TY  - JOUR
T1  - Kömür Kullanımı ile Üretilen Enerji Miktarının Yapay Sinir Ağı Modeliyle Tahmini Çin Üzerine Örnek Uygulama
AU  - Güven, Mehmet Hurşut
AU  - Kılıç, Faruk
AU  - Diri, Faik Ümit
PY  - 2025
DA  - May
Y2  - 2024
DO  - 10.17134/khosbd.1499159
JF  - Savunma Bilimleri Dergisi
PB  - Millî Savunma Üniversitesi
WT  - DergiPark
SN  - 1303-6831
SP  - 57
EP  - 72
VL  - 21
IS  - 1
LA  - tr
AB  - Son yıllarda çevresel etkilerinden dolayı fosil yakıtlar kullanımı ve özelliklede kömür kullanılarak elektrik üretimi terkedilerek yenilenebilir enerji kaynaklarının kullanımına ağırlık verilmektedir. Bu eğilim bakımından Çin incelendiğinde 2007 yılı sonrasında kömür kullanılarak elektrik üretiminin azalma eğilimine girdiği görülmektedir. Bu çalışmada Çin’de hydropower (su gücü), rüzgar gücü, nükleer güç ve toplam elektrik üretim miktarları input verisi olarak kullanılarak kömür kullanılarak elektrik üretim miktarları 2000-2020 yılları için Yapay Sinir Ağı (YSA) kullanılarak tahmin edilmeye çalışılmıştır. Yapay zekanın alt parçalarından olan YSA belirsizlik içeren ve değişkenlik içeren sorunların çözüme oldukça uygundur.Çin’de kömür kullanılarak elektrik üretimi tahminine yönelik olarak yapılan YSA analiz sonucunda; Training, Validation, Test ve All için regresyon değerleri sırası ile 0,99958, 1, 1, ve 0,99961 olarak belirlenmiştir. Ayrıca analiz sonucunda yapılan tahmine yönelik olarak hata miktarlarının hesaplaması yapılmış ve MAE için 0,017, MAPE için % 1,7, MAD için 352,619, MSE için 358772,14 ve RMSE için ise 598,9759 sonuçları bulunmuştur.
KW  - Yapay Sinir Ağı
KW  - Elektrik Üretimi
KW  - Kömür
KW  - Çin
CR  - [1] M. M. Rahman vd., “Prospective Methodologies in Hybrid Renewable Energy Systems for Energy Prediction Using Artificial Neural Networks”, Sustainability, c. 13, sy 4, Art. sy 4, Oca. 2021, doi: 10.3390/su13042393.
CR  - [2] A. Zaaoumi vd., “Estimation of the energy production of a parabolic trough solar thermal power plant using analytical and artificial neural networks models”, Renew. Energy, c. 170, ss. 620-638, Haz. 2021, doi: 10.1016/j.renene.2021.01.129.
CR  - [3] A. Entezari, A. Aslani, R. Zahedi, ve Y. Noorollahi, “Artificial intelligence and machine learning in energy systems: A bibliographic perspective”, Energy Strategy Rev., c. 45, s. 101017, Oca. 2023, doi: 10.1016/j.esr.2022.101017.
CR  - [4] Y. Kasap, C. Şensöğüt, ve Ö. Ören, “Efficiency change of coal used for energy production in Turkey”, Resour. Policy, c. 65, s. 101577, Mar. 2020, doi: 10.1016/j.resourpol.2019.101577.
CR  - [5] H. Salehfar ve S. A. Benson, “Electric utility coal quality analysis using artificial neural network techniques”, Neurocomputing, c. 23, sy 1, ss. 195-206, Ara. 1998, doi: 10.1016/S0925-2312(98)00083-6.
CR  - [6] A. G. Olabi vd., “Application of artificial intelligence for prediction, optimization, and control of thermal energy storage systems”, Therm. Sci. Eng. Prog., c. 39, s. 101730, Mar. 2023, doi: 10.1016/j.tsep.2023.101730.
CR  - [7] P. Canbay ve H. Taş, “Yapıların Isıtma ve Soğutma Yükünün Yapay Zeka ile Tahmini”, Int. J. Pure Appl. Sci., c. 8, sy 2, ss. 478-489, Ara. 2022, doi: 10.29132/ijpas.1166227.
CR  - [8] T. E. Boukelia, O. Arslan, ve M. S. Mecibah, “ANN-based optimization of a parabolic trough solar thermal 
power plant”, Appl. Therm. Eng., c. 107, ss. 1210-1218, Ağu. 2016, doi: 10.1016/j.applthermaleng.2016.07.084.
CR  - [9] J. Li, M. S. Herdem, J. Nathwani, ve J. Z. Wen, “Methods and applications for Artificial Intelligence, Big Data, Internet of Things, and Blockchain in smart energy management”, Energy AI, c. 11, s. 100208, Oca. 2023, doi: 10.1016/j.egyai.2022.100208.
CR  - [10] R. Rapier, “Global Energy Trends: Insights From The 2023 Statistical Review Of World Energy”, Forbes. Erişim: 20 Aralık 2023. [Çevrimiçi]. Erişim adresi: https://www.forbes.com/sites/rrapier/2023/08/06/global-energy-trends-insights-from-the-2023-statistical-review-of-world-energy/
CR  - [11] A. P. Marugán, F. P. G. Márquez, J. M. P. Perez, ve D. Ruiz-Hernández, “A survey of artificial neural network in wind energy systems”, Appl. Energy, c. 228, ss. 1822-1836, Eki. 2018, doi: 10.1016/j.apenergy.2018.07.084.
CR  - [12] D. S S, M. S. N B, ve U. Subramaniam, “Artificial Neural Network based Solar Energy Integrated Unified Power Quality Conditioner”, Energy Sources Part Recovery Util. Environ. Eff., c. 0, sy 0, ss. 1-25, 2021, doi: 10.1080/15567036.2021.1919247.
UR  - https://doi.org/10.17134/khosbd.1499159
L1  - https://dergipark.org.tr/en/download/article-file/3996871
ER  -