Yazarlar
Yayınlar
- Yüksek Lisans TeziAçık Erişim2026Türkiye ve Kanada'da elektrik tüketimi tahmini: Makine öğrenmesi modellerinin karşılaştırmalı analizi
Sümeyye Selvi
Elektrik tüketimi, ekonomik büyüme, kentleşme ve enerji politikaları ile olan yakın ilişkisi nedeniyle enerji planlaması açısından temel göstergelerden biri olarak kabul edilmektedir. Bu çalışmada, Türkiye ve Kanada'da kişi başı elektrik tüketiminin tahmin edilmesine yönelik karşılaştırmalı bir analiz gerçekleştirilmiştir. Analiz kapsamında kişi başı gelir, sanayi katma değeri, yenilenebilir enerji oranı, elektrik iletim ve dağıtım kayıpları ile kentleşme oranı bağımsız değişkenler olarak ele alınmıştır. Ayrıca, elektrik tüketiminin zamansal bağımlılığını yansıtmak amacıyla modele gecikmeli değişken dâhil edilmiştir. Modelleme sürecinde Gauss Süreç Regresyonu (GPR), Destek Vektör Regresyonu (SVR), XGBoost, Yapay Sinir Ağları (MLP), Topluluk Öğrenme yöntemleri ve Çoklu Doğrusal Regresyon (MLR) modelleri kullanılmıştır. Elde edilen bulgular, makine öğrenmesi temelli yöntemlerin genel olarak yüksek tahmin performansı sergilediğini göstermektedir. Türkiye için en başarılı sonucun GPR modeli ile elde edildiği, Kanada için ise Topluluk Öğrenme yaklaşımının daha yüksek performans sunduğu belirlenmiştir. Bununla birlikte, Türkiye veri setinde MLR modelinin de dikkat çekici düzeyde başarılı sonuçlar verdiği görülmüştür. Ayrıca, gecikmeli değişkenin modele dâhil edilmesinin tahmin doğruluğunu artırdığı tespit edilmiştir. Sonuç olarak, elektrik tüketimi dinamiklerinin ülkeden ülkeye farklılık gösterebildiği ve bu nedenle tek bir modelin tüm ülkeler için aynı düzeyde başarı sağlamasının beklenmemesi gerektiği anlaşılmaktadır. Elde edilen bulgular, makine öğrenmesi yöntemlerinin enerji planlaması ve politika geliştirme süreçlerinde etkin bir şekilde kullanılabileceğini ortaya koymaktadır. Bu kapsamda, daha geniş veri setleri ve alternatif modelleme yaklaşımları ile gerçekleştirilecek çalışmaların literatüre katkı sağlayacağı değerlendirilmektedir.
- Yüksek Lisans TeziAçık Erişim2025Bayburt ili umumi çeşmelerinin su kalitesinin makine öğrenmesi yöntemleri ile tahmini
Gülhat Koçyiğit
Mavi altın olarak da anılan suyun içeriği, canlıların yaşamlarını, hayat kalitelerini ve sağlıklarını büyük oranda etkilemektedir. Suyun içerisinde bulunan her bir maddenin canlı hayatı üzerinde iyi veya kötü etkisi bulunmaktadır. Suyun içerisinde yer alan maddeler kadar madde miktarı da önemlidir. Bu bakımdan Dünya Sağlık Örgütü (WHO) su kalitesine ilişkin çalışmalar yaparak içerisinde bulunan maddeler ve miktarı ile ilgili kılavuz hazırlamıştır. Türkiye'de de bu yönde çalışmalar yapılmış 2005 yılında İnsani Amaçlı Sular Hakkında Yönetmelik ile standartlarını belirlemiştir. Teknolojinin gelişmesiyle birlikte yapay zekâ su kalitesi çalışmalarında da kullanılmaya başlanmış ve makine öğrenme yöntemleriyle su kalitesi tahminlerinde bulunulmuştur. Bu çalışmada, Bayburt ilinde yer alan şebeke sularının mikrobiyolojik ve kimyasal su analiz verileri ile Bayburt ili umumî çeşmelerine ait mikrobiyolojik su analiz verileri kullanılarak makine öğrenme yöntemleriyle su kalitesi tahmininde bulunulmuştur. İlk olarak veriler üzerinde önişlem uygulanarak veriler makine öğrenimine hazır hale getirilmiş, daha sonra makine öğrenimi yöntemlerinden lojistik regreyon, knn, SVM, naive bayes, karar ağacı, rastgele orman makine öğrenme yöntemleri ile su kalitesi tahmin çalışmaları yapılmıştır. Bayburt şebeke suları analizi verileri kullanılarak yapılan makine öğrenme yöntemlerinde en uygun yöntemin karar ağacı yöntemi olduğu, Bayburt umumî çeşme suları analizi verileri kullanılarak yapılan makine öğrenme yöntemlerinde ise naive bayes, rastgele orman ve karar ağacı yöntemlerine ait sonuçların aynı olması dolayısıyla her üç yöntemin de kullanılabilir olduğu sonucuna varılmıştır. Su kalitesi tahmin çalışmalarında specificity değerinin önemli olduğu ve model değerlendirmesinde kullanılması gerektiği sonucuna varılmıştır.