Geri Dön

OECD ülkelerinin yenilenebilir enerji tüketim oranlarının makine öğrenmesi yöntemleriyle tahmin edilmesi

Prediction of renewable energy consumption rates of OECD countries with machine learning techniques

  1. Tez No: 857557
  2. Yazar: ÖZLEM KURU SÖNMEZ
  3. Danışmanlar: DOÇ. DR. EMRE YAKUT
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Enerji, Yönetim Bilişim Sistemleri, Computer Engineering and Computer Science and Control, Energy, Management Information Systems
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Osmaniye Korkut Ata Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Yönetim Bilişim Sistemleri Bilim Dalı
  13. Sayfa Sayısı: 146

Özet

Enerji artan nüfus, üretim ve teknoloji gelişimi ile en önemli problemlerden biri olmaya devam etmektedir. Enerji üretiminde kullanılan kaynakların yenilenebilir olmayan kısmının kıt kaynak oluşu, bazı güçler tarafından kontrol edilebilir oluşu, iklim değişimine sebep olması, insan sağlığına zararlı etkilere sahip oluşu gibi olumsuz etkileri nedeniyle yenilenebilir kaynaklara yönelim devam etmektedir. Enerji kaynakları arasındaki geçiş eskisi kadar yavaş olmasa da hala tam geçiş sağlanabilmiş değildir. Ekonomik, doğal ve teknolojik nedenlerle yenilenebilir enerjiye tam geçişte problemler yaşansa da bu anlamda gösterilen çabalar kayda değer niteliktedir. Yenilenebilir enerji tüketiminin toplam enerji tüketimindeki payının tahmin edilmesi, hem gelecekte kullanılacak kaynakların planlanması hem de halihazırda kullanılan kaynakların etkin yönetimi için önemlidir. Bu tez çalışmasında OECD ülkelerinin toplam enerji tüketimindeki yenilenebilir enerji tüketiminin payının makine öğrenmesi yöntemleri ile tahmin edilmesi, bu tahmine yönelik önemli değişkenlerin belirlenmesi ve optimum değişken sayısının belirlenmesi amaçlanmıştır. Makine öğrenmesi yöntemlerinden YSA, DVM, XGBoost ve MARS yöntemlerinin kullanıldığı bu çalışmada elde edilen öngörü değerlerine yönelik RRMSE, R2 , VK, MSE, ve MAPE istatistiki performans ölçütleri kullanılarak LOPCOW, PROMETHEE II, MAIRCA ve VIKOR ÇKKV yöntemleri ile en başarılı algoritmanın tespit edilmesi amaçlanmıştır. Sonuç olarak XGBoost algoritmasının kullanılan algoritmalar arasında en başarılı tahmini gerçekleştirdiği anlaşılmıştır. Ayrıca başarılı modellerin incelenmesi sonucunda yenilenebilir enerji tüketiminin toplam enerji tüketimindeki payının tahmin edilmesi aşamasında düzenleyici kalite, hizmetlerin katma değeri, askeri harcamalar, mal ticareti, CO2 emisyonu, enerji kullanımı ve ülke yüzey alanı değişkenlerinin modellere katkı sağladığı anlaşılmıştır. Bu anlamda tüm modellerde kullanılan ve tahminler için önemli olan değişkenlerin CO2 emisyonu ve ülke yüzey alanı olduğu belirlenmiştir. Çalışmanın sonuçlarında ilgili değişkenlerin kullanıldığı çalışmalardan örnekler sunulmuş ve yenilenebilir enerji tüketiminin artırılmasına yönelik olarak gerçekleştirilebileceklere değinilmiştir. Ayrıca elde edilen bulgular ve literatür araştırması sonucunda gelecekte araştırılabilecek çalışma alanlarına dair öneriler sunulmuştur.

Özet (Çeviri)

The issue of energy remains one of the biggest problems given the growing population, production and technological development. The ongoing shift towards renewable sources is attributed to the negative impacts of non-renewable sources used in energy production, such as their limited availability, vulnerability to control by certain authorities, their contribution to climate change and negative impacts on human health . Although the transition between energy sources is no longer as slow as before, a complete transition has not yet been achieved. Despite the challenges of fully transitioning to renewable energy for economic, natural and technological reasons, the efforts in this regard are remarkable. Estimating the share of renewable energy consumption in total energy consumption is crucial both for planning future resources and for effectively managing current resources. In this thesis study, it is aimed to estimate the share of renewable energy consumption in the total energy consumption of OECD countries with machine learning methods, to determine the important variables for this estimation and to determine the optimum number of variables. The study uses machine learning methods, artificial neural networks (YSA), support vector machines (SVM), eXtreme gradient boosting (XGBoost) and multivariate adaptive regression splines (MARS). It was aimed to determine the most successful algorithm with LOPCOW, PROMETHEE II, MAIRCA and VIKOR MCDM methods by using RRMSE, R2, VK, MSE, and MAPE statistical performance criteria of the prediction values obtained from machine learning methods. As a result, it was understood that the XGBoost algorithm made the most successful prediction among the algorithms used. In addition, when examining successful models, it becomes clear that in predicting the share of renewable energy consumption in total energy consumption, regulatory quality, value added of services, military expenditures, merchandise trade, carbondioxide emissions, energy consumption and land area all play a role will variables contribute to the models. Additionally, it was determined that the variables used in all models and important for predictions were carbondioxide emissions and country surface area. The study presents examples from previous research that have used these variables, discusses possible measures to increase renewable energy consumption, and provides suggestions for future research areas based on obtained findings and the literature review.

Benzer Tezler

  1. The potential of green jobs in Turkey

    Türkiye'de yeşil işlerin potansiyeli

    GÜLCAN ORAK ORUÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Şehircilik ve Bölge Planlamaİstanbul Teknik Üniversitesi

    Şehir ve Bölge Planlama Ana Bilim Dalı

    PROF. DR. TÜZİN BAYCAN

  2. Türkiye'de su hakkı

    The right to water in Turkey

    YILDIZ AKEL ÜNAL

    Doktora

    Türkçe

    Türkçe

    2021

    HukukGalatasaray Üniversitesi

    Kamu Hukuku Ana Bilim Dalı

    PROF. DR. ERDOĞAN BÜLBÜL

  3. Toplam faktör verimliliği ve enerji tüketimi arasındaki ilişkinin OECD ülkeleri için panel veri modelleriyle analizi

    Panel data models for the analysis of the relationship between total factor productivity and energy consumption in OECD countries

    REMZİ HARK

    Doktora

    Türkçe

    Türkçe

    2022

    İşletmeİnönü Üniversitesi

    İktisat Ana Bilim Dalı

    PROF. DR. LEVENT GÖKDEMİR

  4. Veri zarflama analizi ile 28 OECD ülkelerinin çevre performanslarının karşılaştırılması

    Data envelopment analysis and comparison on environmental performances of 28 OECD countries

    IRMAK TEMİZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Endüstri ve Endüstri MühendisliğiEskişehir Osmangazi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EZGİ AKTAR DEMİRTAŞ

  5. Türkiye'de biyokütle enerji kaynaklarının araştırılması ve OECD ülkeleri ile karşılaştırılması

    Investigation of biomass energy resources in Turkey and comparison with OECD countries

    MEDİNE NUR TÜRKOĞLU ELİTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    EnerjiKarabük Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FİLİZ ERSÖZ

    DOÇ. DR. SEMRA BORAN