@article{article_1674525, title={Geleceğe Yönelik Elektrikli Araç ve Şarj istasyonu Sayılarının LSTM VE GRU Derin Öğrenme Yöntemleri Kullanılarak Tahmin Edilmesi: Kocaeli İli Örneği}, journal={Politeknik Dergisi}, pages={1–1}, year={2025}, DOI={10.2339/politeknik.1674525}, author={Yapıcı, Ayşe Tuğba and Abut, Nurettin}, keywords={Electric vehicle, charging station, deep learning, artifical intelligence, python.}, abstract={Yapılan bu çalışmada iki farklı derin öğrenme modeli ile 2030 yılı Kocaeli ili elektrikli araç ve şarj istasyonu sayılarının tahmini yapılmıştır. LSTM ve GRU modellerinin eğitimi için TÜİK ve EPDK’dan alınan veriler kullanılmıştır. Yapılan tahmin sonuçlarına ek olarak mevcut veriler ile bir analiz firmasından alınan destek ile 2030 yılı için istatiksel bir tahmin yapılmıştır. Böylece üç farklı tahmin sonucu elde edilmiştir. LSTM ve GRU modellerinden hangisinin daha yüksek tahmin doğruluğunu sağladığı, düşük hata oranı ve yüksek başarı skorları ile belirlenmiştir. LSTM ve GRUR2 başarı metriğinde 0,99 değeri ile aynı skoru sağlamışlardır.MAE hata metriğinde LSTM 0.5007, GRU ise 0,38 değerini sağlarken, MSE hata metriğinde LSTM 3,05 ve GRU 2,92 değerini sağlamıştır. DTW metriği skorları ise LSTM’de 126,97, GRU ‘da ise 125,35’tir. Metrik skorlarına göre GRU modelinin en iyi sonucu verdiği belirlenmiştir. 2030 yılı Kocaeli ili şarj istasyonu GRU modeli tahminlerinin, mevcut şarj istasyonları muhafaza edilerek mahalle bazında konumlandırması yapılmıştır.}, publisher={Gazi University}