Sezgisel üstü algoritma temelli yapay sinir ağları kullanılarak, binalarda optimal enerji kullanımını tahminleme

Bu tez, enerji ile ilgili sorunları ele almak için sezgisel üstü algoritmalarla desteklenen yapay sinir ağlarının (YSA) uygulanmasını araştırmaktadır. Enerji verimliliğinin önemini vurgulamakta ve akıllı binalarda ısıtma, havalandırma ve iklimlendirme (HVAC) sistemlerinin enerji kullanımı üzerindeki etkisini araştırmaktadır. Araştırma, yapılardaki ısı yükünü (HL) ve soğutma yükünü (CL) en aza indirmenin nasıl enerji tasarrufu sağlayabileceğini detaylandırmaktadır. Çalışmada, enerji verimliliğini artırmak için Karşıtlık Tabanlı Öğrenmeyi (OBL) Çok Katmanlı Algılayıcı (MLP) modeliyle bütünleştiren HGS algoritması (OBL-HGS) kullanılmıştır. OBL-HGS algoritmasının HGS algoritmasının sınırlamalarını aştığı ve karmaşık optimizasyon senaryolarında olağanüstü iyi performans gösterdiği bulunmuştur. Araştırma, UCI Enerji Verimliliği veri setini kullanarak binalardaki HL ve CL değerlerini tahmin ediyor ve OBL-HGS-MLP modelinin geleneksel HGS ve geleneksel yöntemlere kıyasla üstün doğruluk ve genelleme elde ettiğini gösteriyor. Sonuçlar, OBL-HGS algoritmasının MLP ile birleştirilmesinin enerji verimliliğini optimize etmek için yeni bir strateji sağladığını ve enerji yönetimi ve sürdürülebilirlik konusunda yeni perspektifler sunduğunu göstermektedir. Tez, enerji verimli akıllı binalar tasarlamayı ve HVAC sistemlerinde enerji yükü tahminini iyileştirmeyi amaçlamaktadır. Bu bağlamda, geliştirilen modelin HVAC sistemlerinde istenen verimliliğin elde edilmesinde bina tasarımcılarına yardımcı olabileceği iddia edilmekte ve küresel enerji krizinin ortasında iklim kontrol kalitesini artırmak için bina tasarımında uygun çevresel kontrol ekipmanlarının seçilmesinin önemi vurgulanmaktadır.