Geri Dön

Diferansiyel polinom sinir ağı tekniği ile elektrik tüketim tahmini

Energy consumption estimation with diferansiyel polynominal neural network technique

PDF İndir

  1. Tez No: 535603
  2. Yazar: ECEM BAYAR
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ALPARSLAN SERHAT DEMİR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Diferansiyel polinom sinir ağları, Yapay sinir ağları, Elektrik enerjisi, tüketim tahmini, Differential polynomial neural networks, artificial neural networks, electric energy, consumption forecast
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Sakarya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 67

Özet

Elektrik enerjisi ülkelerin refah ve çağdaşlaşma seviyesine ayna tutan metalardan bir tanesidir. Elektrik enerjisi depolayamayan üretildiği anda tüketilmesi gereken enerji türüdür. Bu nedenle arzın karşılanması için tüketim talebinin tahmin doğruluğu önem arz etmektedir. Nüfus artışının hızlanması, gelişen teknoloji ve hızlı sanayileşme gibi gelişmelerin yaşanması ile elektrik enerjisinin kullanımı ve ihtiyacı her geçen gün artmaktadır. Ayrıca elektrik enerjisi, ülkeler arası rekabetin önemli unsurları arasında yer alması nedeniyle de ülkeler doğru tahmin sistemi geliştirerek daha doğru tahminler elde etme üzerine çalışmalar yapmaktadır. Bu çalışmada, uygulama yaygınlığı ile öne çıkan yapay sinir ağları ve yapay zeka tekniklerinin yeni bir çeşidi olan diferansiyel polinom sinir ağları ile Türkiye'nin elektrik enerji talebi tahmin edilmiştir. İhracat, ithalat, nüfus, kurulu güç ve gayri safi yurtiçi hasıla elektrik tüketimini etkileyen önemli faktörlerdir. Bu nedenle Türkiye'nin elektrik enerjisi tüketim tahmininde 1965-2016 yılları için bağımsız değişken olarak ele alınarak model girdileri olarak kullanılmıştır. Her iki metotla elde edilen tahmin sonuçlarının performansı karşılaştırmalı olarak ortaya konulmuştur. Karşılaştırmalar neticesinde diferansiyel polinom sinir ağı yönteminden elde edilen sonuçların ortalama mutlak yüzde hatası %4,32 daha düşük elde edilmiştir. Sonuçların analizinde kullanılan istatistiksel yöntemler diferansiyel polinom sinir ağının yüksek doğrulukta tahminler gerçekleştirdiği anlaşılmıştır.

Özet (Çeviri)

Electricity energy is one of the commodities in terms that mirrors the level of welfare and modernization of the countries. Electric energy is the type of energy that must be consumed when it is produced without storing it. For this reason, the prediction accuracy of the demand for consumption is important to meet the supply. The use of electrical energy and the need for it is increasing day by day with the developments such as the acceleration of population growth, developing technology and rapid industrialization. In addition, as electricity energy is one of the important elements of competition among countries, countries are working on obtaining more accurate estimates by developing correct estimation system. In this study, Turkey's electric energy consumption has been estimated with the artificial neural networks technique, which are prominent in application prevalence and differential polynomial neural networks which a new kind of neural networks technique. Export, import, population, installed power and gross domestic product are important factors affecting electricity consumption. Therefore, by considering as independent variables were used as inputs for the 1965-2016 model years in Turkey's electricity consumption estimated.As a result of the comparisons, the mean absolute percentage error of the results obtained from the differential polynomial neural network method was 4.32% lower. The statistical methods used in the analysis of the results have revealed that the differential polynomial neural network performed highly accurate estimates.

Benzer Tezler

  1. Tez No

    233422

    Kesikli bir biyoreaktörde yapay sinir ağlarının kullanımı

    Use of artificial neural networks (ANN) in a batch

    TUFAN METE

    Yüksek Lisans

    Türkçe

    Türkçe

    2008

    Kimya MühendisliğiAnkara Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜLAY ÖZKAN

  2. Tez No

    518488

    Esnek hesaplama tekniklerine dayalı blok modellerin geliştirilmesi ve başarım analizi

    Development and performance analysis of block models based on soft computing techniques

    SELÇUK METE

    Doktora

    Türkçe

    Türkçe

    2018

    Elektrik ve Elektronik MühendisliğiErciyes Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞABAN ÖZER

  3. Tez No

    708892

    Machine learning analysis of pulsar timing data

    Atarca zaman verisinin makine öğrenmesi yöntemleri ile analizi

    ESMA HASANÇEBİ ESER

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Astronomi ve Uzay Bilimleriİstanbul Teknik Üniversitesi

    Fizik Mühendisliği Ana Bilim Dalı

    PROF. DR. MUAMMER ALTAN ÇAKIR

  4. Tez No

    912873

    Hosoya yapay sinir ağları ile kısmi diferansiyel denklemlerin çözümü

    Solutions of partial diferential equations with Hosoya neural network

    MERVE ZEYNEP KAYA

    Doktora

    Türkçe

    Türkçe

    2024

    MatematikAtatürk Üniversitesi

    Matematik Ana Bilim Dalı

    DOÇ. DR. MESUT KARABACAK

    PROF. DR. ERCAN ÇELİK

  5. Tez No

    382710

    Differential quadrature method and its applications

    Diferansiyel kareselleştirme yöntemi ve uygulamaları

    SELDA KURTAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    MatematikFatih Üniversitesi

    Matematik Ana Bilim Dalı

    YRD. DOÇ. DR. ALİ ŞAHİN

Geri Dön