Hızlı kentleşme, aşırı enerji tüketimi ve nüfus artışı sonucunda son yıllarda enerji ihtiyacı önemli ölçüde artmıştır. Bu durum iklim değişikliği, su ve hava kirliliği gibi çevresel sorunlara yol açmaktadır. Enerji tüketimini tahmin etmek bu sorunları azaltabilir ve enerji yönetimine ve etkinliğine yardımcı olabilir. Bu makalede, Fas'taki Tetouan şehrinde enerji tüketimini tahmin etmek için doğrusal regresyon, K-En Yakın Komşu, destek vektör regresörü, rastgele orman, gradyan artırma ve istifleme gibi çeşitli makine öğrenimi yöntemlerinin performansını araştırılmıştır. Bu modellerin performansını değerlendirmek için MAE, RMSE ve R2 gibi değerlendirme ölçütleri kullanılmıştır. Yığınlama yöntemi, 1., 2. ve 3. bölgelerde sırasıyla %98,13, %98,11 ve %99,05 doğrulukla olağanüstü performans ve en iyi sonucu sağlamaktadır.
The need for energy has significantly increased in recent decades as a result of rapid urbanization, excessive energy consumption and population growth. This leads to environmental problems such as climate change, water and air pollution. Predicting energy consumption can reduce these problems and helps energy management and efficacity. In this paper, we investigate the performance of several machine learning methods, such as linear regression, K-Nearest neighbor, support vector regressor, random forest, gradient boosting, and stacking to predict energy consumption in Tetouan city, in Morocco. To evaluate the performance of these models, evaluation metrics such as MAE, RMSE, and R2 were used. Stacking method provided outstanding performance and the best result with accuracy of 98.13%, 98.11% and 99.05% in zone 1, 2, 3, respectively.
Primary Language | English |
---|---|
Subjects | Computer Software |
Journal Section | Research Articles |
Authors | |
Publication Date | August 31, 2025 |
Submission Date | May 7, 2025 |
Acceptance Date | July 18, 2025 |
Published in Issue | Year 2025 Volume: 3 Issue: 2 |
Alpha Journal of Engineering and Applied Sciences © 2023 is licensed under the Creative Commons Attribution 4.0 International License (CC BY)