Makine öğrenme temelli nedensellik modelleri ile konut elektrik talebinin heterojen analizi
Heterogeneous analysis of residential electricity demand with machine learning-based causality models
- Tez No: 969599
- Danışmanlar: DOÇ. DR. ERSİN NAMLI
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında konutlardaki enerji tüketimini nedensel tabanlı yapay zekâ modelleri kullanılarak tahminleri etkileyen nedenler incelenmiştir. Bu kapsamda nedensel yapay zekâ yöntemlerinden biri olan Nedensel Orman (CF) yöntemi kullanılmıştır. Bu yöntem ile elektrik tüketimi tahminlerindeki sonuçların hangi değişkenden etkilendiği belirlenerek tüketimdeki artış ve azalışı değiştirmek için değişkende nasıl bir değişiklik yapılması gerektiği bulunmuştur. Nedensel yapay zeka yönteminden öne veri setinde tahmini olumsuz yönde etkileyecek değişkenlerin olup olmadığını belirlemek için ve bu değişkenleri veri setinden temizlemek için İzolasyon Ormanı (IF) Yöntemi kullanılmıştır. Veri seti TÜİK (Türkiye İstatistik Kurumu), Avrupa Orta Menzilli Hava Tahminleri Merkezi (ECMWF) ve T.C. Hazine ve Maliye bakanlığı web sitelerinden alınarak oluşturulmuştur. Kullanılan veri setinde değişken olarak yıl, şehir, şehirlerin gelişmişlik düzeyi, şehirlerin yıllık ortalama bütçe gelirleri, sıcaklık, 14 yaş altı nüfus, 15-64 yaş arası nüfus, 65 yaş üstü nüfus, tek kişilik hane halkı, en az bir çekirdek aile ve diğer kişilerden oluşan hane halkı, tek çekirdek aileden oluşan hane halkı, çekirdek aile bulunmayan birden fazla kişiden oluşan hane halkı, il bazlı göç- net göç, illere göre ortalama hane halkı büyüklüğü, nüfus artış hızı kullanılmıştır. Yapılan çalışma sonucunda tedavi değişkeni olarak tek çekirdek aileden oluşan hane halkı alındığında başarılı sonuç elde edilmiştir. Bu tedavi değişkeniyle yapılan çalışma sonucunda tek çekirdek ailelerden oluşan hane sayısındaki artış, şehirlerdeki konutların elektrik tüketiminin artırdığı sonucuna ulaşılmıştır.
Özet (Çeviri)
In this thesis study, the factors affecting the prediction of energy consumption in residential buildings were examined using causality-based artificial intelligence models. Within this scope, one of the causal AI methods—the Causal Forest method—was used. This method identifies which variables influence electricity consumption predictions and determines how these variables should be modified in order to increase or decrease consumption. Before applying the causal AI method, the Isolation Forest method was used to detect and remove variables in the dataset that could negatively affect the prediction results. The dataset was compiled from the websites of TUIK (Turkish Statistical Institute), ECMWF (European Centre for Medium-Range Weather Forecasts), and the Ministry of Treasury and Finance of the Republic of Türkiye. The variables included in the dataset were: year, city, level of development of the city, annual average budget revenues of cities, temperature, population under age 14, population aged 15–64, population over age 65, single-person households, households consisting of at least one elementary family and other persons, households consisting of a single elementary family, households with multiple persons but no elementary family, net migration by city, average household size by city, and population growth rate. As a result of the study, when the treatment variable was selected as households consisting of a single elementary family, successful results were obtained. The analysis revealed that an increase in the number of such households led to an increase in electricity consumption in residential areas of the cities.
Benzer Tezler
- Network analysis of co-search-based investor attention on stock prices
Ortak arama tabanlı yatırımcı dikkatinin hisse senedi fiyatları üzerindeki ağ analizi
MÜGE ÖZDEMİR
- Bridging causal discovery and graph neural networks: a comparative perspective
Nedensel keşif ve çizge sinir ağları arasındaki köprü: Karşılaştırmalı bir bakış açısı
MUHAMMED ÖMER TAYLAN
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. SEFER BADAY
- Örgüt topluluklarında yeni örgüt formlarının oluşumu: Türkiye ve Avrupa bağlamında bir araştırma
Formation of new organizational forms in organizational populations: A study in the context of Türkiye and Europe
SENCER ÖZEL
Doktora
Türkçe
2024
İşletmeGalatasaray Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. NACİYE AYLİN ATAAY SAYBAŞILI
- Yapay sinir ağlarında öğrenme algoritmalarının analizi
Analysis of learning algorithms in neural networks
SEVİNÇ BAKLAVACI
Yüksek Lisans
Türkçe
1994
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDOÇ.DR. LEYLA GÖREN
- Makine öğrenme temelli glioma analizi ve derecelendirme sistemi
Machine learning based glioma analysis and grading system
HAKAN ÖZCAN
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BÜLENT GÜRSEL EMİROĞLU
PROF. DR. HAKAN SABUNCUOĞLU