@article{article_1685722, title={YAPAY ZEKÂ VE MAKİNE ÖĞRENMESİ İLE ARITMA TESİSLERİNDE ENERJİ VERİMLİLİĞİ VE SÜREÇ İYİLEŞTİRME POTANSİYELİNİN DEĞERLENDİRİLMESİ}, journal={Akıllı Sistemler Dergisi}, volume={4}, pages={42–54}, year={2025}, author={Delikanlı, Niyazi Erdem}, keywords={Yapay zekâ, Makine öğrenmesi, Atıksu arıtma, Enerji verimliliği, Süreç optimizasyonu, Sürdürülebilirlik}, abstract={Bu çalışma, su arıtma tesislerinde yapay zekâ (YZ) ve makine öğrenmesi (MÖ) modellerinin süreç verimliliği ve enerji tüketimi üzerindeki potansiyel kazanımlarını incelemektedir. Literatür taramasıyla SVR, ANN, CNN, PLS-R, RF/GBT, Isolation Forest ve derin pekiştirmeli öğrenme gibi modellerin küresel ölçekte havalandırma enerjisini %25-35, toplam tesis enerjisini ise %10-25 oranında düşürdüğü saptanmıştır. Türkiye özelinde atıksu arıtma sektörünün yıllık elektrik yükü yaklaşık 1,6 TWh olarak hesaplanmış, YZ tabanlı optimizasyonun %15-25 tasarruf sağlayarak yılda 0,9-1,5 milyar TL maliyet ve 110 000-180 000 t CO₂ azaltımı potansiyeli sunduğu belirlenmiştir. Model başarısının yüksek kaliteli veri akışı, proses-uyumlu algoritma seçimi ve operatör eğitimiyle doğrudan ilişkili olduğu görülmüştür. Bulgular, ulusal teşvikler ve standartlaştırılmış veri altyapısı ile desteklenen YZ/MÖ entegrasyonunun Türkiye’de sürdürülebilir su yönetimi hedeflerini önemli ölçüde ilerletebileceğini göstermektedir.}, number={1}, publisher={Bartın Üniversitesi}