Enerji problemlerinin sezgisel üstü algoritma temelli yapay sinir ağları aracılığı ile optimizasyonu

Enerji, üretilen bir model ya da sistemin iş yapma kapasitesidir. Günümüz dünyası enerji kaynaklarındaki tükenme olasılığını hesaba katarak teknolojik gelişmeleri enerji verimliliği noktasında kullanmak istemektedir. Tüketilen enerjinin büyük bir kısmı binalarda kullanılmaktadır. Enerji kaynaklarının sınırlı olması, binalarda enerji verimliliği ile ilgili yapılan çalışmaların ne denli önemli olduğunu açıklamaktadır. Bu çalışmanın amacı günümüz dünyasının enerji verimliliği gibi büyük problemlerini optimize edebilen sezgisel üstü algoritmalardan salp sürü algoritması (Salp Swarm Algorithm-SSA)'nın optimizasyoncu olarak değerlendirilmesi ve örnek bir enerji problemi ele alınarak sınıflandırıcı olarak tahmin gücünü gözlemlemektir. Enerjiyi etkili kullanma problemi bina tasarımı için seçilen ekipmanların seçiminde önemli bir yer tutan ısıtma yükü faktörü (Heat Load-HL) ve soğutma yükü faktörü (Cold Load-CL) faktörlerinin doğru tahminlemesi ile çözüme katkı sağlamaktadır. Bu problemin çözümünde makine öğrenme algoritmalarından, bir yapay sinir ağı mimarisi olan çok katmanlı algılayıcı (Multi Layer Percpetron-MLP) seçilerek sezgisel üstü algoritmalardan SSA danışman olarak ele alınmış ve alternatif algoritmalarla karşılaştırması yapılmıştır. Algoritmanın rekabet gücü ve kalitesi CEC 2019 fonksiyon seti vasıtasıyla gözlemlenmiştir. İstatistiki sonuçlar ve grafikler aracılığıyla elde edilen verilere bakıldığında SSA'nın rekabetçi yapıda, etkili ve güncel bir algoritma olduğu gözlemlenmiştir. Enerji verimliliği veri seti binalarda ısıtma, soğutma, havalandırma ve iklimlendirme (Heating, Ventilation, and Air Conditioning- HVAC) sistemlerinin optimal kullanımında değerlendirme kriteri olabilecek bir kaynak tezde kullanılarak SSA temelli MLP mimarisiyle eğitimi sağlanmıştır. Deneysel sonuçlar enerji probleminde de SSA'nın iyi bir sınıflandırma sağlayan danışman olduğu istatistiki deneyler aracılığıyla ispatlamıştır.