Yapay sinir ağları ile Hakkari ili doğalgaz tüketim tahmini
Hakkari province natural gas consumption estimation with artificial neural networks
- Tez No: 878288
- Danışmanlar: DR. ÖĞR. ÜYESİ TAYFUN ÇETİN
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Doğalgaz, Tahminleme, Makine Öğrenmesi, NaturalGas, Forecasting, Machine Learning
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Hakkari Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Makine Mühendisliği Bilim Dalı
- Sayfa Sayısı: 115
Özet
Günümüzde enerji tüketimi, çevresel etkileri ve kaynakların sürdürülebilirliği gibi önemli faktörler göz önünde bulundurularak titizlikle yönetilmesi gereken bir alan haline gelmiştir. Doğalgaz tüketiminin gelecekteki eğilimlerini öngörmek ve etkin kaynak yönetimini geliştirmek enerji sektöründe stratejik öneme sahiptir. Bu çalışmada, 2020, 2021 ve 2022 yıllarına ait nispi nem, güneşlenme süresi, sıcaklık, güneşlenme şiddeti, radyasyon ve abone sayıları ile doğalgaz tüketim miktarı arasındaki ilişkiyi incelemek ve 2023 yılının ilk 9 ayı için doğalgaz tüketim miktarını tahmin etmek amacıyla yapılmıştır. Bu amaçla, çoklu doğrusal regresyon analizi ile makine öğrenimi alanında sıkça kullanılan randomforest, gradientboosting ve xgboost algoritmaları kullanılmıştır. Çalışmada tüketim miktarı bağımlı değişken, diğer veriler bağımsız değişken olarak seçilmiştir. Verilerin analizi ve tahminleme süreci Python programlama dili kullanılarak Visual Studio Code (VSCode) entegrasyonuyla gerçekleştirilmiştir. Modellerin performansı, Hata Karelerinin Ortalaması (MSE), Kök Hata Karelerinin Ortalaması (RMSE), Ortalama Mutlak Yüzde Hatası (MAPE) ve RKare (R²) gibi değerler üzerinden değerlendirilmiştir. Elde edilen sonuçlara göre, RandomForest algoritması en iyi performansı göstermiştir. RandomForest modeli ile elde edilen tahminlerin MSE değeri 165396993, RMSE değeri 12860, MAPE değeri %0.2 ve R² değeri ise 0.92 olarak bulunmuştur. Bu sonuçlar, RandomForest algoritmasının 2023 yılının ilk 9 ayı için doğalgaz tüketim miktarı tahminlerinde en doğru ve güvenilir sonuçları sağladığını göstermektedir.
Özet (Çeviri)
Today, energy consumption has become an area that needs to be meticulously managed, taking into account important factors such as environmental impacts and sustainability of resources. Predicting future trends in natural gas consumption and improving efficient resource management is of strategic importance in the energy sector. In this study, it is aimed to examine the relationship between relative humidity, sunshine duration, temperature, insolation intensity, radiation and subscriber numbers and the amount of natural gas consumption for the years 2020, 2021 and 2022 and to predict the amount of natural gas consumption for the first 9 months of 2023. For this purpose, multiple linear regression analysis and randomforest, gradientboosting and xgboost algorithms, which are frequently used in machine learning, were used. In the study, consumption amount was selected as the dependent variable and other data as independent variables. The data analysis and forecasting process was performed with Visual Studio Code (VSCode) integration using Python programming language. The performance of the models was evaluated based on the Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute Percentage Error (MAPE) and R-Square (R²). According to the results obtained, the RandomForest algorithm showed the best performance. The MSE value of the predictions obtained with the RandomForest model was 165396993, RMSE value was 12860, MAPE value was 0.2% and R² value was 0.92. These results show that the RandomForest algorithm provides the most accurate and reliable results in natural gas consumption forecasts for the first 9 months of 2023.
Benzer Tezler
- Hakkâri ilinde zehirli bitkiler üzerine etnotoksik bir çalışma
An ethnoxic study on poisonous plants in Hakkari province
ADNAN KAPLAN
Yüksek Lisans
Türkçe
2022
BiyolojiHakkari ÜniversitesiBiyoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUZAFFER MÜKEMRE
- Van ve Hakkari bölgelerinde rüzgar potansiyelinin belirlenmesi
Determination of wind potential in Van and Hakkari regions
EMRAH HARMANCI
Yüksek Lisans
Türkçe
2018
EnerjiVan Yüzüncü Yıl ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDAT YAYLA
- Bölgesel güneş enerji potansiyelinin belirlenmesinde yeni bir yaklaşım
A new approach in determining the regional solar energy potential
ERŞAN ÖMER YÜZER
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALTUĞ BOZKURT
DOÇ. DR. BEDRİ KEKEZOĞLU
- Yapay sinir ağları ile kripto paraların fiyat modellemesi
Başlık çevirisi yok
BERKEHAN ÖMRÜUZUN
Yüksek Lisans
Türkçe
2019
İşletmeİstanbul Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ARİF SALDANLI
- Recognizing artificial intelligence as the inventor in Patent Law
Yapay zekanın Patent Hukukunda buluşçu olarak tanınması
ZEHRA HAMİDE GÜRBÜZ ÖNAL
Yüksek Lisans
İngilizce
2022
HukukAnkara ÜniversitesiFikri Mülkiyet Hakları, Teknoloji Politikaları ve İnovasyon Yönetimi Ana Bilim Dalı
DOÇ. DR. BURÇAK YILDIZ