Elektrik Talebinin Çok Değişkenli Yapay Sinir Ağı ile Tahmini: Ekonomik Göstergeler ile YSA Uygulaması
Author :
Abstract
Bu çalışma, 2007-2020 yılları arasındaki Türkiye elektrik talebini, çok değişkenli yapay sinir ağı (YSA) modeli kullanarak tahmin etmektedir. Modelde kullanılan değişkenler arasında tüketici fiyat endeksi (TÜFE), sanayi üretim endeksi, ülkeye gelen turist sayısı ve işsizlik oranı gibi önemli ekonomik göstergeler yer almaktadır. Bu göstergeler, elektrik talebinin farklı yönlerini yansıtarak tahminlerde daha geniş bir perspektif sağlamaktadır. YSA modeli, diğer geleneksel tahmin yöntemlerine kıyasla en düşük hata oranlarını vererek en iyi performansı sergilemiştir. Özellikle ileriye yönelik tahminlerde, YSA modeli, daha düşük hata marjı ile gelecekteki elektrik talebini daha isabetli öngörmüştür. Bu durum, yapay sinir ağlarının, doğrusal olmayan yapıları yakalayabilme yetenekleri sayesinde elektrik talep tahmini gibi karmaşık problemlerde ne kadar etkili olabileceğini göstermektedir. Sonuç olarak, elde edilen bulgular, YSA’nın elektrik talebi tahmini açısından son derece başarılı bir yöntem olduğunu ve enerji planlaması süreçlerinde kullanılabileceğini ortaya koymaktadır.
Keywords
Abstract
This study forecasts Turkey's electricity demand for the period 2007-2020 using a multivariate artificial neural network (ANN) model. The variables used in the model include important economic indicators such as the consumer price index (CPI), the industrial production index, the number of tourist arrivals and the unemployment rate. These indicators provide a broader perspective in forecasting by reflecting different aspects of electricity demand. The ANN model performed the best with the lowest error rates compared to other traditional forecasting methods. Especially in forward-looking forecasts, the ANN model predicted future electricity demand more accurately with a lower margin of error. This shows how effective artificial neural networks can be in complex problems such as electricity demand forecasting due to their ability to capture nonlinear structures. In conclusion, the findings show that ANN is a highly successful method for electricity demand estimation and can be used in energy planning processes.
