K En Yakın Komşu Algoritması ile Binalarda Enerji Verimliliği Tahmini

Abstract

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.