Sarıkaya, MuratÇelik, Mehmet Erdem2025-03-232025-03-232021https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=9MiDp3x86xrwjpi5-14w-bcZRh9Td1IXoqgPspEq5GwhJmchbnCoVGpdVK_dFTEPhttps://hdl.handle.net/11486/2648Bu tezde, yapay sinir ağları ve çoklu regresyon analiz yöntemleri kullanılarak Sinop ili için doğal gaz tüketim tahmini yapılmıştır. Doğal gaz tüketimini etkileyen faktörler olarak, sıcaklık, kullanıcı sayısı, birim fiyat dikkate alınmış ve aylık tüketim miktarı tahmin edilmeye çalışılmıştır. Yapay sinir ağlarında nöron sayıları ve aktivasyon fonksiyonu değerleri değiştirilip en uygun yöntem bulunmuştur. Tahmin çalışmalarında R2 değerleri karşılaştırılmıştır. Ayrıca, varyans analizi (ANOVA) yapılarak giriş parametrelerinin doğalgaz tüketimi üzerindeki etkisi istatistiksel olarak araştırılmıştır. Sonuç olarak, yapay sinir ağları yönteminin çoklu regresyon analizi yöntemine kıyasla başarılı sonuçlar verdiği gözlemlenmiştir. Yapay sinir ağlarında, en başarılı sonucu veren ağ mimarisi olarak 3-10-1, transfer fonksiyonu olarak LOGSIS ve eğitim fonksiyonu olarak Levenberg-Maquardt bulunmuştur. Bu ağ yapısında R2 değeri 0,99346 olarak hesaplanmıştır. Yapay sinir ağlarının Sinop ili için doğal gaz tüketim tahmininde kullanılabileceği görülmüştür.In this thesis, natural gas consumption is estimated for Sinop city by using artificial neural networks and multiple regression analysis methods. As factors affecting natural gas consumption, the temperature, number of users, unit price were taken into consideration and the monthly consumption amount was tried to be estimated. In artificial neural networks, the number of neurons and activation function values were changed and the most suitable method was found. R2 values were compared in the prediction studies. Also, the effect of input parameters on natural gas consumption was statistically investigated by performing analysis of variance (ANOVA). As a result, it was observed that the artificial neural networks method gave successful results as compared to the multiple regression analysis method. In artificial neural networks, the most successful results were obtained from 3-10-1 as the network architecture, LOGSIS as a transfer function and Levenberg-Maquardt as a training function. In this network structure, the R2 value was calculated as 0.99346. It has been seen that artificial neural networks can be used in natural gas consumption estimation for Sinop province.trinfo:eu-repo/semantics/openAccessEnerjiEnergyMakine MühendisliğiMaster Thesis169668568