KaydedilenlerDerginizi ekleyin

Dergiler / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2004 / Cilt: 19 - Sayı: 3

YAPAY SİNİR AĞLARI İLE TÜRKİYE ELEKTRİK ENERJİSİ TÜKETİMİNİN 2010 YILINA KADAR TAHMİNİ

Coşkun HAMZAÇEBİ
Fevzi KUTAY
Sayfa
0
Yayın Tarihi
2013-04-10
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bulunan sonuçlar yapay sinir ağlarının elektrik enerjisi tüketiminde iyi bir tahmin aracı olduğunu göstermiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, uzun dönemli elektrik enerjisi tüketimi tahmininde yapay sinir ağlarının kullanılması araştırılmıştır.
📊
Temel Bulgular & Veri:Yapay sinir ağları teknikleri ile bulunan sonuçlar, Box-Jenkins modelleri ve regresyon tekniği ile karşılaştırılmıştır.
💡
Sonuç & Katkı:Bulunan sonuçlar yapay sinir ağlarının elektrik enerjisi tüketiminde iyi bir tahmin aracı olduğunu göstermiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Yapay sinir ağları · Box-Jenkins · geri yayılım algoritması

Özet

Bu çalışmada, uzun dönemli elektrik enerjisi tüketimi tahmininde yapay sinir ağlarının kullanılması araştırılmıştır. Yapay sinir ağları teknikleri ile bulunan sonuçlar, Box-Jenkins modelleri ve regresyon tekniği ile karşılaştırılmıştır. Bulunan sonuçlar yapay sinir ağlarının elektrik enerjisi tüketiminde iyi bir tahmin aracı olduğunu göstermiştir.

🔖

Bu Makaleye Atıf Yap

HAMZAÇEBİ, C., KUTAY, F. (2013). YAPAY SİNİR AĞLARI İLE TÜRKİYE ELEKTRİK ENERJİSİ TÜKETİMİNİN 2010 YILINA KADAR TAHMİNİ. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 19 - Sayı: 3, 0. https://ajindex.com/articles/21268

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (16)

  1. Hill, T., O’Connor, M., Remus, W., “Neural Networks Models for Time Series Forecasts”, Management Sciences, Cilt 42, No 7,1082-1092, 1996.
  2. Sharda, R., Patil, R.B., “Connectionist Approach to Time Series Prediction: An Emprical Test”, Journal of Intelligent Manufacturing, Cilt 3, 317-323, 1992.
  3. Tang, Z., Almeida, C., Fishwick, P.A., “Time Series Forecasting Using Neural Networks vs Box-Jenkins Methodology”, Simulation, Cilt 57, No 5, 303-310, 1991.
  4. Zhang, G., Patuwo, B.E., Hu, M.Y., “Forecasting with Artificial Neural Networks: The State of the Art”, Inter. Journal of Forecasting, Cilt 14, 35-62, 1998.
  5. Park, J., Sandberg, I.W., “Universal Approximation Using Radial Basis Function Networks”, Neural Computation, Cilt 3, 246-257, 1991.
  6. Peng, T.M., Hubele, N.F., Karady, G.G., “Advancement in the Application of Neural Networks for STLF”, IEEE Trans. on Power Sys., Cilt 7, No1, 250-257, 1992.
  7. Liang, R.H., Cheng, C.C., “Short-Term Load Forecasting by a Neuro-Fuzzy Based Approach”, Electrical Power and Energy Systems, Cilt 24, 103-111, 2002.
  8. Tamimi, M., Egbert, R., “Short Term Electric Load Forecasting Via Fuzzy Neural Collaboration”, Electric Power Systems Research, Cilt 56, 243-248, 2000.
  9. Dash, P.K., Satpathy, H.P., Liew, A.C., “A Real-Time Short-Term Peak and Average Load Forecasting System Using a Self-Organising Fuzzy Neural Network”, Engineering Applications of Artificial Intelligence, Cilt 11, No 2, 307-316, 1998.
  10. Srinivisan, D., “Evolving Artificial Neural Networks for Short Term Load Forecasting”, Neurocomputing, Cilt 23, 265-276, 1998.
  11. Kodogiannis, V.S., Anagnostakis, E.M., “A Study of Advanced Learning Algorithms for STLF”, Eng. App. of Artificial Intelligence, Cilt 12, No 2, 159-173, 1999.
  12. Kermanshahi, B., Iwamiya, H., “Up to Year 2020 Load Forecasting Using Neural Nets”, Electrical Power and Energy Systems, Cilt 24, 789-797, 2002.
  13. Al-Saba, T., El-Amin, I., “Artificial Neural Networks as Applied to Long-Term Demand Forecasting”, Artificial Intelligence in Engineering, Cilt 13, 189-197, 1999.
  14. Parlos, A.G., Oufi, E., Muthusami, J., Patton A.D., Atiya A.F., “Development of an Intelligent Long-Term Electrical Load Forecasting System”, Intelligent System Applications to Power System Proceedings, 288-292, 1996.
  15. Padmakumari, K., Mohandas, K.P., Thiruvengadam, S., “Long Term Distribution Demand Fore. Using Neuro Fuzzy Computations”, In. Jo. of Electrical Power and Energy Systems, Cilt 21, No 5, 315-322, 1999.
  16. Box, G., Jenkins, M., Time Series Analaysis Forecast