Carbon dioxide emissions prediction using meta-heuristic methods for renewable and non-renewable sources' applications
[ X ]
Tarih
2022
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Adana Alparslan Türkeş Bilim ve Teknoloji Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Karışık Kurbağa Sıçrama Algoritması (SFLA), 2003 yılında önerilmiş doğa esinli ve sürü tabanlı bir metasezgisel algoritmadır. SFLA, belli bir popülasyondaki kurbağaların maksimum miktarda besine, minimum hareketle ulaşabilmesi için yaptıkları hareketleri konu alan bir optimizasyon algoritmasıdır. Bu tez çalışmasında ilk olarak, SFLA'nın optimum çözüme ulaşma hızını arttırmak ve lokal minimuma takılma ihtimalini en aza indirmek için hibrit bir yöntem önerilmiştir. Önerilen bu hibrit yöntemde ilk olarak, SFLA algoritmasının arama kabiliyeti Levy uçuş fonksiyonu ile arttırılmıştır. Daha sonra geliştirilen yöntem (ILSFLAFA), Ateşböceği Algoritması (FA) ile hibrit yapıda çalıştırılmıştır ve önerilen bu yöntemin başarısı Benchmark fonksiyonları ile ispatlanmıştır. Tez çalışmasının ikinci aşamasında ise yeni bir tahmin yöntemi önerilmiştir. Bu tahmin yönteminde çok katmanlı ileri beslemeli yapay sinir ağı kullanılmıştır. Yapay sinir ağı, ILSFLAFA yöntemi ile eğitilmiştir. Geliştirilen bu yeni hibrit-sürü tabanlı yapay sinir ağı (HSBNN) tahmin yöntemi, Türkiye'nin CO2 emisyon miktarının tahmini için kullanılmıştır. İlk olarak geliştirilen yöntem, 2016 yılında bu konuda yapılan tahmin çalışması ile karşılaştırılmış ve önerilen yöntemin başarısı ve etkisi gösterilmiştir. Daha sonra, önerilen HSBNN kullanılarak Türkiyenin CO2 salınımı tahmini problemi için yeni bir tahmin yöntemi geliştirilmiştir. Bu aşamada en iyi modeli bulabilmek için dört farklı tahmin modeli geliştirilmiş ve elde edilen sonuçlar incelenmiştir. Yapay sinir ağının (YSA) optimal parametreleri belirlenirken girdi değişkenleri olarak; yıl, Ar-Ge yatırımları, yenilenebilir enerjinin toplam nihai enerji tüketimi oranı, nüfus, kentleşme, motorlu taşıt sayısı, enerji tüketimi ve GSYİH kullanılmıştır. Türkiye'ye ait bu veri seti, farklı kurumlardan alınan veriler bir araya getirilerek oluşturulmuştur. Birinci tahmin modelinde, gizli katmanda bir katman kullanılmıştır. Bu yöntemin katmanlarındaki nöron sayıları 8-12-1 olarak çalışılmıştır. Diğer üç tahmin yönteminde gizli katmanda iki katman kullanılmıştır. İkinci tahmin modeline ait nöron sayıları 8-6-4-1'dir. Üçüncü ve dördüncü tahmin modelinde kullanılan yapay sinir ağına ait nöron sayıları 8-6-6-1 ve 8-8-4-1'dir. Türkiye'nin 1990-2018 yıllarına ait verileri ile yapılan bu çalışmada, 1990-2012 yıllarına ait veri seti modelin oluşturulması için kullanılırken, 2013-2018 yıllarına ait veri seti modelin test aşamasında kullanılmıştır. Çalışmanın bu aşamasında elde edilen sonuçlar detaylı şekilde verilmiş ve en iyi tahmin modeli seçilerek bir sonraki aşamaya geçilmiştir. Tez çalışmasının son aşamasında ise Türkiye'nin ileriye yönelik CO2 emisyon tahmini, üç farklı senaryoda incelenmiştir. Geliştirilen bu senaryolar; resmi kurumların yayınladığı tahminler, litaretür çalışmalarında önerilen artış oranları ve Türkiyeye ait son yıllardaki artış oranları göz önünde bulundurularak oluşturulmuştur. Türkiye'nin ileriye yönelik CO2 emisyon tahmini 2030 yılına kadar yapılmıştır. Çalışma sonunda elde edilen sonuçlar detaylı olarak tartışılmıştır ve yenilenebilir enerji kullanımının CO2 emisyon miktarındaki etkisi vurgulanmıştır. Ayrıca elde edilen sonuçlar, önerilen tahmin yönteminin ileriye yönelik tahmin gerektiren alanlarda başarılı bir şekilde uygulanabileceğini göstermektedir. Anahtar Kelimeler: yenilenebilir enerji, CO2 emisyonu, yapay sinir ağları, karışık kurbağa sıçrama algoritması, Levy uçuş fonksiyonu, ateşböceği algoritması, hibrit yapı, sürdürülebilirlik, yeşil teknoloji
The Shuffled Frog-Leaping Algorithm (SFLA) is a nature-inspired and swarm-based metaheuristic algorithm proposed in 2003. SFLA is an optimization algorithm that deals with the movements of frogs in a given population to reach the maximum amount of food with minimum movement. In this thesis, as a first phase, a hybrid method that increases the speed of reaching the optimum solution of the SFLA and minimizes the possibility of getting stuck in the local minimum is proposed. In the proposed hybrid method, the search capability of the SFLA algorithm is increased at first time with the Levy flight function. Then, the developed method (ILSFLAFA) is performed in a hybrid structure by using the Firefly Algorithm (FA) and the success of this proposed method is proven with the Benchmark functions. As a second phase, a new estimation method, that involves a multilayer feed forward artificial neural network, is proposed. The artificial neural network is trained with the ILSFLAFA. This newly developed hybrid-swarm-based artificial neural network (HSBNN) estimation method has been used to estimate the CO2 emission amount of Türkiye. The developed method, which is proposed in the literature as a first time, is compared with the estimation study conducted in 2016 on this issue, and the success and effect of the proposed method are demonstrated. Then, a new estimation method has been developed for Türkiye's CO2 emission estimation problem using the proposed HSBNN. At this stage, in order to find the best model, four different forecasting models are developed and the results are examined. The input variables of year, R&D investments, renewable energy ratio of total final energy consumption, population, urbanization, number of motor vehicles, energy consumption and GDP variables are used determining optimal parameters of artificial neural network (ANN). This data set for Türkiye is created by collecting data from different institutions. In the first prediction model, one layer is used in the hidden layer. The number of neurons in the layers of this method is studied as 8-12-1. In the other three estimation methods, two layers are used in the hidden layer. The number of neurons belonging to the second prediction model is 8-6-4-1. The neuron numbers of the artificial neural network used in the third and fourth prediction models are 8-6-6-1 and 8-8-4-1. In this study, which is conducted with the data of Türkiye's 1990-2018 years, the data set of the years 1990-2012 is used to create the model, while the data set of the years 2013-2018 is used in the testing phase of the model. The results obtained at this stage of the study are given in detail and the best estimation model is selected and the next step is taken. In the last stage of the thesis, Türkiye's future CO2 emission estimation is examined in three different scenarios. These scenarios developed; the estimates published by official institutions, the increase rates suggested in the literature studies and the increase rates in Türkiye in recent years have been created. Türkiye's future CO2 emission estimation is made towards 2030. The results obtained at the end of the study are discussed in detail and the effect of renewable energy use on the amount of CO2 emissions is emphasized. In addition, the obtained results show that the proposed estimation method can be successfully applied in areas requiring future estimation. Keywords: renewable energy, CO2 emission, neural networks, shuffled frog-leaping algorithm, Levy flight, firefly algorithm, hybrid structure, sustainability, green technology
The Shuffled Frog-Leaping Algorithm (SFLA) is a nature-inspired and swarm-based metaheuristic algorithm proposed in 2003. SFLA is an optimization algorithm that deals with the movements of frogs in a given population to reach the maximum amount of food with minimum movement. In this thesis, as a first phase, a hybrid method that increases the speed of reaching the optimum solution of the SFLA and minimizes the possibility of getting stuck in the local minimum is proposed. In the proposed hybrid method, the search capability of the SFLA algorithm is increased at first time with the Levy flight function. Then, the developed method (ILSFLAFA) is performed in a hybrid structure by using the Firefly Algorithm (FA) and the success of this proposed method is proven with the Benchmark functions. As a second phase, a new estimation method, that involves a multilayer feed forward artificial neural network, is proposed. The artificial neural network is trained with the ILSFLAFA. This newly developed hybrid-swarm-based artificial neural network (HSBNN) estimation method has been used to estimate the CO2 emission amount of Türkiye. The developed method, which is proposed in the literature as a first time, is compared with the estimation study conducted in 2016 on this issue, and the success and effect of the proposed method are demonstrated. Then, a new estimation method has been developed for Türkiye's CO2 emission estimation problem using the proposed HSBNN. At this stage, in order to find the best model, four different forecasting models are developed and the results are examined. The input variables of year, R&D investments, renewable energy ratio of total final energy consumption, population, urbanization, number of motor vehicles, energy consumption and GDP variables are used determining optimal parameters of artificial neural network (ANN). This data set for Türkiye is created by collecting data from different institutions. In the first prediction model, one layer is used in the hidden layer. The number of neurons in the layers of this method is studied as 8-12-1. In the other three estimation methods, two layers are used in the hidden layer. The number of neurons belonging to the second prediction model is 8-6-4-1. The neuron numbers of the artificial neural network used in the third and fourth prediction models are 8-6-6-1 and 8-8-4-1. In this study, which is conducted with the data of Türkiye's 1990-2018 years, the data set of the years 1990-2012 is used to create the model, while the data set of the years 2013-2018 is used in the testing phase of the model. The results obtained at this stage of the study are given in detail and the best estimation model is selected and the next step is taken. In the last stage of the thesis, Türkiye's future CO2 emission estimation is examined in three different scenarios. These scenarios developed; the estimates published by official institutions, the increase rates suggested in the literature studies and the increase rates in Türkiye in recent years have been created. Türkiye's future CO2 emission estimation is made towards 2030. The results obtained at the end of the study are discussed in detail and the effect of renewable energy use on the amount of CO2 emissions is emphasized. In addition, the obtained results show that the proposed estimation method can be successfully applied in areas requiring future estimation. Keywords: renewable energy, CO2 emission, neural networks, shuffled frog-leaping algorithm, Levy flight, firefly algorithm, hybrid structure, sustainability, green technology
Açıklama
Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
Anahtar Kelimeler
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
