KARAYOLLARI ENERJİ TÜKETİMİNİN YAPAY ZEKÂ VE REGRESYON YÖNTEMLERİ İLE MODELLENMESİ

Authors : Ömer Faruk CANSIZ, Kevser ÜNSALAN, İbrahim ERGİNER
Pages : 1297-1314
Doi:10.17482/uumfd.719031
View : 39 | Download : 13
Publication Date : 2020-12-31
Article Type : Research Paper
Abstract :Doğanın temeline dayanan iş-enerji ilişkisi, bize hareketin ve iş yapabilmenin şartının enerji olduğunu göstermektedir. Gelişen teknoloji, sanayileşme gibi faktörler üretimi arttırırken enerji tüketiminin de artmasına neden olmaktadır. Sanayileşmenin bir kolu olan ulaştırma sektörü enerji tüketiminde sektör bazında önemli bir yere sahiptir. Bu çalışmada, ulaştırma sektöründe özellikle Türkiye’de taşımacılık potansiyelinin yüksek olduğu karayolu taşımacılığında enerji tüketimi incelenmektedir. Çalışma kapsamında yapay zekâ tekniklerinden yapay sinir ağları insert ignore into journalissuearticles values(YSA); ve uyarlamalı sinirsel bulanık çıkarım sistemi insert ignore into journalissuearticles values(ANFIS);, regresyon tekniklerinden ise çok değişkenli lineer regresyon insert ignore into journalissuearticles values(MLR); yöntemleri kullanılarak karayolu taşımacılığında enerji tüketimi tahmin modellenmesi yapılmaktadır. Modellemede karayolu yol ağı uzunluğu, taşıt-km, yıllık ortalama günlük trafik insert ignore into journalissuearticles values(YOGT);, motorlu taşıt sayısı ve nüfus parametreleri bağımsız değişken olarak incelenmektedir. Tahmin modellerinin karşılaştırılmasında korelasyon katsayısı insert ignore into journalissuearticles values(R);, hataların karesinin ortalaması insert ignore into journalissuearticles values(HKO); ve ortalama yüzde hata insert ignore into journalissuearticles values(OYH); performans kriterleri dikkate alınmaktadır. Performans kriterlerine göre en iyi model YSA yöntemi ile elde edilmektedir. En iyi modelin R, HKO, OYH değerleri sırasıyla %99,5, 184002,7 ve %2,44 çıkmaktadır. Geliştirilen model ile ulaşım politikalarına yön verilmesi hedeflenmektedir.
Keywords : karayolları enerji tüketimi, YSA, MLR, ANFIS

ORIGINAL ARTICLE URL