Regresyon ve yapay sinir ağları yöntemi ile istanbul ili doğalgaz tüketim tahmini
Natural gas consumption forecast in istanbul province with regression and artificial neural networks method
- Tez No: 672085
- Danışmanlar: PROF. DR. ALİ FUAT GÜNERİ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mühendislik Yönetimi Bilim Dalı
- Sayfa Sayısı: 68
Özet
Türkiye doğalgaz ihtiyacının yaklaşık %99'unu ithal etmektedir. Türkiye'de henüz yeterli depolama imkanının bulunmaması ve doğalgazın önemli bir ihtiyaç olması göz önünde bulundurulduğunda doğalgaz tahmininin doğru yapılması büyük bir önem arz eder. Doğalgaz dağıtım şirketleri doğalgaz alım satım anlaşmalarında taahhüt ettikleri miktara mutabık kalma durumundadır. Dağıtım şirketleri bildirdikleri tüketim miktarının altında kalmaları durumunda kullanılmayan doğalgazın parasını ödemekle yükümlü veya fazla arz olması durumunda organizasyonun planını bozmakla beraber doğalgaz tedarik sıkıntısı yaşayabilmektedir. Bu nedenle doğalgazın yıllık, aylık ve günlük tahminlerinin doğru bir şekilde yapılması dağıtım şirketlerinin ve tedarik eden şirketlerin hem organizasyonu ve hem de arz-talep dengesi açısından çok önemlidir. İstanbul, başta konut olmak üzere elektrik ve sanayi müşterileri ile doğalgaz tüketimi en yüksek ildir. Bu çalışma İstanbul ili için günlük doğalgaz tüketim tahminini içermektedir. İGDAŞ'tan alınan 15 yıllık (2004-2019) doğalgaz tüketim verileri ile Meteoroloji'den alınan günlük maksimum, minimum sıcaklık verileri başta olmak üzere veri seti oluşturulmuştur. Öncelikle veri seti %20 test % 80 eğitim verisi olarak modellenmiş ve lineer modellerden Çoklu Doğrusal Regresyon yöntemi uygulanmış ardından Lasso ve Ridge Regresyon ile regresyon tahmin başarıları kıyaslanmıştır. Regresyon yöntemleri ile elde edilen sonuçların akabinde lineer olmayan yöntemler uygulanmış ve Çok Katmanlı Yapay Sinir Ağları (YSA) ile Destek Vektör Regresyonu (DVR) kullanılarak tahminleme yapılmıştır. Uygulanan bütün yöntemler Python programında JupyterLab ile modellenmiştir. Regresyon yöntemleri, Çok Katmanlı Yapay Sinir Ağları ve DVR kıyaslandığında lineer olmayan modeller içerisinden Çok Katmanlı Yapay Sinir Ağları'nın başarısı daha yüksektir.
Özet (Çeviri)
Turkey imports about 99% of its gas needs. When no adequate storage facilities in Turkey and the absence of natural gas considered to be an important natural gas needs done correctly estimate would be of great importance. Natural gas distribution companies must agree to the amount they have committed in natural gas purchase and sale agreements. The distribution companies are obliged to pay for the unused natural gas if they are below the consumption amount they declared, or if there is an excess supply, they may break the organization's plan and experience natural gas supply shortages. For this reason, accurate annual, monthly and daily forecasts of natural gas are very important in terms of both the organization and supply-demand balance of distribution companies and supplying companies. Istanbul is the province with the highest natural gas consumption, with electricity and industrial customers, especially residential. This study includes the daily natural gas consumption forecast for the province of Istanbul. A data set was created, especially the 15-year (2004-2019) natural gas consumption data obtained from İGDAŞ and daily maximum and minimum temperature data from Meteorology. First, the data set was modeled as 20% test 80% training data, and the Multiple Linear Regression method was applied from the linear models, and then the regression estimation success was compared with Lasso and Ridge Regression. After the results obtained by regression methods, nonlinear methods were applied and estimation was made using Multi Layer Artificial Neural Networks (ANN) and Support Vector Regression (SVR). All methods applied are modeled in Python program with JupyterLab. The success of Multi Layer Artificial Neural Networks among nonlinear models is higher when compared to regression methods, Multi Layer Neural Networks and SVR.
Benzer Tezler
- Ankara ili doğal gaz tüketiminin yapay sinir ağları ile öngörüsü
Prediction of natural gas consumption in Ankara region using artifical neural networks
BURAK TAŞKINER
Yüksek Lisans
Türkçe
2018
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURAK BARUTÇU
- İstanbul ili Sarıyer ve Şişli bölgelerindetrafik kazalarının yeni veri teknolojileriyle incelenmesi ve trafik kazalarını önleyici model önerileri
Examination of traffic accidents in Sarıyer and Şişli regions of Istanbul with new data technologies and model suggestions for preventing traffic accidents
MERT ERSEN
Doktora
Türkçe
2022
KazalarYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. ALİ HAKAN BÜYÜKLÜ
PROF. DR. SEMRA ERPOLAT TAŞABAT
- Arazi örtüsü/arazi kullanımı simülasyonlarında konumsal doğrulama
Locational validation of land cover/land use simulation
AHMET EROĞLU
Yüksek Lisans
Türkçe
2019
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HANDE DEMİREL
- Yapay sinir ağları kullanılarak kısa süreli güneş enerjisi tahmini
Short term solar energy prediction by using artifical neural networks
ELA NUR ORUÇ
Yüksek Lisans
Türkçe
2022
Enerjiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ÖZTOPAL
- İstanbul boğaz köprülerinin gelirlerinin tahmin edilmesi
Estimating the revenues of istanbul bosphorus bridges
MAHMUT GÜVEN
Yüksek Lisans
Türkçe
2020
İnşaat Mühendisliğiİskenderun Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK CANSIZ