Elektrikli Araçların Enerji Tüketimini Tahmin Etmede Makine Öğrenimi Algoritmalarının Performanslarının Karşılaştırılması

Basit Öğe Kaydı
dc.contributor.authorAslan, Emrah
dc.date.accessioned2025-03-08T18:28:55Z
dc.date.available2025-03-08T18:28:55Z
dc.date.issued2024
dc.departmentDicle Üniversitesi
dc.description.abstractUlaştırma sektörünün hızlı büyümesi ve buna bağlı emisyonlar, çevresel sürdürülebilirliğin sağlanması önem teşkil etmektedir. Bu nedenle, ulaştırma emisyonlarının türetilme faktörünün anlaşılması son derece önemlidir. Artan ulaşım emisyonları karşısında elektrikli araçların (EA) rolü kullanımının yaygınlaştırılması önemlidir. Elektrikli araçlar düşük karbon ekonomisine ve sürdürülebilir çevreye giden yolu açmaktadır. Elektrikli araçların başarılı bir şekilde yaygınlaştırılması, büyük ölçüde enerji tüketimini verimli ve güvenilir bir şekilde tahmin edebilen enerji tüketim modellerine dayanmaktadır. Elektrikli araçların enerji tüketim verimliliğinin artırılması, sürücü endişesinin hafifletilmesine önemli ölçüde yardımcı olacak ve şarj altyapısının işletilmesi, planlanması ve yönetimi için temel bir çerçeve sağlayacaktır. Elektrikli araçların enerji tüketimi tahminindeki zorlukların üstesinden gelmek için veriler Japonya'nın Aichi Eyaletinde toplanmıştır. Çalışmada, elektrikli araçların enerji tüketiminin tahmini için geleneksel makine öğrenimi modelleri, Multi Output, Gradient Boosting, XGBoost ve Random Forest kullanılmıştır. Tahmin modellerinin performansını değerlendirmek için belirleme katsayısı (R^2), kök ortalama kare hatası (RMSE) ve ortalama mutlak hata (MAE) değerlendirme ölçütleri kullanılmıştır. Tahmin sonuçları, Gradient Boosting ve Multi Output birleşimi ile oluşturulan regresyon modeli iyi performans gösterdiğini ortaya koymaktadır. Daha yüksek R^2 değerlerine, daha düşük MAE ve RMSE değerlerine sahip Gradient Boosting ve Multi Output tabanlı modellerin daha doğru olduğu kanıtlanmıştır. Farklı girdi değişkenlerinin elektrikli araçların enerji tüketimi tahmini üzerindeki etkisini ve göreceli etkisini göstermek için ayrıntılı bir önemli özellik analizi gerçekleştirilmiştir. Sonuçlar, gelişmiş bir makine öğrenmesi modelinin elektrikli araçların enerji tüketiminin tahmin performansını artırabileceğini göstermektedir.
dc.description.abstractIn order to maintain environmental sustainability, it is crucial to address the transportation sector's explosive growth and the emissions that accompany it. Therefore, understanding the derivation factor of transportation emissions is of utmost importance. In the face of increasing transport emissions, it is important to expand the role of electric vehicles (EVs). An eco-friendly economy and low-carbon economy are made possible by electric automobiles. Energy consumption models that can accurately and consistently forecast energy use are critical to the successful deployment of electric vehicles. Enhancing EVs' energy efficiency will help reduce driver anxiety a great deal and offer a foundation for organizing, operating, and managing the infrastructure for charging. To overcome the challenges in estimating the energy consumption of electric vehicles, data was collected in Aichi Prefecture, Japan. In the study, traditional machine learning models, Multi Output, Gradient Boosting, XGBoost and Random Forest were used to predict the energy consumption of electric vehicles. The prediction models were assessed using the coefficient of determination (R2), mean absolute error (MAE), and root mean square error (RMSE). The forecasting results reveal that the regression model with the combination of Gradient Boosting and Multi Output performs well. Gradient Boosting and Multi Output based models with higher R2 values and lower MAE and RMSE values are proved to be more accurate To demonstrate the effect and relative influence of various input variables on the energy consumption forecast of electric vehicles, a thorough important feature analysis is carried out. The findings demonstrate that a sophisticated machine learning model can enhance the accuracy of electric car energy consumption predictions.
dc.identifier.doi10.21597/jist.1448216
dc.identifier.endpage530
dc.identifier.issn2536-4618
dc.identifier.issue2
dc.identifier.startpage518
dc.identifier.urihttps://doi.org/10.21597/jist.1448216
dc.identifier.urihttps://hdl.handle.net/11468/31531
dc.identifier.volume14
dc.language.isotr
dc.publisherIğdır Üniversitesi
dc.relation.ispartofJournal of the Institute of Science and Technology
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_DergiPark_21250205
dc.subjectElektrikli araçlar (EA)
dc.subjectEnerji Tüketimi
dc.subjectMakine öğrenimi
dc.subjectElectric vehicles (EVs)
dc.subjectEnergy Consumption
dc.subjectMachine learning
dc.titleElektrikli Araçların Enerji Tüketimini Tahmin Etmede Makine Öğrenimi Algoritmalarının Performanslarının Karşılaştırılması
dc.title.alternativeComparing The Performance of Machine Learning Algorithms in Predicting Energy Consumption of Electric Vehicles
dc.typeArticle

Dosyalar

Koleksiyon

DergiPark Kayıtları Koleksiyonu