Box-Jenkins Yöntemi, Gri Tahminleme ve Yapay Sinir Ağları ile Kayseri İli Doğal Gaz Tüketim Tahmini

Abstract

Çevre sorunlarının ve enerjiye olan gereksinimin zamanla arttığı bir dünyada enerjinin verimli kullanılması büyük önem arz etmektedir. Ülkemizdeki doğal gaz ihtiyacı, büyük ölçüde ithal edilerek karşılanmaktadır. Bu nedenle doğal gazın verimli bir şekilde kullanılması, ülke ekonomisine katkıda bulunacaktır. Doğal gaz tüketiminin doğru tahmin edilmesi enerji sektörüne yapılacak yatırımların ve uluslararası gaz alım anlaşmalarının etkinliğine katkıda bulunmakla beraber, ihtiyaç fazlası doğal gaz temini sonucunda oluşabilecek ekonomik kayıpları en aza indirebilecektir. Bu sayede de geleceğe yönelik doğal gaz arz ve talep arasındaki dengesizlikler ortadan kaldırılabilecektir. Bu çalışmada EPDK’dan alınan 2015-2022 yılları arası aylık bazda Kayseri iline ait doğalgaz tüketim verisi kullanılmış olup, 2023 yılı için tüketim tahmini gerçekleştirilmiştir. Tahminleme yöntemleri olarak literatürde de büyük ölçüde kabul gören Box-Jenkins (ARIMA), Gri Tahminleme ve Yapay Sinir Ağları (YSA) yöntemleri kullanılmıştır. Kullanılan yöntemler Ortalama Mutlak Yüzde Hata (OMYH), Ortalama Mutlak Hata (OMH), Ortalama Kareli Hata (OKH), Ortalama Kareli Hata Kökü (OKHK) ve R2 hata ölçütleri bakımından karşılaştırılmış, 0,926 R2 değeri ile en başarılı sonucu veren çarpımsal ayrıştırma tabanlı GM(1,1) modelinin tahminleme için uygun olduğu görülmüştür. Uygun bulunan çarpımsal ayrıştırma tabanlı GM(1,1) modeli ile 2023 yılı için Kayseri ili aylık doğal gaz tüketim tahminlemesi yapılmıştır.

Keywords

• Doğal Gaz Tüketim Tahmini
• Box-Jenkins Yöntemi
• Gri Tahmin
• Yapay Sinir Ağları

Natural Gas Consumption Forecast in Kayseri with Box-Jenkins Methods, Grey Forecasting and Artificial Neural Networks

Abstract

In a world with growing environmental and energy concerns, effective energy use is crucial. Since our country largely imports natural gas, efficient usage is vital for the national economy. Accurate consumption estimates will enhance investment efficiency, optimize gas purchase agreements, and minimize economic losses from excess supply, thereby balancing future supply and demand. In this study, natural gas consumption data of Kayseri province on a monthly basis between the years 2015-2022, obtained from Republic of Türkiye Energy Market Regulatory Authority (EPDK), was used, and a consumption estimate was made for the year 2023. Auto Regressive Integrated Moving Average (ARIMA -Box-Jenkins), Gray Prediction and Artificial Neural Networks (ANNs) methods, which are widely accepted in the literature, were used as forecasting methods. The methods used were compared in terms of Mean Absolute Percentage Error (MAPE), Mean Absolute Error (MAE), Mean Squared Error (MSE), Root Mean Squared Error (RMSE) and R2 error performance measures, and it was seen that the multiplicative decomposition based grey GM(1,1) model, which gave the most successful result with an R2 value of 0.926, was suitable for estimation. With the appropriate multiplicative decomposition based GM(1,1) model, monthly natural gas consumption estimation of Kayseri province was made for the year 2023.

Keywords

• Natural gas consumption forecast
• Box-Jenkins models
• grey forecasting
• artificial neural networks

References

1. [1] Vikipedi, [Online]. https://tr.wikipedia.org/wiki/Doğalgaz [Erişim Tarihi: 18 Mart 2023].
2. [2] M. Aydın, "Denizli ili için doğal gaz tüketim analizi ve tahmini," Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü, Yüksek Lisans Tezi, İşletme Ana Bilim Dalı Sayısal Yöntemler Programı, Denizli, Türkiye, 2022.
3. [3] H. Aras, N. Aras, "Eskişehir'de konutsal doğal gaz talebine ekonomik göstergelerin ve dış ortam sıcaklığının etkileri," Mühendis ve Makina Dergisi, cilt 46., sayı 540, ss. 20- 27, 2005.
4. [4] N. Kaya, "Zaman serilerine dayalı tahmin yöntemleri ile Türkiye’nin yenilenebilir enerji kaynakları talebinin tahmini," Karadeniz Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği Ana Bilim Dalı, Yüksek Lisans Tezi, Trabzon, Türkiye, 2005.
5. [5] Y. Çuhadar, P. Güngör ve Y. Göksu, "Turizm talebinin yapay sinir ağları ile tahmini ve zaman serisi yöntemleri ile karşılaştırmalı analizi: Antalya iline yönelik bir uygulama," Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, cilt 14, sayı 1, ss. 99-114, 2009. https://dergipark.org.tr/tr/pub/sduiibfd/issue/20831/223138
6. [6] O. Kaynar, S. Taştan, ve F. Demirkoparan, "Yapay sinir ağları ile doğalgaz tüketim tahmini," Atatürk Üniversitesi, İktisadi ve İdari Bilimler Dergisi, cilt 25, 2011.
7. [7] M. Kırçil, "Box- Jenkins yöntemi ile konut doğal gaz talebinin tahminlenmesi: İzmir ili örneği" Süleyman Demirel Üniversitesi, Sosyal Bilimler Enstitüsü, Yüksek Lisans Tezi, Isparta, Türkiye, 2013.
8. [8] K. Oruç, ve Ş. Çelik, "Isparta ili için doğal gaz talep tahmini," Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, cilt 22, sayı 1, ss. 31-42. 2016.

9. [9] H. Ekmekçi, "Türkiye'deki doğal gaz kullanımının ARIMA metodu ile istatistiksel analizi," Karabük Üniversitesi, Fen Bilimleri Enstitüsü, Makine Mühendisliği Anabilim Dalı, Yüksek Lisans Tezi, Karabük, Türkiye, 2016.
10. [10] T. Eren, "Doğal gaz tüketim planlamasında gri tahmin yöntemi ve Türkiye uygulaması," İstanbul Ticaret Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği Ana Bilim Dalı, Yüksek Lisans Tezi, İstanbul, Türkiye, 2017.
11. [11] S. Singh, and A. Yassine, "Big data mining of energy time series for behavioral analytics and energy consumption forecasting," Energies, vol. 11, no. 2, 452, 2018. doi: 10.3390/en11020452
12. [12] B. Taşkıner, "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, Türkiye, 2018.
13. [13] T. Akman, C. Yılmaz, ve Y. Sönmez, "Elektrik yükü tahmin yöntemlerinin analizi," Gazi Mühendislik Bilimleri Dergisi, cilt 4, sayı 3, ss. 168-175, 2018. doi:10.30855/GJES.2018.04.03.003
14. [14] M. H. Calp, "İşletmeler için personel yemek talep miktarının yapay sinir ağları kullanılarak tahmin edilmesi," Politeknik Dergisi, cilt 22, sayı 3, ss. 675-686, 2019. doi:10.2339/politeknik.444380
15. [15] O. E. Erdem, "Makine öğrenme teknikleri ile Türkiye’nin doğalgaz enerji tüketiminin tahminlenmesi," Konya Teknik Üniversitesi, Lisansüstü Eğitim Enstitüsü, Endüstri Mühendisliği Anabilim Dalı, Yüksek Lisans Tezi, Konya, Türkiye, 2019.
16. [16] Ç. Tuna, "Doğal gaz talep tahmini: Erzurum ili üzerine bir uygulama," Erzurum Teknik Üniversitesi, Sosyal Bilimler Enstitüsü, İktisat Ana Bilim Dalı, Yüksek Lisans Tezi, Erzurum, Türkiye, 2019.
17. [17] M. Akpınar, ve N. Yumuşak, "Günlük temelli orta vadeli şehir doğal gaz talebinin tek değişkenli istatistik teknikleri ile tahmini," Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, cilt 35, sayı 2, ss. 725-742, 2020. doi: 10.17341/gazimmfd.494094
18. [18] K., Oruç, ve A. Başağaoğlu Fındık, "Gri tahminleme ile Süleyman Demirel Üniversitesi Ağız Diş Sağlığı Merkezi’nde yatan hasta sayılarının tahmini," Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, cilt 37, ss. 193-212, 2020.
19. [19] V. Demir, ve A. Ü. Keskin, "Yapay Sinir Ağları Yardımıyla Yükseklik Modellemesi Samsun-Mert Irmağı Havzası Örneği," Gazi Mühendislik Bilimleri Dergisi, cilt 6, sayı 1, ss. 54-61, 2020. doi:10.30855/gmbd.2020.01.05
20. [20] S. Sayım, ve V. Ömürbek, "Gri tahmin GM (1, 1) modeli ile bir büyükşehir belediyesinde gelir tahmini," Mehmet Akif Ersoy Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, cilt 8, sayı 3, ss. 1782-1805, 2021. doi:10.30798/makuiibf978524
21. [21] Ü. B. Köse, "Yapay sinir ağları ve gri model ile döviz kuru tahmini," Marmara Üniversitesi Sosyal Bilimler Enstitüsü, Sayısal Yöntemler Ana Bilim Dalı, Yüksek Lisans Tezi, İstanbul, Türkiye, 2021.
22. [22] W. Panek, and T. Włodek, "Natural gas consumption forecasting based on the variability of external meteorological factors using machine learning algorithms," Energies, vol. 15, 348, 2022. doi:10.3390/en15010348
23. [23] M. H. Safiyari, S. Shavvalpour, and S. Tarighi, "From traditional to modern methods: comparing and introducing the most powerful model for forecasting the residential natural gas demand," Energy Reports, vol. 8, pp. 14699-14715, 2022. doi:10.1016/j.egyr.2022.10.397
24. [24] O. Çevik, "Zaman serileri analizinde Box-Jenkins Yöntemi ve turizm verileri üzerine bir uygulama," Kırıkkale Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı, Doktora Tezi, Kırıkkale, Türkiye, 1999.
25. [25] Ö. Duru, "Zaman serileri analizinde arıma modelleri ve bir uygulama," İstanbul Üniversitesi, Sosyal Bilimler Enstitüsü, Ekonomi Bölümü Ekonometri Ana Bilim Dalı, Yüksek Lisans Tezi, İstanbul, Türkiye, 2007.
26. [26] H. Yılmaz, "Türkiye’deki seragazı emisyon envanterinin geliştirilen gri tahmin yöntemi ile incelenmesi ve bir uygulama," Atatürk Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği Ana Bilim Dalı, Yüksek Lisans Tezi, Erzurum, Türkiye, 2013.
27. [27] B. Akın, "Yapay sinir ağlarıyla Konya bölgesinde kullanıcı doğal gaz tüketim öngörüsü," İstanbul Teknik Enstitüsü, Enerji Bilim ve Teknoloji Anabilim Dalı, Yüksek Lisans tezi, İstanbul, Türkiye, 2017.
28. [28] B. Salttürk, "Yapay sinir ağları ile ürün satış miktarlarının tahmini: Mobilya sektöründe bir uygulama," Sakarya Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği, Ana Bilim Dalı, Yüksek Lisans tezi, Sakarya, Türkiye, 2022.
29. [29] Enerji Piyasası Düzenleme Kurumu, Doğal gaz aylık sektör raporları, [Online]. https://www.epdk.gov.tr/Detay/Icerik/3-0-95-1007/dogal-gazaylik-sektor-raporu [Erişim Tarihi: 20 Nisan 2023].