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.
deniz avcıları algoritması enerji talep tahmini regresyon analizi metasezgisel algoritmalar.
Herhangi bir kurum ya da kişiyle çıkar çatışması bulunmamaktadır.
Destek alınan bir kurum bulunmamaktadır.
Emekleriniz için şimdiden teşekkürler.
The energy demand is increasing day by day, and it is of great importance to predict this demand. This study was conducted to estimate Turkey's energy demand between 1979 - 2015 with the recently proposed marine predators algorithm (MPA). To determine the weights of the linear and quadratic regression models used in the study is utilized from the MPA. According to the studies, MPA is used for this purpose for the first time in the literature. The results obtained by the MPA for sum-squared-error and total-relative-percentage-error metrics were compared with algorithms well-known in the literature differential evolution, Archimedes optimization, moth flame optimization, and grey wolf optimizer. Unlike other studies in the literature, performance comparisons are not only based on the best value; it was made according to the best, worst, average, and standard deviation values. The results showed that MPA has a more successful and stable structure than the compared algorithms in the energy demand forecasting problem.
Marine predator algorithm energy demand estimation regression analysis metaheuristic algorithms
There is no conflict of interest with any institution or person.
There is no institution that receives support.
Thanks in advance for your efforts.
Primary Language | Turkish |
---|---|
Subjects | Reinforcement Learning, Evolutionary Computation, Modelling and Simulation |
Journal Section | Computer Engineering |
Authors | |
Publication Date | June 3, 2024 |
Submission Date | January 3, 2024 |
Acceptance Date | February 14, 2024 |
Published in Issue | Year 2024Volume: 27 Issue: 2 |