BİLDİRİLER

BİLDİRİ DETAY

Mustafa ÇELEBİ, Hakan ÇERÇİOĞLU
KAPSAMLI BİR VERİ ÖN İŞLEME SÜRECİ İLE DESTEKLENEN TOPLULUK ÖĞRENME YÖNTEMLERİ İLE KISA VADELİ DOĞALGAZ TÜKETİM TAHMİNİ
 
Doğalgazın arz ve talebinin doğru bir şekilde planlanıp yönetilmesi sürecinde doğalgaz talebinin yüksek doğruluk ile öngörülmesi kritik bir öneme sahiptir. Doğal gaz talep tahminlerinde yapılacak büyük hatalar hem Doğalgaz Dağıtım Şirketlerine hem de ülke ekonomisine milyonlarca dolara mal olabilmektedir. Yüksek doğruluk değerine sahip tahmin modellerinin oluşturulması için verilerin gürültüden arındırılması elzemdir. Bu çalışma da STL (LOESS kullanan Mevsimsel-Trend Ayrıştırması) temelli bir veri ön işleme süreci ile Türkiye’nin Bartın ve Zonguldak şehirlerine ait doğalgaz tüketim verisindeki gürültü giderilmiştir. Gerçekleştirilen veri temizleme süreci ile hem serilerde bulunan yüksek gürültü elimine edilerek veri kalitesi artırılmış hem de 0,97 gibi yüksek R2 değeri ile orijinal seriler ile yüksek uyum göstermiştir. Ardından temizlenmiş veri seti kullanılarak gecikmeli, pencere ve zamansal özellikler başlıkları altında toplamda 27 adet bağımsız değişken oluşturuldu. Son olarak çeşitli topluluk modelleri uygulanarak Bartın-Zonguldak şehirlerinin günlük doğalgaz tüketimi tahmin edilmeye çalışılmaktadır. Zaman serisi verilerinde verilerin sıralı yapısının korunmasını sağlamak çok önemli olduğu için topluluk modelleri eğitilirken beş katlı zaman serisi çapraz doğrulama şeması kullanılmıştır. Oluşturulan modellerin performansı MAE, R2, MAPE ve RMSE yöntemleri ile değerlendirilmiştir. Test verileri için LightGBM modeli %5,63 MAPE değerini elde etmiştir. LightGBM tahmin doğruluğu, uyarlanabilirlik ve genelleme yetenekleri ile değerlendirildiğinde yeterince iyi bir performans gösterdiği için doğal gaz dağıtım ve kontrol sistemlerinde başarılı bir şekilde kullanılabilir. ORCID NO: 0009-0006-5313-5322

Anahtar Kelimeler: Günlük Doğalgaz Talep Tahmini, Topluluk Temelli Yöntemler, Veri Ön İşleme



 


Keywords: