K En Yakın Komşu Algoritması ile Binalarda Enerji Verimliliği Tahmini
Öz
Binaların ısıtma ve soğutma yükleri, bir binanın içindeki hava sıcaklığının belirli bir sıcaklıkta tutmak için gereken enerji miktarlarını ifade eder. Bu yükler, binanın yalıtımı, boyutu, şekli, konumu, kullanılan malzemeler ve ısıtma sistemi gibi birçok faktöre bağlıdır. Toplumsal refahın artırılmasında vazgeçilmez bir etken olan enerjinin giderek önem kazandığı günümüzde binalardaki enerji tüketiminin azaltılması, hem çevresel sürdürülebilirlik hem de ekonomik açıdan önemlidir. Bu çalışmada denetimli makine öğrenmesi algoritmalarından doğrusal regresyon ve k en yakın komşu algoritmaları kullanılarak bir regresyon problemi olan binalarda enerji verimliliği tahmini yapacak bir model geliştirilmiştir. Deneysel çalışmalar, 12 faklı binadan elde edilen sekiz adet şart özelliğe ve ısıtma yükü ve soğutma yükü olmak üzere iki sınıf değerine sahip toplamda 768 adet veri barındıran enerji verimliği veri kümesi kullanılarak gerçekleştirilmiştir. Çalışmada k en yakın komşu algoritmasının k parametre değeri optimize edilerek performansı arttırılmıştır. Elde edilen deneysel sonuçlara göre k en yakın komşu algoritması doğrusal regresyon algoritmasına göre çok daha başarılı ve %96’lar seviyesinde tahminler gerçekleştirmiştir. Çalışma sonunda elde edilen denetimli makine öğrenmesi modeli ile binaların enerji analizleri kolaylıkla yapılabilecek ve elde edilen analiz sonuçları enerji verimliliğinin arttırılabilmesi için geliştirilecek politikalarda kullanılabilecektir.
Anahtar Kelimeler
Enerji Verimliliği, Lineer Regresyon, K En Yakın Komşu, Makine Öğrenmesi
Kaynakça
- C. Janiesch, P. Zschech, K. Heinrich, Machine learning and deep learning. Electron Market. 31 (2021), 685–695. doi:10.1007/s12525-021-00475-2
- D. van de Sande, , et al. Developing, implementing and governing artificial intelligence in medicine: a step-by-step approach to prevent an artificial intelligence winter, BMJ Health & Care Informatics. 29(1) (2022). doi:10.1080/13645706.2019.1575882
- H. Hozhabr Pour, et al. A machine learning framework for automated accident detection based on multimodal sensors in cars, Sensors. 22(10) (2022). doi:10.3390/s22103634
- I. Lauriola, A. Lavelli, F. Aiolli, An introduction to deep learning in natural language processing: Models, techniques, and tools. Neurocomputing. 470 (2022), 443-456. doi:10.1016/j.neucom.2021.05.103
- X. Liang, J.A. Batsis, Y. Zhu, T.M. Driesse, R.M. Roth, , D. Kotz, B. MacWhinney, Evaluating voice-assistant commands for dementia detection. Computer Speech & Language. 72 (2022). doi:10.1016/j.csl.2021.101297
- Y. Gong, Y. Otomo, H. Igarashi, Sensorless metal object detection for wireless power transfer using machine learning. COMPEL-The international journal for computation and mathematics in electrical and electronic engineering. 41(3) (2022), 807-823. doi:10.1108/COMPEL-03-2021-0069
- M. Bansal, A. Goyal, A. Choudhary, A comparative analysis of K-Nearest Neighbour, Genetic, Support Vector Machine, Decision Tree, and Long Short Term Memory algorithms in machine learning. Decision Analytics Journal. 3 (2022). doi:10.1016/j.dajour.2022.100071
- H. Dabiri, V. Farhangi, M.J. Moradi, M. Zadehmohamad, M. Karakouzian,. Applications of Decision Tree and Random Forest as Tree-Based Machine Learning Techniques for Analyzing the Ultimate Strain of Spliced and Non-Spliced Reinforcement Bars. Applied Sciences. 12(10) (2022). doi:10.3390/app12104851
- C. Bogdal, R. Schellenberg, O. Höpli, M. Bovens, M. Lory , Recognition of gasoline in fire debris using machine learning: Part I, application of random forest, gradient boosting, support vector machine, and naïve bayes. Forensic Science International. 331 (2022). doi:10.1016/j.forsciint.2021.111146 [ A. Pektaş, O. İnan, Ağaç Tohum Algoritmasının Kümeleme Problemlerine Uygulanması, Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi. 4(1) (2022), 1-10.
- M. Karakoyun, A. Özkış, Transfer Fonksiyonları Kullanarak İkili Güve-Alev Optimizasyonu Algoritmalarının Geliştirilmesi ve Performanslarının Karşılaştırılması, Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 3(2) (2021), 1-10.