MACHINE LEARNING IN ENERGY EFFICIENCY: COMPARISON OF ENERGY ESTIMATION MODELS
Yazarlar (2)
Dr. Öğr. Üyesi Muhammed Akif YENİKAYA Kafkas Üniversitesi, Türkiye
Dr. Öğr. Üyesi Onur OKTAYSOY Kafkas Üniversitesi, Türkiye
| Makale Türü |
Özgün Makale
(Ulusal alan endekslerinde (TR Dizin, ULAKBİM) yayınlanan tam makale)
|
||
| Dergi Adı | EKEV Akademi Dergisi | ||
| Dergi ISSN | 1301-6229 | ||
| Dergi Tarandığı Indeksler | TR DİZİN | ||
| Makale Dili | İngilizce | Basım Tarihi | 08-2025 |
| Cilt / Sayı / Sayfa | – / 103 / 196–210 | DOI | 10.17753/sosekev.1636999 |
| Makale Linki | https://doi.org/10.17753/sosekev.1636999 | ||
| UAK Araştırma Alanları |
Dijital Dönüşüm
Teknoloji ve Yenilik Yönetimi
Dijital İş Yönetimi
|
||
| Özet |
| Bu çalışmada endüstriyel üretimde ihtiyaç duyulan enerji tüketimini tahmin etmek amacıyla makine öğrenimi modellerinin işlevselliği belirlenmeye çalışılmış, bu bağlamda Linear Regression, Decision Tree, Random Forest, K-Nearest Neighbors ve Support Vector Machine algoritmaları kullanılabilirlik ve performans değerleri bakımından karşılaştırılarak değerlendirilmiştir. Enerji tüketim tahminlerinin yapılabilmesi için geçmiş üretim verileri, enerji tüketim verileri ve diğer ilgili parametreler giriş verisi olarak kullanılmıştır. Veriler bir açık kaynak platformu olan UCI veri deposundan elde edilmiştir. 80/20 eğitim/test şeklinde yapılandırılan makine öğretim süreci kapsamlı veri parametreleriyle modellerin enerji verimliliği analizi yapabilecekleri forma uyarlanmıştır. Modellerin performanslarını değerlendirmek için determinasyon katsayısı (R²), kök ortalama kare hatası (RMSE), ortalama kare hatası (MSE) ve ortalama mutlak hata (MAE) gibi hata metrikleri kullanılmıştır. Elde edilen bulgulara göre, çalışma kapsamında kullanılan Random Forest modeli diğer modellere oranla daha yüksek doğruluk oranını sağlayarak R² değeri 0.9989 olarak elde edilmiştir. Bu sonuç, enerji tüketimine yönelik tahminlemede makine öğrenmesi modellerinin etkili araçlar olarak kullanılabileceğini ve bu araçların üretimde enerjinin önemi göz önüne alındığında işletmeler için stratejik avantaja dönüşebileceğini ortaya koymaktadır. Araştırma enerji tüketiminde makine öğrenmesi teknolojisinin önemli bir araç olabileceğini ortaya koyması ve dahası farklı modellerin enerji tahminlemede sergiledikleri performansı karşılaştırması bakımından alanyazına önemli kazanım yaratmaktadır. |
| Anahtar Kelimeler |
| Enerji tüketimi | Enerji tahmini | Teknoloji | Makine öğrenmesi | Kaynak verimliliği |
BM Sürdürülebilir Kalkınma Amaçları
| Atıf Sayıları | |
| Google Scholar | 2 |