ANFIS AND NATURAL GAS REQUEST ESTIMATED; THE CASE OF TURKEY

Abstract

There have been dramatical increases in the demand of natural gas due to its superior consumption benefits and as a result of the industrialzation, urbanization and rapid population increase in Turkey. However, Turkey is not a natural gas country, nor is dependent on abroad in terms of providing its energy. That's why, it is of great significance that Turkey determine the amount of demand of natural gas. The more agreements on import of natural gas, the incrastructure investments across the country and the planning of the consumption. ln this study, the prediction for the natural gas demand of Turkey through ANFlS (Adaptive Neuro-FuzzyInference System), which is "Adaptif Ağ Tabanlı Bulanık Çıkarım Sistemi” or “Uyarlamalı Sinirsel Bulanık Denetim Sistemi". Though there have been many factors affecting the consumption of natural gas, only Gross Natural Product (GNP), temperatue and population has been taken into consideration as three input parameters. As the output paramater, the consumption of natural gas has been examined. The data set has been arranged monthly between the years of 2002-2014. The data of natural gas consumption predicted by ANFlS and the real natural gas consumption data have been compared and MAPE (Mean Absolute Percentage Error), used for the measurmeent of the performance of the model, has been calculated. ln the result calculated, the MAPE was low and a successful prediction was obtained through adaptive model. Finally, the demand for natural gas for 2015 was predicted.

Keywords

• ANFIS,demand of natural gas,MAPE

ANFIS İLE DOĞALGAZ TALEP TAHMİNİ; TÜRKİYE ÖRNEĞİ

Abstract

Türkiye’de meydana gelen sanayileşme, kentleşme ve hızlı nüfus artışı gibi faktörlerin sonucu olarak ve doğalgaz tüketiminin üstün yönlerinden dolayı doğalgaz talebinde önemli artışlar gerçekleşmektedir. Ancak Türkiye bir doğalgaz ülkesi olmayıp, enerji kaynağını sağlamakta dışa bağımlıdır. Bu nedenle doğalgaz talep miktarının doğru şekilde belirlenmesi oldukça önemlidir. Talep tahmini ne kadar doğru olursa, doğalgaz ithalatı anlaşmaları, ülke içindeki altyapı yatırımları ve tüketim planlaması o kadar sağlıklı yapılabilecektir. Bu tez çalışmasında, “Adaptif Ağ Tabanlı Bulanık Çıkarım Sistemi” veya “Uyarlamalı Sinirsel Bulanık Denetim Sistemi” denilen “ANFIS” (Adaptive Neuro-Fuzzy Inference System) ile Türkiye’nin doğalgaz talep tahmininde bulunulmuştur. Doğalgaz tüketimini etkileyen pek çok faktör olmasına rağmen, bu çalışmada sadece gayri safi yurtiçi hasıla (GSYH), sıcaklık ve doğalgaza kavuşan nüfus oranı üç değişken girdi olarak ele alınmıştır. Çıktı değişkeni olarak ise doğalgaz tüketimi incelenmiştir. Veri seti 2002-2014 yılları arası aylık olarak düzenlenmiştir. ANFIS ile tahmin edilen doğalgaz tüketim verileriyle, gerçekte var olan doğalgaz tüketim verileri kıyaslanıp, model performansının ölçümü için kullanılan “MAPE” (Mean Absolute Percentage Error, ortalama mutlak hata yüzdesi) hesaplanmıştır. Hesaplanan sonuçta ortalama mutlak hata yüzdesi düşük çıkıp, uyarlamalı (adaptif) model ile başarılı bir tahmin sonucuna ulaşılmıştır. Son olarak, 2015 yılı için doğalgaz talebi tahmin edilmiştir.

Keywords

• ANFIS,doğalgaz talebi,MAPE

References

1. Boru Hatları İle Petrol Taşıma Anonim Şirketi BOTAŞ. http://www.botas.gov.tr/index.asp Erişim tarihi: 05.05.2015.
2. Enerji Piyasası Düzenleme Kurumu EPDK. (2013). Doğal Gaz Piyasası 2012 Sektör Raporu, Ankara.
3. Gedik, F. A. (2011). İletişim Ağ Problemlerinin Çözümünde Neuro-Fuzzy Yaklaşımı. (Yayımlanmamış Yüksek Lisans Tezi). Ankara Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Bölümü, Bilgisayar Mühendisliği Anabilim Dalı, Ankara.
4. Jang, J. S. R. (1993). ANFIS: Adaptive-Network-Based Fuzzy Inference System. Systems, Man and Cybernetics, IEEE Transactions on 23(3), 665-685.
5. Kalkınma Bakanlığı. (2015-2017). 2014 Orta Vadeli Program, 2015-2017, Ankara, 8.
6. Kırış, Ş., (2008). Hizmet Sektörü İçin Bir Tepkisel Çizelgeleme Sistem Önerisi Acil Servis Kontrol Sistemi. (Yayımlanmamış Doktora Tezi). Eskişehir Osmangazi Üniversitesi, Fen Bilimleri Enstitüsü, Eskişehir.
7. Meteorolojik Veri İşlem Dairesi Başkanlığı. http://www.mgm.gov.tr/kurumsal/birimler Erişim tarihi: 03.05.2015.
8. Öztürk, M., Hançer, M. vd, (2010). Bulanık Mantık Hesaplamalarına Dayalı Bulanık Mantık Hesaplamalarına Dayalı Binalarda Isı Kayıp-Kazanç Yaklaşımı. Bilimde Modern Yöntemler Sempozyumu-BMYS, (14-16 Ekim 2010), Diyarbakır.

9. Saraç, E. (2012). Bir Çağrı Merkezindeki Projelerin Anfis Metodu ile Değerlendirilmesi ve Seçimi. (Yayımlanmamış Yüksek Lisans Tezi). Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği Anabilim Dalı, Sistem Mühendisliği Programı, İstanbul.
10. Söyler, H. (2014). Türkiye’nin Enerji Simülasyonu ve Senaryo Analizleri. Malatya: Medipres Yayıncılık.
11. TÜİK. 2015 Temel İstatistikler. http://www.tuik.gov.tr/UstMenu.do?metod=temelist Erişim adresi: 10.05.2015.
12. Zadeh, L. A. (1975). The Concept of a Linguistic Variable and Its Application to Approximate Reasoning. II. Information Sciences 8(4), 301-357.