Bilgisayar Mühendisliği Yüksek Lisans Programı / Computer Engineering Master's Degree Program
Permanent URI for this collectionhttps://hdl.handle.net/11413/4936
Browse
Browsing Bilgisayar Mühendisliği Yüksek Lisans Programı / Computer Engineering Master's Degree Program by Subject "Artificial neural networks"
Now showing 1 - 1 of 1
- Results Per Page
- Sort Options
Publication Makine öğrenme yöntemleri yardımıyla tüketim istatistiklerine göre talep tahmini(İstanbul Kültür Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Anabilim Dalı, 2013-09) Atalay, Muratcan; Demirer, Rüştü MuratElektrik enerjisi, doğası gereği büyük ölçeklerde depolanabilir değildir. Bu sebepten ihtiyaca uygun şekilde anlık üretilmelidir. Üretimin güvenilir bir şekilde sürdürülebilmesinde planlama önemli rol oynamaktadır. Hidroelektrik santrallerinde rezervuarda biriktirilen su, termal sistemlerde stoklanan yakıt miktarı ve aktif halde tutulan birim sayısı gibi kararlar elektrik üretim altyapısının kârlılığını birincil derecede etkilemektedir. Üretim planlamasının hayati bileşeni ise geleceğe dönük talep tahminidir. Talep tahmini, sektörel önemi ve tüketim örüntülerinin karmaşıklığı gereği açık araştırma konularından biridir. Bu problem üzerinde literatürde birçok farklı yöntem denenmiştir. Talebi zaman serisi olarak ele alan, talebin bileşenlerini doğrusal olarak modelleyen sistemler yanında doksanlardan itibaren makine öğrenmesi teknikleri öne çıkmaya başlamıştır. Makine öğrenmesi teknikleri geçmiş verilere dayanarak, tüketim ile etkileyen etmenler arasındaki doğrusal olmayan ilişkileri insan yardımı olmaksızın temsil edebilmektedirler. Ticari ürünlerin büyük çoğunluğunda kullanılan yapay sinir ağlarıyla beraber nispeten yeni destek vektör makineleri gibi teknikler de uygulanmaktadır. Bu çalışmada, ilki beş bin ticari işletmenin, ikincisi tüm Doğu Slovakya?nın toplam elektrik taleplerini içeren iki farklı veri kümesi kullanılmıştır. Sistem yüklerinin meteorolojik ve zamansal etmenler arasındaki bağımlılıkları dört farklı makine öğrenmesi tekniğiyle modellenerek başarımları karşılaştırılmıştır. Bu modellerden biri olan destek vektör makinelerinin, eğitim aşamasından önce ihtiyaç duyduğu parametre seçiminde üç farklı üst sezgisel yöntem denenmiş ve modelin başarımındaki etkileri araştırılmıştır. Özellik vektörü bileşenlerinin azaltılmasında temel bileşenler analizi kullanılmış ve başarım artışı incelenmiştir. Anahtar kelimeler: kısa vadeli talep tahmini, maksimum talep tahmini, yapay sinir ağları, destek vektör makineleri, rastlantısal ormanlar, parçacık sürü optimizasyonu, diferansiyel evrim, temel bileşenler analizi