Sıklıkla kullanılan yapay sinir ağları algoritmalarının Antalya iline ait elektrik yük tahmini özelinde analitik olarak değerlendirilmesi

Abstract

Bu çalışmada, Yapay Sinir Ağları (YSA) kullanılarak Antalya iline ait elektrik yük tahmini baz alınıp algoritmalar değerlendirilmiştir. Çalışmada oluşturulan elektrik yük modeli MATLAB programı YSA araç kutusu ile geri beslemeli 3 katmanlı bir ağ olarak tasarlanmış ve çözülmüştür. Modelde kullanılan giriş verileri 2001-2011 yılları arasındaki aylık ortalama Elektrik (E), Sıcaklık (S), Nem (N), Basınç (B) ve Nüfus (P) değerlerini kapsamaktadır. Modelde E-S-N-B, E-S-N, E-B-N, E-B-S ve E-S-B-P giriş verileri kullanılmış olup, Levenberg-Marquardt (LM), Gradient-Descent (GD), Resilient Propagation (RP), Gradient-Descent-Momentum (GDM), Gradient-Descent-Adaptive (GDA) ve Gradient-Descent-Adaptive-Momentum-Rate Backpropagation (GDX) algoritmaları yardımıyla otuz adet tahmin değeri elde edilmiştir. Elde edilen değerler ile hesaplanan ortalama karekök hatası değeri (OKH), iterasyon sayısı, işlem süresi gibi kriterleri baz alan bir Analitik Hiyerarşi Süreci (AHS) modeli geliştirilmiş ve sıklıkla kullanılan bu YSA algoritmaları sıralanmıştır. Diğer çalışmalardan farklı olarak YSA modeli üç veya dört girişli olarak çalıştırılmış ve sıklıkla kullanılan YSA algoritmaları Antalya ili vaka çalışması üzerinden birçok-kriterli karar verme aracı olan AHS yöntemi ile değerlendirilmiştir.

In this study, Artificial Neural Networks (ANN), using Turkey's Antalya Province is located in the southern region of electric load forecasting, based algorithms have been evaluated. In this study, the electrical model of MATLAB neural network toolbox and a feedback network is designed with three floors and has been resolved. Electrical (E), temperature (S), humidity (N), pressure (B) and population (P) values to the input data used in the model between the years of 2001-2011. In the model, preparing the grant application ESBN, ESN, EBN, EBS and ESBP input data was used. Thirty Algorithms predicted values were obtained with the help Levenberg-Marquardt (LM), Gradient-Descent (GD), Resilient Propagation (RP), Gradient-Descent-Momentum (GDM), Gradient-Descent-Adaptive (GDA) and Gradient-Descent-Adaptive-Momentum-Rate Backpropagation (GDX). Root mean square error (RMSE) was estimated with the values obtained. RMSE, the number of iterations, such as processing time criteria on which to base an Analytical Hierarchy Process (AHP) model is developed. ANN commonly used algorithms are evaluated. In this study, ANN model was run with three or more inputs and ANN algorithms commonly used case study of Antalya province many-criteria decision-making tool was evaluated by the AHP method.