YAPAY SİNİR AĞLARI İLE TÜRKİYE NET ENERJİ TALEP TAHMİNİ

Key Findings & Data:Türkiye net enerji talebini tahmin etmek için 1970-2010 yılları arasındaki Gayri Safi Yurtiçi Hâsıla (GSYH) , nüfus, ithalat, ihracat, bina yüz ölçümü ve taşıt sayısı değişken verileri YSA modelinin girdisi olarak kullanılmıştır.

💡

Conclusion & Impact:Kabul edilebilir ve yüksek doğruluktaki YSA modeli ile 2011-2025 yılları arası Türkiye net enerji talebi tahmin edilmiştir.

🔬Design:Modeling & Simulation

📍Scope:2010 Verileri

⚙️Variables:YSA · Enerji · Çoklu doğrusal regresyon

Özet

Bu çalışmada, yapay sinir ağları (YSA) ile Türkiye net enerji talebi tahmin edilmiştir. Türkiye net enerji talebini tahmin etmek için 1970-2010 yılları arasındaki Gayri Safi Yurtiçi Hâsıla (GSYH) , nüfus, ithalat, ihracat, bina yüz ölçümü ve taşıt sayısı değişken verileri YSA modelinin girdisi olarak kullanılmıştır. Kurulan YSA modelinin tahmin performansı, çoklu doğrusal regresyon tekniği ile karşılaştırmalı olarak ortaya konmuştur. Yapılan karşılaştırmalar, YSA’nın üstünlüğünü göstermektedir. Kabul edilebilir ve yüksek doğruluktaki YSA modeli ile 2011-2025 yılları arası Türkiye net enerji talebi tahmin edilmiştir.

Keywords

YSA Enerji Çoklu doğrusal regresyon

🔖

Cite This Article

ES, H., KALENDER, F. Y., HAMZAÇEBİ, C. (2014). YAPAY SİNİR AĞLARI İLE TÜRKİYE NET ENERJİ TALEP TAHMİNİ. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 29 - Sayı: 3, 0. https://ajindex.com/articles/20481

📄 Full Text PDF Viewer

Open in New Tab ↗

↗New Tab

📄

PDF görüntüleyici hazırlanıyor...

References (14)

Türkiye İstatistik Kurumu, “İstatistik Göstergeler 1923-2010”, Ankara, 2011. Türkiye Cumhuriyeti Enerji ve Tabii Kaynaklar Bakanlığı, “2011 Yılı Faaliyet Raporu”, Ankara, 2012. Türkiye Cumhuriyeti Enerji ve Tabii KaynaklarBakanlığı“Enerji”http://www.enerji.gov.tr/index.php?sf=webpages&b=enerji, 2013.
Hamzaçebi, C., Yapay Sinir Ağları: Tahmin Amaçlı Kullanımı Matlab ve NeurosolutionUygulamalı, Ekin Yayınevi, Bursa, 2011.
Himanshu, A.A. ve Lester, C.H., “Electricity demand for Sri Lanka: a time series analysis”, Energy, Cilt 33, No 5, 724-739, 2008.
Akay, D. ve Atak, M., “Grey prediction with rolling mechanism for electricity demand forecasting of Turkey”, Energy, Cilt 32, No 9, 1670-1675, 2007.
Bessec, M. ve Fouquau, J., “The non-linear link between electricity consumption and temperature in Europe: a threshold panel approach” Energy Economics, Cilt 30, No 5, 2705-2721, 2008.
Wang, J., Zhu, S., Zhang, W. ve Lu, H., “Combined modeling for electric load forecasting with adaptive particle swarm optimization” Energy, Cilt 35, No 4, 1671-1678, 2010.
Lee, Y.S. ve Tong, L.I., “Forecasting energy consumption using a grey model improved by incorporating genetic programming”, Energy Conversion and Management, Cilt 52, No 1, 147-152, 2011.
Küçükali, S. ve Barış, K., “Turkey’s short-term gross annual electricity demand forecast by fuzzy logic approach”, Energy Policy, Cilt 38, No 5, 2438-2445, 2010. Hamzaçeb,i C., “Forecasting of Turkey’s net electricity energy consumption on sectoral bases”,Energy Policy, Cilt 35, No 3, 2009-2016, 2007.
Suganthi, L. ve Samuel, A.A,” Energy models for demand forecasting-A review”, Renewable and Sustainable Energy Reviews, Cilt 16, No 2, 1223-1240 2012.
Sözen, A., Arcaklıoğlu, E. ve Özkaymak, M., “Turkey’s net energy consumption”, Applied Energy, Cilt 81, No 2, 209-221, 2005.
Sözen, A. ve Arcaklıoğlu, E.,” Prediction of net energy consumption based on economic indicators (GNP and GDP) in Turkey”, Energy Policy, Cilt 35, No 10, 4981-4992, 2007.
Pao, H.T., “Comparing linear and nonlinear forecasts for Taiwan's electricity consumption”, Energy, Cilt 31, No 12, 2129-2141, 2006.
Kavaklıoğlu, K., Ceylan, H., Öztürk, H.K. ve Canyurt, O.E., “Modeling and prediction of Turkey’s electricity consumption using Artificial Neural Networks”, Energy Conversion and Management, Cilt 50, No 11, 2719-2727, 2009.
Geem, Z.W. ve Roper, W.E., “Energy demand estimation of South Korea using artificial neural network”, Energy Policy, Cilt 37, No 10, 4049-4054, 20