Geri Dön

Estimation of electricity energy production: Karbala example

Elektrik enerjisi üretiminin tahmini: Kerbala örneği

  1. Tez No: 777533
  2. Yazar: AHMED AZEEZ ABDULHUSSEIN
  3. Danışmanlar: DOÇ. DR. HASAN BULUT
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Ondokuz Mayıs Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 68

Özet

Regresyon analizinde temsil edilen istatistiksel tahmin süreçleri ve diğer istatistiksel süreçler, onun hakkında yazdıkları çok sayıda ve farklı türleri ve bölümlerine rağmen, yaşamın eklemlerinin gelişmesiyle daha önemlidir. Özellikle incelenen veriler Çoklu-Eş-doğrusallık probleminden muzdarip olduğunda. Ve günlük hayatımızda, özellikle ekonomik olanlar olmak üzere, bu sorundan muzdarip birçok olgunun varlığı, bu nedenle tez, Sıradan En Küçük Kareler yönteminin (OLS) regresyon modeli olan regresyon katsayılarını tahmin etme yöntemlerini karşılaştırmaya geldi ve sırt regresyon modeli. Çoklu doğrusal modellerin katsayıları, Sıradan En Küçük Kareler yöntemi (OLS) ve sırt regresyon yöntemi kullanılarak tahmin edildi. Varyans şişirme faktörü VIF, problemin model verilerinde olup olmadığını belirlemek için kullanılmıştır. parametre. Farklı yöntemler arasındaki karşılaştırma, ortalama kare hatası MSE, p değeri ve artıklar aracılığıyla yapılır. Yöntemleri pratikte uygulamak için, elektrik enerjisi üretim istasyonlarından birinde elektrik enerjisi üretiminin 50 gözleminden oluşan rastgele bir örnek çizilmiş, elektrik enerjisi üretimini etkileyen faktörleri incelemek için y: Elektrik Enerjisi (tepki değişkeni) ve birkaç bağımsızdır. değişkenler (X1:Kara Yağ, X2: Gazyağı, X3:Motor Yağ, X4:Kimyasallar, X5:Çalışma, X6:İş için Ek Ücret, X7:Ortalama Aylık Sıcaklık)ve çoklu -lineerlik probleminde, Çalışma kapsamındaki verilerimizin regresyon modelini tahmin etmede Ridge regresyon yönteminin sıradan en küçük kareler yöntemine göre daha iyi olduğu sonucuna ulaşılmış, en düşük MSE elde edilmiş ve verilerdeki çoklu doğrusallık sorunu çözülmüştür.

Özet (Çeviri)

This thesis presents a comparison and an evaluation of the performance of different regression analysis methods for estimating electricity energy production. In particular, it compares the performance of the OLS method and the Ridge regression method by analyzing the relationship among several independent variables and electricity energy production. The study employs metrics like Mean Squared Error, p-value, and Coefficient of Determination to compare the results. Additionally, the Variance Inflation Factor is used to identify any multicollinearity issues present in the data. The study is based on a random sample of (50) observations of electricity energy production from a power station. Seven independent variables (black oil, additional wages, engine oil, chemicals, operating cost, maintenance fee, and kerosene) are considered in the analysis, and their relationship with the electricity energy production (response variable) is examined. The sample was chosen to represent a real-world scenario and to provide a representative view of the factors affecting electricity energy production. The results of the study show that the Ridge regression method outperforms the OLS method in terms of MSE and the ability to handle multicollinearity issues. The use of Ridge regression allows for a more accurate estimation of electricity energy production and can be useful in making decisions related to energy production and consumption. The conclusion suggests that Ridge regression is a better option for estimating electricity energy production and can be used as a tool for managing energy resources.

Benzer Tezler

  1. Türkiye için 2015 yılı aylık elektrik enerjisi talep tahmini

    For the year of 2015 monthly electricity energy demand forecast for Turkey

    YASEMİN ÖZLİMAN FARIMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    PROF. DR. SERMİN ONAYGİL

  2. Yapay sinir ağları ile İran elektrik tüketim tahmini

    Iran electric energy consumption forcasting using artificial neural network

    PEGAH MASAEBI

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Endüstri ve Endüstri MühendisliğiKaradeniz Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ŞÜKRÜ ÖZŞAHİN

  3. Katar 2030 yılı elektrik üretim kapasitesinin güneş enerjisi ile arttırımı: Çatı üstü güneş sistemi tasarımı ve çevreye katkısı

    Enhancing Qatar's 2030 electricity production capacity through solar energy: Design and environmental impact of rooftop solar systems

    EMİR ÇUBUKÇU

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MÜMTAZ İPEK

  4. Regresyon ve yapay sinir ağları ile fotovoltaik panel yüzey sıcaklığı tahmini

    Photovoltaic panel surface temperature prediction by using regression and ann methods

    ÇAĞATAY ÖZTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURAK BARUTÇU

  5. Güneş ve rüzgâr enerji santrallerinde üretim değerlerinin iklim parametrelerine bağlı olarak yapay zekâ yöntemleri ile tahmini ve güneş enerjisi fizibilite yazılımının geliştirilerek üretim tahmininin yapılması

    Estimation of production values in solar and wind power plants with artificial intelligence methods based on climate parameters and production estimation by developing solar energy feasibility software

    AYTEN GEÇMEZ

    Doktora

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı

    DOÇ. DR. ÇETİN GENÇER