Yapay sinir ağları ile Hakkari ili doğalgaz tüketim tahmini

Günümüzde enerji tüketimi, çevresel etkileri ve kaynakların sürdürülebilirliği gibi önemli faktörler göz önünde bulundurularak titizlikle yönetilmesi gereken bir alan haline gelmiştir. Doğalgaz tüketiminin gelecekteki eğilimlerini öngörmek ve etkin kaynak yönetimini geliştirmek enerji sektöründe stratejik öneme sahiptir. Bu çalışmada, 2020, 2021 ve 2022 yıllarına ait nispi nem, güneşlenme süresi, sıcaklık, güneşlenme şiddeti, radyasyon ve abone sayıları ile doğalgaz tüketim miktarı arasındaki ilişkiyi incelemek ve 2023 yılının ilk 9 ayı için doğalgaz tüketim miktarını tahmin etmek amacıyla yapılmıştır. Bu amaçla, çoklu doğrusal regresyon analizi ile makine öğrenimi alanında sıkça kullanılan randomforest, gradientboosting ve xgboost algoritmaları kullanılmıştır. Çalışmada tüketim miktarı bağımlı değişken, diğer veriler bağımsız değişken olarak seçilmiştir. Verilerin analizi ve tahminleme süreci Python programlama dili kullanılarak Visual Studio Code (VSCode) entegrasyonuyla gerçekleştirilmiştir. Modellerin performansı, Hata Karelerinin Ortalaması (MSE), Kök Hata Karelerinin Ortalaması (RMSE), Ortalama Mutlak Yüzde Hatası (MAPE) ve RKare (R²) gibi değerler üzerinden değerlendirilmiştir. Elde edilen sonuçlara göre, RandomForest algoritması en iyi performansı göstermiştir. RandomForest modeli ile elde edilen tahminlerin MSE değeri 165396993, RMSE değeri 12860, MAPE değeri %0.2 ve R² değeri ise 0.92 olarak bulunmuştur. Bu sonuçlar, RandomForest algoritmasının 2023 yılının ilk 9 ayı için doğalgaz tüketim miktarı tahminlerinde en doğru ve güvenilir sonuçları sağladığını göstermektedir. Anahtar Kelimeler: Doğalgaz, Tahminleme, Makine Öğrenmesi