利用海洋捕食者算法预测土耳其能源需求的综合研究

Ahmet Özkış
{"title":"利用海洋捕食者算法预测土耳其能源需求的综合研究","authors":"Ahmet Özkış","doi":"10.17780/ksujes.1413432","DOIUrl":null,"url":null,"abstract":"Enerjiye olan talep her geçen gün artmakta ve bu talebin önceden tahmin edilebilmesi büyük önem arz etmektedir. Bu çalışma, yakın zamanda önerilen deniz avcıları algoritması (MPA) ile Türkiye’nin 1979 – 2015 yılları arasındaki enerji talebini tahmin etmek amacıyla yapılmıştır. Çalışmada kullanılan doğrusal ve ikinci dereceden regresyon modellerinin ağırlıklarının belirlenmesinde MPA’dan yararlanılmıştır. Yapılan incelemelere göre MPA literatürde ilk kez bu amaçla kullanılmaktadır. MPA’nın toplam karesel hata ve toplam bağıl yüzde hatası metrikleri için elde ettiği sonuçlar, literatürde iyi bilinen diferansiyel evrim, Arşimet optimizasyon, güve alev optimizasyonu ve gri kurt algoritmaları ile kıyaslanmıştır. Literatürdeki diğer çalışmalardan farklı olarak performans karşılaştırmaları sadece en iyi değer üzerinden değil; en iyi, en kötü, ortalama ve standart sapma değerlerine göre yapılmıştır. Elde edilen sonuçlar MPA’nın enerji talep tahmin probleminde karşılaştırılan algoritmalardan daha başarılı ve kararlı bir yapıya sahip olduğunu göstermiştir.","PeriodicalId":508025,"journal":{"name":"Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi","volume":"128 3","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2024-06-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"DENİZ YIRTICILARI ALGORİTMASI İLE TÜRKİYE’NİN ENERJİ TALEBİNİN TAHMİN EDİLMESİNE YÖNELİK KAPSAMLI BİR ÇALIŞMA\",\"authors\":\"Ahmet Özkış\",\"doi\":\"10.17780/ksujes.1413432\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Enerjiye olan talep her geçen gün artmakta ve bu talebin önceden tahmin edilebilmesi büyük önem arz etmektedir. Bu çalışma, yakın zamanda önerilen deniz avcıları algoritması (MPA) ile Türkiye’nin 1979 – 2015 yılları arasındaki enerji talebini tahmin etmek amacıyla yapılmıştır. Çalışmada kullanılan doğrusal ve ikinci dereceden regresyon modellerinin ağırlıklarının belirlenmesinde MPA’dan yararlanılmıştır. Yapılan incelemelere göre MPA literatürde ilk kez bu amaçla kullanılmaktadır. MPA’nın toplam karesel hata ve toplam bağıl yüzde hatası metrikleri için elde ettiği sonuçlar, literatürde iyi bilinen diferansiyel evrim, Arşimet optimizasyon, güve alev optimizasyonu ve gri kurt algoritmaları ile kıyaslanmıştır. Literatürdeki diğer çalışmalardan farklı olarak performans karşılaştırmaları sadece en iyi değer üzerinden değil; en iyi, en kötü, ortalama ve standart sapma değerlerine göre yapılmıştır. Elde edilen sonuçlar MPA’nın enerji talep tahmin probleminde karşılaştırılan algoritmalardan daha başarılı ve kararlı bir yapıya sahip olduğunu göstermiştir.\",\"PeriodicalId\":508025,\"journal\":{\"name\":\"Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi\",\"volume\":\"128 3\",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2024-06-03\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.17780/ksujes.1413432\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.17780/ksujes.1413432","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

土耳其对能源的需求与日俱增,因此对能源需求进行预测非常重要。本研究利用最近提出的海洋捕食者算法(MPA)对土耳其 1979 年至 2015 年的能源需求进行了预测。MPA 用于确定研究中使用的线性和二次回归模型的权重。根据分析结果,MPA 是文献中首次用于此目的。MPA 所获得的总平方误差和总相对百分比误差指标结果与文献中著名的微分进化算法、阿基米德优化算法、飞蛾扑火优化算法和灰狼算法进行了比较。与其他文献研究不同的是,性能比较不仅基于最佳值,还基于最佳值、最差值、平均值和标准偏差值。结果表明,在能源需求预测问题上,MPA 比其他算法更成功、更稳定。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
DENİZ YIRTICILARI ALGORİTMASI İLE TÜRKİYE’NİN ENERJİ TALEBİNİN TAHMİN EDİLMESİNE YÖNELİK KAPSAMLI BİR ÇALIŞMA
Enerjiye olan talep her geçen gün artmakta ve bu talebin önceden tahmin edilebilmesi büyük önem arz etmektedir. Bu çalışma, yakın zamanda önerilen deniz avcıları algoritması (MPA) ile Türkiye’nin 1979 – 2015 yılları arasındaki enerji talebini tahmin etmek amacıyla yapılmıştır. Çalışmada kullanılan doğrusal ve ikinci dereceden regresyon modellerinin ağırlıklarının belirlenmesinde MPA’dan yararlanılmıştır. Yapılan incelemelere göre MPA literatürde ilk kez bu amaçla kullanılmaktadır. MPA’nın toplam karesel hata ve toplam bağıl yüzde hatası metrikleri için elde ettiği sonuçlar, literatürde iyi bilinen diferansiyel evrim, Arşimet optimizasyon, güve alev optimizasyonu ve gri kurt algoritmaları ile kıyaslanmıştır. Literatürdeki diğer çalışmalardan farklı olarak performans karşılaştırmaları sadece en iyi değer üzerinden değil; en iyi, en kötü, ortalama ve standart sapma değerlerine göre yapılmıştır. Elde edilen sonuçlar MPA’nın enerji talep tahmin probleminde karşılaştırılan algoritmalardan daha başarılı ve kararlı bir yapıya sahip olduğunu göstermiştir.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
PİRAZOL TÜREVI BİR BİLEŞİĞİN KURAMSAL HESAPLAMALARI VE HİRSHFELD YÜZEY ANALİZİ GÜNCEL SANATTA BİR ÜRETİM BİÇİMİ OLARAK ÇEKİŞMELİ ÜRETKEN AĞLAR BENTONİT KUM KARIŞIMLARINDA ELASTİK DRENAJSIZ MODUL-SERBEST BASINÇ MUKAVEMETİ İLİŞKİSİ MULTİSPEKTRAL VE HİPERSPEKTRAL GÖRÜNTÜLEME TEKNİKLERİNİN MEYVE - SEBZE İŞLEME TESİSLERİNDE KULLANIM OLANAKLARI A DEEP LEARNING-BASED DEMAND FORECASTING SYSTEM FOR PLANNING ELECTRICITY GENERATION
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1