Geri Dön

Türkiye'nin 2030 sera gazı emisyon hedefleri bağlamında MDAM ve LSTM modelleri ile tahmin, etki analizi ve Covid-19 sürecinin incelenmesi

Prediction, impact factor analysis, and examination of the Covid-19 period using MDAM and LSTM models in the context of Türkiye's greenhouse gas emission targets

  1. Tez No: 958150
  2. Yazar: GİZEM GÖKTAŞ BALKIR
  3. Danışmanlar: DR. ÖĞR. ÜYESİ NİSA ÖZGE ÖNAL TUĞRUL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Matematik, Çevre Mühendisliği, Computer Engineering and Computer Science and Control, Mathematics, Environmental Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilişim Uygulamaları Ana Bilim Dalı
  12. Bilim Dalı: Bilgi ve Haberleşme Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 87

Özet

Sera gazı (GHG) emisyonları, küresel ısınma ve iklim değişikliğinin temel sebeplerindendir. Türkiye, Paris Anlaşması kapsamında 2030'a kadar emisyonlarını %41 azaltmayı ve 2038'i zirve yılı ilan ederek 2053'te net sıfır emisyon hedefine ulaşmayı taahhüt etmiştir. Bu hedeflere ulaşmada etkili tahmin araçları kritik önem taşımaktadır. Bu çalışmada, Türkiye'nin 1993–2022 dönemine ait TÜİK sera gazı emisyon verileri ve TEİAŞ enerji verileri analize konu olmuş, derin öğrenme tabanlı bir zaman serisi modeli olan Uzun Kısa Dönemli Bellek (Long Short-Term Memory - LSTM) ile Kesirli Kalkülüs - Caputo türevlerini temel alan Çoklu Derin Değerlendirme Metodolojisi (Multi Deep Assessment Model - MDAM) karşılaştırmalı olarak kullanılmıştır. LSTM zaman serisi örüntülerini güçlü şekilde yakalarken, MDAM kesirli türev altyapısı ile uzun vadeli bağımlılıkları daha iyi modellemektedir. Model başarıları ortalama yüzdesel mutlak hata (Mean Absolute Percentage Error – MAPE) ile ölçülmüş, MDAM %1,64, LSTM %2,69 hata oranı ile sonuçlanmıştır. 2030 yılı için MDAM tahmini 721,86 Mt, LSTM tahmini 709,49 Mt'dir. Türkiye'nin 2030 hedefi olan 695 Mt seviyesinin üstünde kalan bu tahminler, mevcut politikaların güçlendirilmesi ve yenilenebilir kaynakların payının belirgin biçimde artırılması gerektiğine işaret etmektedir. Ayrıca, çalışmada yapılan etki faktörü analizleri sayesinde emisyonları etkileyen temel değişkenlerin büyüklükleri ve yönleri de ortaya konmuştur. MDAM modelinde enerji talebi 69,08 birimlik, fosil yakıtla elektrik üretimi ise 31,24 birimlik artış yönlü etki göstermiştir. Buna karşılık, yenilenebilir kaynaklı elektrik üretimi -44,68 birim ile emisyonları azaltıcı yönde bir katkı sunmuştur. LSTM modelinde ise bu etkiler daha da belirginleşmiştir, enerji talebi 122,49, fosil üretim 173,51 gibi yüksek pozitif etki katsayılarına sahipken, yenilenebilir üretimin etkisi yalnızca 4,21 birim düzeyinde kalmıştır. Bu bulgular, özellikle fosil yakıtlardan uzaklaşılması ve yenilenebilir enerjinin sistematik olarak yaygınlaştırılmasının emisyon azaltımı açısından ne denli kritik olduğunu ortaya koymaktadır. Bu analizlere ek olarak çalışmada COVID-19 etkisini analiz etmek amacıyla 1993–2018 verileriyle pandemi senaryosu dışı modeller oluşturulmuş; 2019'a kadar olan verilerle modeller kurulduğunda 2030 için MDAM 798,14 Mt, LSTM 778,28 Mt öngörmüştür. Bu durum, pandemideki ekonomik ve toplumsal durgunluğun emisyonları azalttığını göstermektedir. Sonuçlar, MDAM'ın LSTM gibi güçlü bir algoritmaya kıyasla daha başarılı tahmin sunduğunu ortaya koymuş olsa da iki modelin de başarılarının yüksek olduğu görülmüştür. Türkiye emisyon zirvesi ve net sıfır hedeflerine ulaşması için yenilenebilir enerji yatırımları, düşük karbonlu teknolojiler ve karbon yakalama sistemlerine öncelik verilmelidir. Her iki model de, senaryo analizleriyle birlikte politika yapıcılara stratejik bir yol haritası sunmakta; veri temelli karar alma süreçlerinin gelişmesine katkı sağlamaktadır. Böylece iklim hedeflerine yönelik risk analizleri ve eylem planları daha sağlam temellere oturtulabilmektedir.

Özet (Çeviri)

Greenhouse gas (GHG) emissions, caused by the release of gases that trap heat in the atmosphere, are one of the main environmental problems directly contributing to global warming. Gases such as carbon dioxide (CO₂), methane (CH₄), nitrous oxide (N₂O), and fluorinated gases enter the atmosphere either naturally or through human activities, disrupting the Earth's energy balance and amplifying the greenhouse effect. As global temperatures rise, the world is facing an accelerating climate crisis that brings about severe consequences including biodiversity loss, more frequent and intense extreme weather events, agricultural decline, water scarcity, and coastal flooding. These developments directly threaten the long-term sustainability of ecosystems, economies, and societies. The World Economic Forum's Global Risks Report 2025 ranks the increase in GHG emissions, ecosystem degradation, and climate-related disasters among the most critical and long-term threats to global stability. Particularly, younger generations are increasingly concerned about the environmental risks that will shape their futures, reinforcing the need to integrate climate considerations into policy decisions, not only from an environmental perspective but also for intergenerational justice [35]. Thus, climate strategies must be designed to respond not only to today's economic and political realities but also to the fundamental needs of future generations. In this context, the accurate modeling and forecasting of GHG emissions has become a key element of evidence-based climate governance. Reducing GHG emissions is central to climate action, and many countries have adopted international frameworks to guide their efforts. One of the most prominent frameworks is the Paris Agreement, adopted at COP21 in 2015 and entering into force in 2016. Its primary goal is to limit global warming to well below 2°C above pre-industrial levels, ideally to 1.5°C. Türkiye ratified the Paris Agreement in 2021 and initially committed to a 21% reduction in emissions by 2030 through its Intended Nationally Determined Contribution (INDC). However, due to rising energy demand, rapid industrialization, and urbanization, this target was later revised. In 2023, Türkiye updated its national commitment by pledging a 41% reduction in emissions by 2030 (695 Mt), declared 2038 as its national peak year, and set a long-term net zero goal for 2053. The updated strategy includes actions in key sectors such as energy, industry, transport, agriculture, and waste management. Achieving these objectives requires robust, data-driven tools that can track progress, anticipate trends, and inform strategic planning. This study contributes to this effort by exploring advanced time series models for forecasting Türkiye's GHG emissions. Specifically, it compares the performance of a deep learning-based Long Short-Term Memory (LSTM) model with the Multi Deep Assessment Model (MDAM), a novel approach based on Caputo fractional derivatives. While LSTM is well-known for its ability to capture complex temporal dynamics in sequential data, MDAM offers the ability to model long-term memory and fractional relationships between variables by extending classical differential operators. The analysis was conducted using data from the Turkish Statistical Institute (TÜİK) on GHG emissions from 1993 to 2022, and supplementary energy data from TEİAŞ including fossil-based electricity generation, renewable energy generation, and domestic electricity demand. Both models were trained on this dataset to generate GHG emission forecasts for 2030 and to estimate the influence of contributing factors. In addition, the models were used to simulate a counterfactual scenario without the COVID-19 pandemic by excluding post-2018 data. The models were optimized for best performance using the Mean Absolute Percentage Error (MAPE) metric. According to the results, MDAM achieved superior accuracy with a MAPE of 1.64%, while LSTM followed with a MAPE of 2.69%. In terms of forecasts, MDAM projected 721.86 Mt for 2030 and LSTM projected 709.49 Mt. Since Türkiye's 2030 goal is to reduce emissions to 695 Mt, both projections exceed this target, highlighting the need for enhanced and sustained policy efforts. In particular, increasing the share of renewable energy in the national electricity mix emerges as a critical area for intervention. One of the most important findings of this research is the quantifiable effect of the COVID-19 pandemic. Under the pandemic-excluded scenario, the models forecasted much higher emissions for 2030: 798.14 Mt for MDAM and 778.28 Mt for LSTM. These figures indicate that the pandemic-induced reductions in industrial output and transportation activity had a notable temporary suppressive effect on emissions. The results imply that structural changes in energy use, production systems, and mobility could lead to lasting emissions reductions if implemented as part of long-term climate strategies. Another important contribution of this study is the factor impact analysis performed through both models. The results show that fossil-based electricity generation and domestic electricity demand are the main drivers increasing emissions. In MDAM, domestic demand had an influence coefficient of 69.08, and fossil fuel generation 31.24, while renewable energy contributed a negative coefficient of -44.68, indicating a mitigating effect. In contrast, LSTM produced even sharper results: domestic demand showed an effect of 122.49 and fossil generation 173.51, while renewable energy had a minimal effect of only 4.21. These findings strongly suggest the need to reduce dependence on fossil fuels and expand the role of renewables in meeting Türkiye's energy needs. Overall, the MDAM model demonstrated superior accuracy and interpretability compared to LSTM, although both models provided reliable results. Their outputs offer a strategic roadmap for policymakers and serve as robust decision-support tools, especially when used in scenario-based planning. These models not only improve the understanding of past emission dynamics but also help forecast Türkiye's likelihood of reaching its near- and long-term climate targets. In conclusion, this study demonstrates the critical role of advanced modeling techniques in climate governance. It provides empirical support for the use of fractional calculus-based models in environmental forecasting and highlights how combining these methods with machine learning can enrich future research and practice. With the right policies and investments—particularly in renewable energy, low-carbon technologies, and carbon capture and storage—Türkiye can move toward a low-carbon economy, contribute to global climate goals, and ensure long-term environmental and economic resilience.

Benzer Tezler

  1. Tez No

    842175

    Dairesel sezgisel bulanık CODAS (D-SB CODAS) yöntemi ile yeşil lojistik merkezi yeri seçimi: İstanbul ili örneği

    Green logistics park location selection with circular intuitionistic fuzzy CODAS (CİFS CODAS) method: An example of İstanbul province

    EREN KAMBER

    Doktora

    Türkçe

    Türkçe

    2023

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT BASKAK

  2. Tez No

    961534

    Assessing decarbonization strategies and decoupling trends of Turkiye's private sector companies

    Türkiye'deki özel sektör şirketlerinin karbon azaltma stratejileri ve ekonomik büyümeden ayrıştırma eğilimlerinin değerlendirilmesi

    ASLI CEYDANUR AKBABA

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Çevre Mühendisliğiİstanbul Teknik Üniversitesi

    Sürdürülebilirlik Ana Bilim Dalı

    DOÇ. DR. BÖRTE KÖSE MUTLU

    ÖĞR. GÖR. KADRİYE ELİF MAÇİN

  3. Tez No

    957060

    Effects of the use of electric vehicles in road transport on the nationally determined contribution of Türkiye

    Karayolu ulaşiminda elektrik araç kullaniminin Türkiye'nin ulusal katki beyanina etkileri

    ABDURRAHİM DURMUŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    EkonomiAnkara Sosyal Bilimler Üniversitesi

    Enerji Ekonomisi ve Yönetimi Ana Bilim Dalı

    DOÇ. DR. İZZET ARI

  4. Tez No

    887742

    Dünya ve Türkiye'deki çimento endüstrisinin CO2 emisyonunu azaltmayöntemlerinin karşılaştırılması

    Comparison of CO2 emission reduction methods of the cement industry in the world and Türkiye

    FATMA DİKÇAL AKARSU

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Tıbbi Ekoloji ve Klimatolojiİstanbul Teknik Üniversitesi

    Afet ve Acil Durum Ana Bilim Dalı

    PROF. DR. DİDEM SALOĞLU DERTLİ

  5. Tez No

    864556

    Antropojenik faktörlerin Türkiye'nin iklim değişikliği üzerindeki etkisi: 2030 yılı CO2 emisyonu ve küresel sıcaklık projeksiyonları

    The impact of anthropogenic factors on Turkey's climate change: 2030 CO2 emission and global temperature projections

    BEYZA GÜDEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Yönetim Bilişim SistemleriKaradeniz Teknik Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FATİH GÜRCAN

Geri Dön