; Sosyal olayların Türkiye günlük enerji tüketimine etkileri var mıdır; Var ise bu etki tahmin edilebilir mi? sorularına cevaplar aramaktır. Çalışmada sosyal olayların enerji tüketimine etkisini incelemek için sosyal olayların yer verildiği kaynaklar araştırılmış ve gazete haberlerinde sıkça sosyal olaylara yer verildiği görülmüştür. Bu olayların haber metinlerden öğrenilebileceği kabul edilerek çalışmada sosyal olay kavramı, günlük gazete haberlerine indirgenerek Türkiye'de çok satılan gazetelerin birinin günlük haberlerinden yararlanılmıştır. Enerjinin toplum tarafından tüketildiği göz önüne alındığında bir sosyal olayın, enerji tüketimine etkisinin analizi için toplum algısının esas alınması gerektiği varsayımından yola çıkılarak toplumun uzman görüşünü oluşturmak için bir anket tasarlanmış, sonuçları doğru analiz edebilmek için çeşitli metotlar denenmiştir. Bu çalışmada üç-seviyeli bir makine öğrenme altyapısı kullanılmıştır; haber kategorileri, haberlerin enerji tüketim etkileri (haber puanları) ve günlük enerji tüketim etkileri çalışmada modellenmiş iç içe çalışan üç ayrı problemdir. Bu problemlerin her biri için çeşitli denetimli (supervize), tek etiketli makine öğrenme modelleri önerilmiş ve birçok makine öğrenme algoritması ile test edilmiştir. Yapılan deneylerin sonucunda ülke günlük enerji tüketiminin %5 hata payı ile %77.8 oranında, %10 hata payı ile ise %100 oranında tahmin edilebildiği ortaya konulmuştur.

Özet (Çeviri)

The days on which the lowest values of yearly energy consumption occured are the periods of Ramadan and Sacrifice Feasts in Turkey. Energy consumption increases above the normal values on the days of important European cup matches of national or“big three”teams played. As it is understood , current social situations effect seriously the energy consumption of the country. The aim of this study is to search answers of the following questions ; Is there any effect of social events on daily enery consumption in Turkey ? and If there is, is it possible to predict this effect?. In this study, social event concept was limited with news on daily newspapers and one of the most circulated newspapers in Turkey was selected for the study. Considering that energy is consumed by society, a questionnaire was designed to find semantic sense of society, by starting from assumption which is the analyzing effect of a social event on energy consumption should be based on the perception of community and different kinds of methods were applied in order to analyze the results of questionnaire correctly. In this study, machine learning with three phases were used ; the category of news , the effect of news on energy consumption and the effect of daily energy consumption are three different nested problems modeled in this study. Different types of supervised machine learning models with instance were offered for each of these problems and they were tested with various machine learning algorithms. It is revealed by the results of experiments that daily energy consumption can be predicted 77.8% accuracy with error rate 5% and 100% accuracy with error rate 10% as well.

Benzer Tezler

  1. Portfolio optimization with sentiment analysis

    Yaklaşım analizi ile portföy optimizasyonu

    AHMET ERARSLAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Endüstri ve Endüstri MühendisliğiBoğaziçi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET REFİK GÜLLÜ

  2. Genelleştırilmiş toplamsal modeller ile Bitcoin için yön analizi

    Directional analysis of Bitcoin using generalized additive models

    İLAYDA ARIKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    EkonomiHacettepe Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. SERPİL AKTAŞ ALTUNAY

  3. Pre-release forecasting of imdb movie ratings using multi-view data

    Gösterime girmemiş filmlerin ımdb puanının farklı özellik kümeleri kullanılarak tahmin edilmesi

    BEYZA ÇİZMECİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE ÖĞÜDÜCÜ

  4. Turkish clickbait detection in social media via machine learning algorithms

    Makine öğrenmesi algoritmaları ile sosyal medyada Türkçe clickbait tespiti

    ŞURA GENÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilim ve TeknolojiOrta Doğu Teknik Üniversitesi

    Bilişsel Bilim Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ELİF SÜRER

    DR. ÖĞR. ÜYESİ MURAT PERİT ÇAKIR

  5. Makine öğrenmesi ile Türkçe haber metinlerinde anahtar ifade çıkarımı

    Keyphrase extraction for Turkish news text with machine learning methods

    MUSTAFA ÇETİNGÖZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ERDEM UÇAR