Derleme
BibTex RIS Kaynak Göster

Investigation of Studies on Natural Gas Consumption Forecasting by Artificial Neural Networks

Yıl 2020, , 190 - 197, 01.10.2020
https://doi.org/10.34248/bsengineering.740760

Öz

Demand forecasting is the estimation of how much goods and services the consumer will request in the future. The purpose of this study is to investigate how demand forecasting Works are done in the natural gas sector by using artificial neural Networks in the literature. As it is known, we follow a foreign-dependent policy in terms of natural gas supply. Today, it has an important position among natural gas anergy sources due to its stragetic and commercial advantages. Demand forecasting in the natural gas sector is of great stragetic importance, both in terms of investment planning and economics. In terms of natural gas, adhering to foreign countries is important in terms of determining the amount of gas to be bought and prices.

Kaynakça

  • Adıyaman F. 2007. Talep tahmininde yapay sinir ağlarının kullanılması. Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü Endüstri Mühendisliği Anabilim Dalı, 109, İstanbul.
  • Akgül S, Yıldız Ş. 2013. Doğal gaz tüketim tahmini. Sosyal ve Beşeri Bilimler Derg, 5(1): 440-452.
  • Ballı MT. 2014. Yapay sinir ağları ile talep tahmini ve gıda sektöründe uygulanması. Yüksek Lisans Tezi, Yıldız Teknik Üniversitesi Fen Bilimleri enstitüsü Endüstri Mühendisliği Anabilim Dalı, 180, İstanbul.
  • Demirceylan S. 2012. Erzurum’da doğalgaz tüketim miktarının yapay sinir ağları yöntemi kullanılarak tahmin edilmesi. Yüksek Lisans Tezi, Atatürk Üniversitesi Fen Bilimleri Enstitüsü Endüstri Mühendisliği Anabilim Dalı, 100, Erzurum.
  • Hatipoğlu T. 2010. Galvaniz sektöründe bir yapay sinir ağı uygulaması. Yüksek Lisans Tezi, Sakarya Üniversitesi Fen Bilimleri Enstitüsü Endüstri Mühendisliği Anabilim Dalı, 117, Sakarya.
  • Karaatlı M, Helvacıoğlu ÖC, Ömürbek N, Tokgöz G. 2012. Yapay sinir ağları yöntemi ile otomobil satış tahmini. Uluslararası Yönetim İktisat ve İşletme Derg, 8(17): 88-100.
  • Kaynar O, Taştan S, Demirkoparan F. 2011. 10. Ekonometri ve İstatistik Sempozyumu Özel Sayısı [Özel Sayı]. Atatürk Ü. İBBF Derg, 463-474.
  • Khotanzad A, Elragal H. 2000. Combination of artificial neural-network forecasters for prediction of natural gas consumption. IEEE Transacts on Neural Networks, 11: 464-473.
  • Kızılaslan R. 2008. Forecasting of short term and mid term İstanbul natural gas comsumption values by neural Networks algorithm. Master Thesis, Fatih University the Graduate Institute of Sciences and Engineering Industrial Engineering, 157, İstanbul.
  • Kuru V. 2014. Türkiye doğal gaz tüketiminin sektörel bazda analitik incelenmesi. Yüksek Lisans Tezi, Türk Hava Kurumu Üniversitesi Sosyal Bilimler Enstitüsü İşletme Anabilim Dalı, 104, İstanbul.
  • Mazak M. 2004. Doğal gazın tarihi serüveni. DTK Dergisi. URL: http://mehmetmazak.net/makale/3/270-istanbulda-ilk-modern-aydinlatilan-mekan-dolmabahce-sarayi-ve-dolmabahce-gazhanesi-tbmm-150-yilinda-dolmabahce-sarayi-uluslararasi-sempozyumu-2006#.Xd2M9OgzaM9 (erişim tarihi: 03.03.2020).
  • Meral G. 2019. Türkiye’de enerji santrallerinde doğal gaz tüketiminin destek vektör regresyon ile tahmini. Yüksek Lisan Tezi, Afyon Kocatepe Üniversitesi Fen Bilimleri Enstitüsü İstatistik Anabilim Dalı, 47, Afyon.
  • Oğuz ZD. 2019. Türkiye’de tasarruf açığının yapay sinir ağları modeli ile analizi. Yüksek Lisans Tezi, Van Yüzüncü Yıl Üniversitesi Sosyal Bilimler Enstitüsü İktisat Anabilim Dalı, 105, Van.
  • Oruç KO, Eroğlu ŞÇ. 2017. Isparta ili için doğal gaz talep tahmini. Süleyman Demirel Üniv İktisadi ve İdari Bil Fak Derg, 22(1): 31-42.
  • Öztemel E. 2012. Yapay sinir ağları (Üçüncü baskı). Papatya Yayıncılık, 44, İstanbul.
  • Öztürk A, Alkan Ö, Tosun S. 2018. Rüzgar ve güneş santrallerinde kısa dönem enerji üretim tahmini için matematiksel modellerin oluşturulması. Düzce ÜnivBilim ve Teknoloji Derg. 6: 188-195.
  • Rodger JA. 2014. A fuzzy nearest neighbor neural network statistical model for predicting demand for natural gas and energy cost savings in public buildings. Expert Systems with App, 41: 1813-1829.
  • Salih M. 2012. Dünyanın en büyük doğal gaz üreticileri. URL: https://www.bloomberght.com/haberler/haber/1269673-dunyanin-en-buyuk-dogalgaz-ureticileri (erişim tarihi: 26.11.2019).
  • Sönmez Çakır F. 2019. Matlab kodları ve matlab toolbox çözümleri (İkinci Baskı). Nobel Yayıncılık, 107, Ankara.
  • Szoplik J. 2015. Forecasting of natural gas consumption with artificial neural network. Energy J, 85: 208-220.
  • Taşkıner B. 2018. Ankara ili doğal gaz tüketiminin yapay sinir ağları ile öngörüsü. Yüksek Lisans Tezi, İstanbul teknik Üniversitesi Enerji Enstitüsü Enerji Bilim ve Teknoloji Anabilim Dalı, 67, İstanbul.
  • Tuna Ç. 2019. Doğal gaz talep tahmini: Erzurum ili üzerine bir uygulama. Yüksek Lisans Tezi, Erzurum Teknik Üniversitesi Sosyal Bilimler Enstitüsü İktisat Anabilim Dalı, 167, Erzurum.
  • WEC. 2019. Natural Gas Resources Report. World Energy Council.
  • Yılmaz Ü. 2010. Altı sigma ve yapay sinir ağlarının tekstil sektöründe karşılaştırmalı bir uygulaması. Yüksek Lisans Tezi, Uludağ Üniversitesi Fen Bilimleri Enstitüsü Endüstri Mühendisliği Anabilim Dalı, 143, Bursa.

Yapay Sinir Ağları İle Doğal Gaz Tüketim Tahminini Üzerine Yapılmış Çalışmaların İrdelenmesi

Yıl 2020, , 190 - 197, 01.10.2020
https://doi.org/10.34248/bsengineering.740760

Öz

Talep tahmini tüketicinin gelecek zamanda ne kadar mal ve hizmet talebinde bulunacağının değişkenler yardımıyla tahmin edilmesidir. Bu çalışmanın amacı, literatürde yapay sinir ağları kullanılarak doğal gaz sektöründe talep tahmin çalışmalarının nasıl yapıldığını irdelemektir. Bilindiği üzere doğal gaz temini açısından dışa bağımlı bir politika izlemekteyiz. Günümüzde doğal gaz enerji kaynakları arasında hem stratejik hem de ticari avantajları nedeniyle önemli bir konuma sahiptir. Doğal gaz sektöründe talep tahminin yapılması hem yatırım planlaması hem de ekonomik gibi stratejik açıdan oldukça fazla önem arz etmektedir. Doğal gaz açısından dış ülkelere bağlı olunması, alınacak gaz miktarının ve fiyatların belirlenmesi açısından önemlidir.

Kaynakça

  • Adıyaman F. 2007. Talep tahmininde yapay sinir ağlarının kullanılması. Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü Endüstri Mühendisliği Anabilim Dalı, 109, İstanbul.
  • Akgül S, Yıldız Ş. 2013. Doğal gaz tüketim tahmini. Sosyal ve Beşeri Bilimler Derg, 5(1): 440-452.
  • Ballı MT. 2014. Yapay sinir ağları ile talep tahmini ve gıda sektöründe uygulanması. Yüksek Lisans Tezi, Yıldız Teknik Üniversitesi Fen Bilimleri enstitüsü Endüstri Mühendisliği Anabilim Dalı, 180, İstanbul.
  • Demirceylan S. 2012. Erzurum’da doğalgaz tüketim miktarının yapay sinir ağları yöntemi kullanılarak tahmin edilmesi. Yüksek Lisans Tezi, Atatürk Üniversitesi Fen Bilimleri Enstitüsü Endüstri Mühendisliği Anabilim Dalı, 100, Erzurum.
  • Hatipoğlu T. 2010. Galvaniz sektöründe bir yapay sinir ağı uygulaması. Yüksek Lisans Tezi, Sakarya Üniversitesi Fen Bilimleri Enstitüsü Endüstri Mühendisliği Anabilim Dalı, 117, Sakarya.
  • Karaatlı M, Helvacıoğlu ÖC, Ömürbek N, Tokgöz G. 2012. Yapay sinir ağları yöntemi ile otomobil satış tahmini. Uluslararası Yönetim İktisat ve İşletme Derg, 8(17): 88-100.
  • Kaynar O, Taştan S, Demirkoparan F. 2011. 10. Ekonometri ve İstatistik Sempozyumu Özel Sayısı [Özel Sayı]. Atatürk Ü. İBBF Derg, 463-474.
  • Khotanzad A, Elragal H. 2000. Combination of artificial neural-network forecasters for prediction of natural gas consumption. IEEE Transacts on Neural Networks, 11: 464-473.
  • Kızılaslan R. 2008. Forecasting of short term and mid term İstanbul natural gas comsumption values by neural Networks algorithm. Master Thesis, Fatih University the Graduate Institute of Sciences and Engineering Industrial Engineering, 157, İstanbul.
  • Kuru V. 2014. Türkiye doğal gaz tüketiminin sektörel bazda analitik incelenmesi. Yüksek Lisans Tezi, Türk Hava Kurumu Üniversitesi Sosyal Bilimler Enstitüsü İşletme Anabilim Dalı, 104, İstanbul.
  • Mazak M. 2004. Doğal gazın tarihi serüveni. DTK Dergisi. URL: http://mehmetmazak.net/makale/3/270-istanbulda-ilk-modern-aydinlatilan-mekan-dolmabahce-sarayi-ve-dolmabahce-gazhanesi-tbmm-150-yilinda-dolmabahce-sarayi-uluslararasi-sempozyumu-2006#.Xd2M9OgzaM9 (erişim tarihi: 03.03.2020).
  • Meral G. 2019. Türkiye’de enerji santrallerinde doğal gaz tüketiminin destek vektör regresyon ile tahmini. Yüksek Lisan Tezi, Afyon Kocatepe Üniversitesi Fen Bilimleri Enstitüsü İstatistik Anabilim Dalı, 47, Afyon.
  • Oğuz ZD. 2019. Türkiye’de tasarruf açığının yapay sinir ağları modeli ile analizi. Yüksek Lisans Tezi, Van Yüzüncü Yıl Üniversitesi Sosyal Bilimler Enstitüsü İktisat Anabilim Dalı, 105, Van.
  • Oruç KO, Eroğlu ŞÇ. 2017. Isparta ili için doğal gaz talep tahmini. Süleyman Demirel Üniv İktisadi ve İdari Bil Fak Derg, 22(1): 31-42.
  • Öztemel E. 2012. Yapay sinir ağları (Üçüncü baskı). Papatya Yayıncılık, 44, İstanbul.
  • Öztürk A, Alkan Ö, Tosun S. 2018. Rüzgar ve güneş santrallerinde kısa dönem enerji üretim tahmini için matematiksel modellerin oluşturulması. Düzce ÜnivBilim ve Teknoloji Derg. 6: 188-195.
  • Rodger JA. 2014. A fuzzy nearest neighbor neural network statistical model for predicting demand for natural gas and energy cost savings in public buildings. Expert Systems with App, 41: 1813-1829.
  • Salih M. 2012. Dünyanın en büyük doğal gaz üreticileri. URL: https://www.bloomberght.com/haberler/haber/1269673-dunyanin-en-buyuk-dogalgaz-ureticileri (erişim tarihi: 26.11.2019).
  • Sönmez Çakır F. 2019. Matlab kodları ve matlab toolbox çözümleri (İkinci Baskı). Nobel Yayıncılık, 107, Ankara.
  • Szoplik J. 2015. Forecasting of natural gas consumption with artificial neural network. Energy J, 85: 208-220.
  • Taşkıner B. 2018. Ankara ili doğal gaz tüketiminin yapay sinir ağları ile öngörüsü. Yüksek Lisans Tezi, İstanbul teknik Üniversitesi Enerji Enstitüsü Enerji Bilim ve Teknoloji Anabilim Dalı, 67, İstanbul.
  • Tuna Ç. 2019. Doğal gaz talep tahmini: Erzurum ili üzerine bir uygulama. Yüksek Lisans Tezi, Erzurum Teknik Üniversitesi Sosyal Bilimler Enstitüsü İktisat Anabilim Dalı, 167, Erzurum.
  • WEC. 2019. Natural Gas Resources Report. World Energy Council.
  • Yılmaz Ü. 2010. Altı sigma ve yapay sinir ağlarının tekstil sektöründe karşılaştırmalı bir uygulaması. Yüksek Lisans Tezi, Uludağ Üniversitesi Fen Bilimleri Enstitüsü Endüstri Mühendisliği Anabilim Dalı, 143, Bursa.
Toplam 24 adet kaynakça vardır.

Ayrıntılar

Birincil Dil İngilizce
Konular Mühendislik
Bölüm Reviews
Yazarlar

Bedia Kant 0000-0001-6137-9518

Mehmet Serhat Odabas 0000-0002-1863-7566

Yayımlanma Tarihi 1 Ekim 2020
Gönderilme Tarihi 21 Mayıs 2020
Kabul Tarihi 17 Haziran 2020
Yayımlandığı Sayı Yıl 2020

Kaynak Göster

APA Kant, B., & Odabas, M. S. (2020). Investigation of Studies on Natural Gas Consumption Forecasting by Artificial Neural Networks. Black Sea Journal of Engineering and Science, 3(4), 190-197. https://doi.org/10.34248/bsengineering.740760
AMA Kant B, Odabas MS. Investigation of Studies on Natural Gas Consumption Forecasting by Artificial Neural Networks. BSJ Eng. Sci. Ekim 2020;3(4):190-197. doi:10.34248/bsengineering.740760
Chicago Kant, Bedia, ve Mehmet Serhat Odabas. “Investigation of Studies on Natural Gas Consumption Forecasting by Artificial Neural Networks”. Black Sea Journal of Engineering and Science 3, sy. 4 (Ekim 2020): 190-97. https://doi.org/10.34248/bsengineering.740760.
EndNote Kant B, Odabas MS (01 Ekim 2020) Investigation of Studies on Natural Gas Consumption Forecasting by Artificial Neural Networks. Black Sea Journal of Engineering and Science 3 4 190–197.
IEEE B. Kant ve M. S. Odabas, “Investigation of Studies on Natural Gas Consumption Forecasting by Artificial Neural Networks”, BSJ Eng. Sci., c. 3, sy. 4, ss. 190–197, 2020, doi: 10.34248/bsengineering.740760.
ISNAD Kant, Bedia - Odabas, Mehmet Serhat. “Investigation of Studies on Natural Gas Consumption Forecasting by Artificial Neural Networks”. Black Sea Journal of Engineering and Science 3/4 (Ekim 2020), 190-197. https://doi.org/10.34248/bsengineering.740760.
JAMA Kant B, Odabas MS. Investigation of Studies on Natural Gas Consumption Forecasting by Artificial Neural Networks. BSJ Eng. Sci. 2020;3:190–197.
MLA Kant, Bedia ve Mehmet Serhat Odabas. “Investigation of Studies on Natural Gas Consumption Forecasting by Artificial Neural Networks”. Black Sea Journal of Engineering and Science, c. 3, sy. 4, 2020, ss. 190-7, doi:10.34248/bsengineering.740760.
Vancouver Kant B, Odabas MS. Investigation of Studies on Natural Gas Consumption Forecasting by Artificial Neural Networks. BSJ Eng. Sci. 2020;3(4):190-7.

                                                24890