SavedAdd your journal

Journals / Ekonomi Bilimleri Dergisi / 2024 / Cilt: 16 Sayı: 1

SOLAR KAYNAKLI SÜRDÜRÜLEBİLİR ELEKTRİK TÜKETİMİNİN GAYRİ SAFİ YURTİÇİ HASILA ÜZERİNDEKİ ETKİSİ: RASSAL ORMAN REGRESYONU

Fadime Akoğan, Nesibe Manav Mutlu, Süreyya İmre

Pages
41–56
Publication Date
2024-07-31
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗

Özet

Bu çalışmada, elektrik tüketiminde sürdürülebilir bir kaynak olarak solar enerjiden yararlanmanın ülkelerin ekonomisine pozitif katkıda bulunacağı öngörüsü, G8 ülkeleri ve Türkiye özelinde, bu ülkelerin 2016-2020 dönemine ait ilgili verileri analiz edilerek araştırılmaktadır. Bu verilerle makine öğrenmesi yöntemlerinden Rassal Orman Regresyonu kullanılarak gayri safi yurtiçi hasıla tahmini yapılmış ve kurulan modelin performansı %89 olarak bulunmuştur. Bu çalışma, ekonomi ve çevrenin sürdürülebilirliğine katkı sağlarken güncel veri ve metot kullanımı ile literatürde fark yaratmaktadır.

Keywords
🔖

Cite This Article

Akoğan, F., Mutlu, N. M., İmre, S. (2024). SOLAR KAYNAKLI SÜRDÜRÜLEBİLİR ELEKTRİK TÜKETİMİNİN GAYRİ SAFİ YURTİÇİ HASILA ÜZERİNDEKİ ETKİSİ: RASSAL ORMAN REGRESYONU. Ekonomi Bilimleri Dergisi, Cilt: 16 Sayı: 1, 41–56. https://doi.org/10.55827/ebd.1373639

📄 Full Text PDF Viewer

References (24)

  1. Akşit, M. (2020) Büyük Veride Hiyerarşik Kümeleme Yöntemlerinin Kofenetik Korelasyon İle Karşılaştırılması. Yüksek Lisans Tezi, Afyon Kocatepe Üniversitesi Fen Bilimleri Enstitüsü.
  2. Altay, B. , Tuğcu, C. T. & Topcu, M. (2011). İşsizlik Ve Enflasyon Oranları Arasındaki Nedensellik İlişkisi: G8 Ülkeleri Örneği. Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 13(2), 1-26.
  3. Kartal, E., & Balaban, M. E.(2015) Sınıflandırmaya Dayalı Makine Öğrenmesi Teknikleri Ve Kardiyolojik Risk Değerlendirmesine İlişkin Bir Uygulama.
  4. Biau, G., Scornet, E. (2016). A random forest guided tour. TEST 25, 197–227 https://doi.org/10.1007/s11749-016-0481-7
  5. Güzel, B.,Okatan, E. & Kırbaş, İ. (2021). Yapay Zekâ Yaklaşımlarıyla Gün Öncesi Güneş Işınımı Tahmini. 3rd International Young Researchers Student Congress.
  6. Cebeci, S. (2017). Türkiye’de Güneş Enerjisinden Elektrik Üretim Potansiyelinin Değerlendirilmesi. Uzmanlık Tezi, TC.Kalkınma Bakanlığı, İktisadi Sektörler ve Koordinasyon Genel Müdürlüğü.
  7. Çandarlı, M., & Unakıtan, G. (2021). Yenilenebilir Enerji Kullanımının Sürdürülebilir Ekonomik Büyümeye Etkisi. Balkan & Near Eastern Journal of Social Sciences (BNEJSS), 7.
  8. Coşkuner, A. & Rençber, Ö. F. (2021). Enerji Üretim Miktarlarının Gayri Safi Yurtiçi Hasıla Üzerindeki Etkilerinin İncelenmesi. Conference: 1st Internatıonal Medıterranean Scıentıfıc Research And Innovatıon - Akdeniz Üniversitesi
  9. Dağtekin, M. (2012). Etlik Piliç Kümeslerinin Serinletilmesinde Güneş Enerjisi Kullanımının Tekno-Ekonomik Analizi. Çukurova Üniversitesi Ziraat Fakültesi Dergisi , 27 (2) , 11-20 .
  10. Demirezen, S. & Çetin, M. (2021). Rassal Orman Regresyonu Ve Destek Vektör Regresyonu İle Piyasa Takas Fiyatının Tahmini. Nicel Bilimler Dergisi , 3 (1) , 1-15. DOI: 10.51541/nicel.832164
  11. Er, Y. & Karaca, E. (2021). Farklı Yöntemlerle Karadeniz Bölgesi’nin Aylık Elektrik Tüketim Tahmini. Sürdürülebilirlik İçin Akademik Araştırmalar 137-147.
  12. Erdoğan, S. (2020). Enerji, Çevre ve Sera Gazları . Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi , 10 (1) , 277-303 .
  13. Gök, M. (2017). Makine Öğrenmesi Yöntemleri İle Akademik Başarının Tahmin Edilmesi . Gazi University Journal of Science Part C: Design and Technology , 5 (3) , 139-148.
  14. Gültepe, Y. (2019). Makine Öğrenmesi Algoritmaları ile Hava Kirliliği Tahmini Üzerine Karşılaştırmalı Bir Değerlendirme . Avrupa Bilim ve Teknoloji Dergisi , (16) , 8-15 . DOI: 10.31590/ejosat.530347
  15. İnce, İ. T. (2021). Güneş Enerjisi İle Elektrik Üretiminde Örnek Uygulamalar . Disiplinlerarası Yenilik Araştırmaları Dergisi , 1 (1) , 1-10 .
  16. Karaca, C. (2012). Güneş ve Rüzgar Enerjisinden Elektrik Enerjisi Üretimi Sistemi Tasarımı.
  17. Kaya, H. & Bayraktar, Y. (2021). Kamu Teşvik Mekanizmalarının Yenilenebilir Enerji Kaynakları Üzerine Etkisi: AB Ülkeleri ve Türkiye’de Güneş Enerjisine Yönelik Dinamik Panel Veri Analizi. Sosyoekonomi, 29 (48), 181-204. DOI: 10.17233/sosyoekonomi.2021.02.10
  18. Koç, Ü. (2021). Güneş Enerjisi ve Ekonomik Büyüme . Ekonomi Politika ve Finans Araştırmaları Dergisi , 6 (2) , 515-533 . DOI: 10.30784/epfad.890910
  19. Our world in data. https://ourworldindata.org/
  20. Rao, S. , Spanias, A. & Tepedelenlioglu, C. (2019). Solar Array Fault Detection Using Neural Networks. IEEE International Conference on Industrial Cyber Physical Systems (Icps), pp. 196–200, 2019.
  21. Refaee, E.A. (2022). Using Machine Learning for Performance Classification and Early Fault Detection in Solar Systems, Mathematical Problems in Engineering, vol. 2022, Article ID 6447434, 9 pages.
  22. Sel, A. (2021). Hibrit Regresyon Modelleri İle BİST’e Etki Eden G20 Endekslerinin Belirlenmesi. Süleyman Demirel Üniversitesi Vizyoner Dergisi, 12(31), 870-884.
  23. Uca, N. , Civelek, M. E. & Çemberci, M. (2019). Yolsuzluk Algısının Gayrisafi Yurt İçi Hasıla Üzerine Etkisinde Lojistik Performans ile Küresel Rekabetin Ara Değişken Rolü: Türkiye Değerlendirmesi . OPUS International Journal of Society Researches , 10 (17) , 1229-1261 .
  24. Uğuz, S. , Oral, O. & Çağlayan, N. (2019). PV Güç Santrallerinden Elde Edilecek Enerjinin Makine Öğrenmesi Metotları Kullanılarak Tahmin Edilmesi. International Journal of Engineering Research and Development, 769-779 . DOI: 10.29137/umagd.514933