REGRESYON VE YAPAY SİNİR AĞLARI YÖNTEMİ İLE İSTANBUL İLİ DOĞALGAZ TÜKETİM TAHMİNİ


Güneri A. F. , Mangan Karaca E.

6. ULUSLARARASI MUHENDİSLİK MİMARLIK VE TASARIM KONGRESİ, İstanbul, Türkiye, 7 - 08 Aralık 2020, ss.1024

  • Yayın Türü: Bildiri / Özet Bildiri
  • Basıldığı Şehir: İstanbul
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.1024

Özet

Türkiye doğalgaz ihtiyacının yaklaşık %99’unu ithal etmektedir. Türkiye’de henüz yeterli stoklama imkanının bulunmaması ve doğalgazın önemli bir ihtiyaç olması göz önünde bulundurulduğunda doğalgaz tahmininin doğru yapılması büyük bir önem arz eder. Doğalgaz dağıtım şirketleri doğalgaz alım satım anlaşmalarında taahhüt ettikleri miktara mutabık kalma durumundadır. Dağıtım şirketleri bildirdikleri tüketim miktarının altında kalmaları durumunda kullanılmayan doğalgazın parasını ödemekle yükümlü veya fazla arz olması durumunda organizasyonun planını bozmakla beraber doğalgaz tedarik sıkıntısı yaşayabilmektedir. Bu nedenle doğalgazın yıllık, aylık ve günlük tahminlerinin doğru bir şekilde yapılması dağıtım şirketlerinin ve tedarik eden şirketlerin hem organizasyonu ve hem de arz-talep dengesi açısından çok önemlidir. İstanbul, başta konut olmak üzere elektrik ve sanayi müşterileri ile doğalgaz tüketimi en yüksek ildir. Bu çalışma İstanbul ili için günlük doğalgaz tüketim tahminini içermektedir. İGDAŞ’tan alınan 15 yıllık (2004-2019) doğalgaz tüketim verileri ile Meteoroloji’den alınan günlük maksimum, minimum sıcaklık verileri başta olmak üzere veri seti oluşturulmuştur. Öncelikle veri seti %20 test % 80 eğitim verisi olarak modellenmiş ve lineer modellerden Multi Regresyon yöntemi uygulanmış ardından Lasso ve Ridge Regresyon ile regresyon tahmin başarıları kıyaslanmıştır. Regresyon yöntemleri ile elde edilen sonuçların akabinde lineer olmayan yöntemler uygulanmış ve Çok Katmanlı Yapay Sinir Ağları (YSA) ile Destek Vektör Regresyonu (SVR) kullanılarak tahminleme yapılmıştır. Uygulanan bütün yöntemler Python programında JupyterLab ile modellenmiştir. Regresyon yöntemleri, Çok Katmanlı Yapay Sinir Ağları ve SVR kıyaslandığında lineer olmayan modeller içerisinden Çok Katmanlı Yapay Sinir Ağları’nın başarısı daha yüksektir.