Araştırma Makalesi
PDF Zotero Mendeley EndNote BibTex Kaynak Göster

Yapılarda Isıtma ve Soğutma Yükü Sınıfların Makine Öğrenme Yöntemleri ile Belirlenmesi

Yıl 2018, Cilt 3, Sayı 2, 60 - 66, 28.10.2018

Öz

Son zamanlarda fosil yakıtların tükenmesiyle beraber enerji verimliliği kavramı oldukça önem kazanmıştır. Özellikle kapalı alanlarda enerji tüketimi en fazla ısıtma ve soğutma işlemleri için harcanmaktadır. Enerji fiyatları da göz önünde bulundurulduğunda insanlar artık ısı yalıtımlı binaları tercih etmektedir. Bu yüzden yapıların enerji sınıflarının doğru olarak belirlenmesi oldukça önem arz etmektedir. Bu çalışmada yapılardaki ısıtma ve soğutma yükü sınıflarının k-en yakın komşuluk (k-EK), Destek Vektör Makineleri (DVM) ve Karar Ağaçları yöntemleri ile belirlenmesi önerilmektedir. Böylelikle oluşturulan modellere yapı özellikleri girilerek herhangi bir ölçüm yapmadan yapıların ısıtma ve soğutma yükü sınıfları tahmin edilebilecektir. Bu amaçla UCI veri havuzundan enerji verimliliği veri seti kullanılarak k-en yakın komşuluk, destek vektör makineleri ve karar ağaçları yöntemleri ile sınıf tahminleri yapılmıştır. Bu çalışmada soğutma yükü sınıfı tahmini ve ısıtma yükü sınıfı tahmini ayrı ayrı yapılmış olup sınıflandırma başarı oranı hesaplanırken Birini Dışarıda Bırak Çapraz Doğrulama (BDBÇD) yöntemi kullanılmıştır. Sonuçlar yapıların ısıtma ve soğutma yükü sınıfları tahminlerinin makina öğrenme algoritmaları tarafından başarılı şekilde yapıldığını göstermektedir.    

Kaynakça

  • Aydın M, “Enerji Verimliliğinin Sürdürülebilir Kalkınmadaki Rolü: Türkiye Değerlendirmesi” Yönetim Bilimleri Dergisi 14,28: 409-441, 2016.
  • L.Perez-Lombard, J. Ortiz, C. Pout, (2008). A review on buildings energy consumption information. Energy and buildings, 40(3), 394- 398, 2008.
  • Özyurt, G., 2009. Enerji Verimliliği, Binaların Enerji Performansı ve Türkiye’deki Durum, Türkiye Mühendislik Haberleri Dergisi, 457.Sayısı, s. 32, Ankara.
  • A. Gasparella, G. Pernigotto, F. Cappelletti, P. Romagnoni and P. Baggio, "Analysis and modelling of window and glazing systems energy performance for a well insulated residential building", Energy and Buildings, vol. 43, no. 4, pp. 1030-1037, 2011.
  • KJ. Chua, SK. Chou, (2011). A performance-based method for energy efficiency improvement of buildings. Energy Conversion and Management, 52(4), 1829-1839.
  • M. Caldera, SP. Corgnati, M. Filippi, (2008). Energy demand for space heating through a statistical approach: application to residential buildings. Energy and Buildings, 40(10), 1972-1983.
  • A. Gupta, M. Kohli and N. Malhotra, "Classification based on Data Envelopment Analysis and supervised learning: A case study on energy performance of residential buildings", 2016 IEEE 1st International Conference on Power Electronics, Intelligent Control and Energy Systems (ICPEICES), 2016.
  • Castelli, L. Trujillo, L. Vanneschi and A. Popovič, "Prediction of energy performance of residential buildings: A genetic programming approach", Energy and Buildings, vol. 102, pp. 67-74, 2015.
  • Safarzadegan Gilan, N. Goyal and B. Dilkina, "Active Learning in Multi-objective Evolutionary Algorithms for Sustainable Building Design", Proceedings of the 2016 on Genetic and Evolutionary Computation Conference - GECCO '16, 2016.
  • Ö. Ertugrul and Y. Kaya, "Smart city planning by estimating energy efficiency of buildings by extreme learning machine", 2016 4th International Istanbul Smart Grid Congress and Fair (ICSG), 2016.
  • A. Tsanas, A. Xifara, (2012). Accurate quantitative estimation of energy performance of residential buildings using statistical machine learning tools. Energy and Buildings, 49, 560-567.
  • A. Gumuscu, K. Karadag, M. Tenekeci and I. Aydilek, "Genetic algorithm based feature selection on diagnosis of Parkinson disease via vocal analysis", 2017 25th Signal Processing and Communications Applications Conference (SIU), 2017.
  • K. Karadag and M. Ozerdem, "Classification of ECoG patterns related to finger movements with wavelet based SVM methods", 2014 22nd Signal Processing and Communications Applications Conference (SIU), 2014.
  • Cover T, Hart P, “Nearest Neighbor Pattern Classification” IEEE Transactions On Information Theory 13:21–27, 1967.
  • V. Vapnik, “The nature of statistical learning theory,” Springer-Verlag: New York, 1995.
  • Quinlan, C4.5: Programs for Machine Learning (Morgan Kaufmann, San Mateo, CA, 1993).
  • Maron, O. and Moore, A. W. Hoeffding races: Accelerating model selection search for classification and function approximation. In Cowan, J. D., Tesauro, G., and Alspector, J., editors, Advances in Neural Information Processing Systems, volume 6, pages 59–66. Morgan Kaufmann Publishers, Inc. (1994).

Yıl 2018, Cilt 3, Sayı 2, 60 - 66, 28.10.2018

Öz

Kaynakça

  • Aydın M, “Enerji Verimliliğinin Sürdürülebilir Kalkınmadaki Rolü: Türkiye Değerlendirmesi” Yönetim Bilimleri Dergisi 14,28: 409-441, 2016.
  • L.Perez-Lombard, J. Ortiz, C. Pout, (2008). A review on buildings energy consumption information. Energy and buildings, 40(3), 394- 398, 2008.
  • Özyurt, G., 2009. Enerji Verimliliği, Binaların Enerji Performansı ve Türkiye’deki Durum, Türkiye Mühendislik Haberleri Dergisi, 457.Sayısı, s. 32, Ankara.
  • A. Gasparella, G. Pernigotto, F. Cappelletti, P. Romagnoni and P. Baggio, "Analysis and modelling of window and glazing systems energy performance for a well insulated residential building", Energy and Buildings, vol. 43, no. 4, pp. 1030-1037, 2011.
  • KJ. Chua, SK. Chou, (2011). A performance-based method for energy efficiency improvement of buildings. Energy Conversion and Management, 52(4), 1829-1839.
  • M. Caldera, SP. Corgnati, M. Filippi, (2008). Energy demand for space heating through a statistical approach: application to residential buildings. Energy and Buildings, 40(10), 1972-1983.
  • A. Gupta, M. Kohli and N. Malhotra, "Classification based on Data Envelopment Analysis and supervised learning: A case study on energy performance of residential buildings", 2016 IEEE 1st International Conference on Power Electronics, Intelligent Control and Energy Systems (ICPEICES), 2016.
  • Castelli, L. Trujillo, L. Vanneschi and A. Popovič, "Prediction of energy performance of residential buildings: A genetic programming approach", Energy and Buildings, vol. 102, pp. 67-74, 2015.
  • Safarzadegan Gilan, N. Goyal and B. Dilkina, "Active Learning in Multi-objective Evolutionary Algorithms for Sustainable Building Design", Proceedings of the 2016 on Genetic and Evolutionary Computation Conference - GECCO '16, 2016.
  • Ö. Ertugrul and Y. Kaya, "Smart city planning by estimating energy efficiency of buildings by extreme learning machine", 2016 4th International Istanbul Smart Grid Congress and Fair (ICSG), 2016.
  • A. Tsanas, A. Xifara, (2012). Accurate quantitative estimation of energy performance of residential buildings using statistical machine learning tools. Energy and Buildings, 49, 560-567.
  • A. Gumuscu, K. Karadag, M. Tenekeci and I. Aydilek, "Genetic algorithm based feature selection on diagnosis of Parkinson disease via vocal analysis", 2017 25th Signal Processing and Communications Applications Conference (SIU), 2017.
  • K. Karadag and M. Ozerdem, "Classification of ECoG patterns related to finger movements with wavelet based SVM methods", 2014 22nd Signal Processing and Communications Applications Conference (SIU), 2014.
  • Cover T, Hart P, “Nearest Neighbor Pattern Classification” IEEE Transactions On Information Theory 13:21–27, 1967.
  • V. Vapnik, “The nature of statistical learning theory,” Springer-Verlag: New York, 1995.
  • Quinlan, C4.5: Programs for Machine Learning (Morgan Kaufmann, San Mateo, CA, 1993).
  • Maron, O. and Moore, A. W. Hoeffding races: Accelerating model selection search for classification and function approximation. In Cowan, J. D., Tesauro, G., and Alspector, J., editors, Advances in Neural Information Processing Systems, volume 6, pages 59–66. Morgan Kaufmann Publishers, Inc. (1994).

Ayrıntılar

Birincil Dil Türkçe
Konular Mühendislik
Bölüm Makaleler
Yazarlar

Abdülkadir GÜMÜŞÇÜ (Sorumlu Yazar)
Harran Üniversitesi
Türkiye


Mehmet Emin TENEKECİ
Türkiye


Nurettin BEŞLİ
0000-0003-3657-1393
Türkiye


Mehmet Akif İLKHAN Bu kişi benim
Türkiye


Emrah ASLAN Bu kişi benim


Sami ABAMOR Bu kişi benim

Yayımlanma Tarihi 28 Ekim 2018
Yayınlandığı Sayı Yıl 2018, Cilt 3, Sayı 2

Kaynak Göster

Bibtex @araştırma makalesi { humder398337, journal = {Harran Üniversitesi Mühendislik Dergisi}, issn = {}, eissn = {2528-8733}, address = {}, publisher = {Harran Üniversitesi}, year = {2018}, volume = {3}, pages = {60 - 66}, doi = {}, title = {Yapılarda Isıtma ve Soğutma Yükü Sınıfların Makine Öğrenme Yöntemleri ile Belirlenmesi}, key = {cite}, author = {Gümüşçü, Abdülkadir and Tenekeci, Mehmet Emin and Beşli, Nurettin and İlkhan, Mehmet Akif and Aslan, Emrah and Abamor, Sami} }
APA Gümüşçü, A. , Tenekeci, M. E. , Beşli, N. , İlkhan, M. A. , Aslan, E. & Abamor, S. (2018). Yapılarda Isıtma ve Soğutma Yükü Sınıfların Makine Öğrenme Yöntemleri ile Belirlenmesi . Harran Üniversitesi Mühendislik Dergisi , 3 (2) , 60-66 . Retrieved from https://dergipark.org.tr/tr/pub/humder/issue/40431/398337
MLA Gümüşçü, A. , Tenekeci, M. E. , Beşli, N. , İlkhan, M. A. , Aslan, E. , Abamor, S. "Yapılarda Isıtma ve Soğutma Yükü Sınıfların Makine Öğrenme Yöntemleri ile Belirlenmesi" . Harran Üniversitesi Mühendislik Dergisi 3 (2018 ): 60-66 <https://dergipark.org.tr/tr/pub/humder/issue/40431/398337>
Chicago Gümüşçü, A. , Tenekeci, M. E. , Beşli, N. , İlkhan, M. A. , Aslan, E. , Abamor, S. "Yapılarda Isıtma ve Soğutma Yükü Sınıfların Makine Öğrenme Yöntemleri ile Belirlenmesi". Harran Üniversitesi Mühendislik Dergisi 3 (2018 ): 60-66
RIS TY - JOUR T1 - Yapılarda Isıtma ve Soğutma Yükü Sınıfların Makine Öğrenme Yöntemleri ile Belirlenmesi AU - Abdülkadir Gümüşçü , Mehmet Emin Tenekeci , Nurettin Beşli , Mehmet Akif İlkhan , Emrah Aslan , Sami Abamor Y1 - 2018 PY - 2018 N1 - DO - T2 - Harran Üniversitesi Mühendislik Dergisi JF - Journal JO - JOR SP - 60 EP - 66 VL - 3 IS - 2 SN - -2528-8733 M3 - UR - Y2 - 2018 ER -
EndNote %0 Harran Üniversitesi Mühendislik Dergisi Yapılarda Isıtma ve Soğutma Yükü Sınıfların Makine Öğrenme Yöntemleri ile Belirlenmesi %A Abdülkadir Gümüşçü , Mehmet Emin Tenekeci , Nurettin Beşli , Mehmet Akif İlkhan , Emrah Aslan , Sami Abamor %T Yapılarda Isıtma ve Soğutma Yükü Sınıfların Makine Öğrenme Yöntemleri ile Belirlenmesi %D 2018 %J Harran Üniversitesi Mühendislik Dergisi %P -2528-8733 %V 3 %N 2 %R %U
ISNAD Gümüşçü, Abdülkadir , Tenekeci, Mehmet Emin , Beşli, Nurettin , İlkhan, Mehmet Akif , Aslan, Emrah , Abamor, Sami . "Yapılarda Isıtma ve Soğutma Yükü Sınıfların Makine Öğrenme Yöntemleri ile Belirlenmesi". Harran Üniversitesi Mühendislik Dergisi 3 / 2 (Ekim 2018): 60-66 .
AMA Gümüşçü A. , Tenekeci M. E. , Beşli N. , İlkhan M. A. , Aslan E. , Abamor S. Yapılarda Isıtma ve Soğutma Yükü Sınıfların Makine Öğrenme Yöntemleri ile Belirlenmesi. Harran Üniversitesi Mühendislik Dergisi. 2018; 3(2): 60-66.
Vancouver Gümüşçü A. , Tenekeci M. E. , Beşli N. , İlkhan M. A. , Aslan E. , Abamor S. Yapılarda Isıtma ve Soğutma Yükü Sınıfların Makine Öğrenme Yöntemleri ile Belirlenmesi. Harran Üniversitesi Mühendislik Dergisi. 2018; 3(2): 60-66.
IEEE A. Gümüşçü , M. E. Tenekeci , N. Beşli , M. A. İlkhan , E. Aslan ve S. Abamor , "Yapılarda Isıtma ve Soğutma Yükü Sınıfların Makine Öğrenme Yöntemleri ile Belirlenmesi", Harran Üniversitesi Mühendislik Dergisi, c. 3, sayı. 2, ss. 60-66, Eki. 2018