Isı pompaları, binalarda soğutma ve ısıtma için kullanılan konvansiyonel sistemlere verimli ve ulaşılabilir alternatiflerdir. Isı kaynağı olarak toprak ısısını kullanan toprak kaynaklı ısı pompaları (TKIP), ısıtma ve soğutma yüklerini temiz ve sürdürülebilir bir şekilde karşılamak için umut verici teknolojilerdir. TKIP, kurulum ve işletme maliyetleri yüksek olan bir sistemdir. Bu nedenle verimlilik açısından farklı sektörlerde kullanımı uygun olan TKIP sistemini kurmadan performans analizleri yapılabilir olması çok önemlidir. Sistemler kurulmadan önce performans değerlerinin tahmin edilebilecek olduğu modeller ile değerlendirilmesi yaklaşımdan yola çıkılarak, ısı pompası ve sistemin performansı ve yoğuşturucudan atılan ısıyı tahmin etmek için bir yapay sinir ağı (YSA) modeli önerilmektedir. Yapay sinir ağları ile regresyon analizi, girdi ve çıkış verileri arasındaki karmaşık ilişkileri öğrenme yeteneğine sahip bir makine öğrenimi yöntemidir ve problemlerindeki non-lineer ilişkileri etkili bir şekilde modelleyebilir. Sivas ilinde Kurulan deneysel sistem ile ölçülen veriler, YSA'yı eğitmek için eğitim verisi ve test verisi olarak ayrılmıştır ve modelin ilk aşamasında eğitim verisi; ikinci aşamasında ise test verisi kullanılmıştır. Sunulan çalışmada, yatay TKIP’ın performans katsayısını tahmin etmek için çeşitli uygulamalarda kullanılmış ve özellikle sistem modelleme ve sistem tanımlamada yararlı oldukları gösterilmiş yapay sinir ağlarının uygulanabilirliği ortaya konulmuştur. Bu çalışmanın sonucunda, ısı pompası COP R2 değeri 0,9733, TKIP sistemi COP R2 değeri 0,9896 ve yoğuşturucudan atılan ısının YSA modelinin R2 değeri 0,9878 olduğu tespit edilmiştir. Üretilen istatistiksel belirleyiciler üzerinden yola çıkılarak YSA'ların TKIP sisteminde doğru bir yöntem olarak COP tahmini için kullanılabileceği sonucuna varılmıştır.
Heat pumps are efficient and accessible alternatives to conventional systems used for cooling and heating in buildings. Ground Source Heat Pumps (GSHP), using ground heat as the heat source, are promising technologies to meet heating and cooling loads in a clean and sustainable way. GSHP is a system with high installation and operating costs. For this reason, it is very important that performance analyzes can be made without installing the GSHP system, which is suitable for use in different sectors in terms of efficiency. An artificial neural network (ANN) model is proposed to predict the performance of the heat pump and system and the heat removed from the condenser, starting from the approach of evaluating the performance values with models from which the systems can be estimated before they are installed. Regression analysis with artificial neural networks is a machine learning method that has the ability to learn complex relationships between input and output data and can effectively model non-linear relationships in problems. The data measured by the established in Sivas province experimental system are separated as training data and test data to train the ANN and in the first stage of the model, the training data; In the second stage, test data was used. In the presented study, the applicability of artificial neural networks, which have been used in various applications to estimate the coefficient of performance of horizontal GSHP, and which have been shown to be especially useful in system modeling and system description, has been demonstrated. As a result of this study, it was determined that the COP R2 value of the heat pump was 0,9733, the COP R2 value of the TKIP system was 0,9896, and the R2 value of the ANN model of the heat removed from the condenser was 0,9878. Based on the statistical determinants produced, it was concluded that ANNs can be used for COP estimation as an accurate method in the GSHP system.