TÜRKİYE'DE ISITMA GÜN DERECELERİNİN YAPAY SİNİR AĞI İLE ANALİZİ

Sürmeli S., Yeniçun A., Pınar E., Bilgili M.

Uluslararası Katılımlı 25. Isı Bilimi ve Tekniği Kongresi, Adana, Türkiye, 10 - 12 Eylül 2025, ss.16-24, (Tam Metin Bildiri)

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Basıldığı Şehir: Adana
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.16-24
  • Çukurova Üniversitesi Adresli: Evet

Özet

Bu çalışma, Türkiye’deki 39 il için Isıtma Gün Derece (Heating Degree Days - HDD) verilerini kullanarak yapay sinir ağları (YSA) yöntemiyle analiz edilmesini amaçlamaktadır. Modelin eğitimi için 32 ilin verileri kullanılmıştır. Test için ise farklı coğrafi bölgelerden seçilen 7 il (Denizli, Erzincan, Siirt, Kırıkkale, Osmaniye, Sakarya ve Amasya) seçilmiştir. Modelin doğruluğunu test etmek amacıyla farklı bölgelerden seçilen iller için analizler sonucu gerçek değerlerle karşılaştırılmış olup YSA modelinin HDD değerlerini başarılı bir şekilde tahmin ettiği görülmüştür. Elde edilen bu sonuçlar enerji verimliliği için yapılan çalışmalar ve yatırım planları açısından önemli bir rehber niteliğindedir. Özellikle ısıtma ihtiyacının belirlenmesi, enerji tüketim projeksiyonları ve sürdürülebilir enerji politikalarının oluşturulmasında kullanılabilecek veriler sağlamaktadır. Bu doğrultuda, çalışma yapay zekâ tabanlı tahmin modellerinin enerji planlamasında etkin bir araç olabileceğini ortaya koymaktadır.

This study aims to analyze Heating Degree Days (HDD) data for 39 provinces in Turkey using artificial neural networks (ANN). Data from 32 provinces were used for training the model. For testing, 7 provinces selected from different geographical regions (Denizli, Erzincan, Siirt, Kırıkkale, Osmaniye, Sakarya, and Amasya) were chosen. To test the accuracy of the model, the analysis results for the provinces selected from different regions were compared with actual values, and it was observed that the ANN model successfully predicted the HDD values. These results provide an important guide for studies and investment plans related to energy efficiency. In particular, it provides data that can be used in determining heating needs, energy consumption projections, and the creation of sustainable energy policies. Accordingly, the study demonstrates that artificial intelligence-based prediction models can be an effective tool in energy planning.