Derin öğrenme tabanlı konut yükü tanımlama modeli ve performans analizi

Ardan Hüseyin Eşlik; Emre Akarslan; Rasim Doğan

Makale detayları

Derin öğrenme tabanlı konut yükü tanımlama modeli ve performans analizi

Yazarlar:

Ardan Hüseyin Eşlik | Emre Akarslan | Rasim Doğan

Yayıncı:

Gazi University

Ana Başlıklar:

Elektrik Enerjisi Taşıma | Şebeke ve Sistemleri | Elektrik Mühendisliği (Diğer)

Dergi:

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi Vol.40 Issue 3, pp.1637-1646

Belge Tipi:

Makale

Yayın Tarihi:

8/2025

Belge Dili:

Türkçe

Document ID (Org No.):

2001345015

pISSN:

1300-1884

Anahtar kelimeler:

Özet:

 Modern çağın hızla değişen enerji ihtiyaçlarına cevap vermek, evlerin enerji yönetimini daha da kritik hale getirmektedir. Akıllı ev teknolojilerinin yükselişiyle birlikte, konut yüklerinin etkili bir şekilde tanımlanması ve yönetilmesi giderek daha büyük bir önem kazanmaktadır. Bu çalışmada, konut yükü tanımlaması için CNN derin öğrenme tabanlı yeni bir yaklaşım önerilmiştir. Önerilen modelin etkinliği ve uygulanabilirliği, geleneksel makine öğrenimi yöntemleri olan Rastgele Orman, Karar Ağaçları ve K-En Yakın Komşu ile karşılaştırılarak değerlendirilmiştir. Afyon Kocatepe Üniversitesi laboratuvarlarında gerçekleştirilen deneysel verilerle desteklenen çalışma sonuçları, CNN derin öğrenme modelinin doğruluk, kesinlik, duyarlılık ve F-ölçütü gibi kritik metriklerde en üstün performansı sergilediğini ortaya koymuştur.

 Modern çağın hızla değişen enerji ihtiyaçlarına cevap vermek, evlerin enerji yönetimini daha da kritik hale getirmektedir. Akıllı ev teknolojilerinin yükselişiyle birlikte, konut yüklerinin etkili bir şekilde tanımlanması ve yönetilmesi giderek daha büyük bir önem kazanmaktadır. Bu çalışmada, konut yükü tanımlaması için CNN derin öğrenme tabanlı yeni bir yaklaşım önerilmiştir. Önerilen modelin etkinliği ve uygulanabilirliği, geleneksel makine öğrenimi yöntemleri olan Rastgele Orman, Karar Ağaçları ve K-En Yakın Komşu ile karşılaştırılarak değerlendirilmiştir. Afyon Kocatepe Üniversitesi laboratuvarlarında gerçekleştirilen deneysel verilerle desteklenen çalışma sonuçları, CNN derin öğrenme modelinin doğruluk, kesinlik, duyarlılık ve F-ölçütü gibi kritik metriklerde en üstün performansı sergilediğini ortaya koymuştur.

 Modern çağın hızla değişen enerji ihtiyaçlarına cevap vermek, evlerin enerji yönetimini daha da kritik hale getirmektedir. Akıllı ev teknolojilerinin yükselişiyle birlikte, konut yüklerinin etkili bir şekilde tanımlanması ve yönetilmesi giderek daha büyük bir önem kazanmaktadır. Bu çalışmada, konut yükü tanımlaması için CNN derin öğrenme tabanlı yeni bir yaklaşım önerilmiştir. Önerilen modelin etkinliği ve uygulanabilirliği, geleneksel makine öğrenimi yöntemleri olan Rastgele Orman, Karar Ağaçları ve K-En Yakın Komşu ile karşılaştırılarak değerlendirilmiştir. Afyon Kocatepe Üniversitesi laboratuvarlarında gerçekleştirilen deneysel verilerle desteklenen çalışma sonuçları, CNN derin öğrenme modelinin doğruluk, kesinlik, duyarlılık ve F-ölçütü gibi kritik metriklerde en üstün performansı sergilediğini ortaya koymuştur.

 Modern çağın hızla değişen enerji ihtiyaçlarına cevap vermek, evlerin enerji yönetimini daha da kritik hale getirmektedir. Akıllı ev teknolojilerinin yükselişiyle birlikte, konut yüklerinin etkili bir şekilde tanımlanması ve yönetilmesi giderek daha büyük bir önem kazanmaktadır. Bu çalışmada, konut yükü tanımlaması için CNN derin öğrenme tabanlı yeni bir yaklaşım önerilmiştir. Önerilen modelin etkinliği ve uygulanabilirliği, geleneksel makine öğrenimi yöntemleri olan Rastgele Orman, Karar Ağaçları ve K-En Yakın Komşu ile karşılaştırılarak değerlendirilmiştir. Afyon Kocatepe Üniversitesi laboratuvarlarında gerçekleştirilen deneysel verilerle desteklenen çalışma sonuçları, CNN derin öğrenme modelinin doğruluk, kesinlik, duyarlılık ve F-ölçütü gibi kritik metriklerde en üstün performansı sergilediğini ortaya koymuştur.

Makale detayları

Derin öğrenme tabanlı konut yükü tanımlama modeli ve performans analizi

Yazarlar:

Ardan Hüseyin Eşlik | Emre Akarslan | Rasim Doğan

Yayıncı:

Gazi University

Ana Başlıklar:

Elektrik Enerjisi Taşıma | Şebeke ve Sistemleri | Elektrik Mühendisliği (Diğer)

Dergi:

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi Vol.40 Issue 3, pp.1637-1646

Belge Tipi:

Makale

Yayın Tarihi:

8/2025

Belge Dili:

Türkçe

Document ID (Org No.):

2001345015

pISSN:

1300-1884

Konut Yükü Tanımlaması

Derin Öğrenme

Evrişimli Sinir Ağları

Zaman Serisi Sınıflandırması

Makine Öğrenmesi

Sayı

Makale detayları

Derin öğrenme tabanlı konut yükü tanımlama modeli ve performans analizi

Yazarlar: Ardan Hüseyin Eşlik | Emre Akarslan | Rasim Doğan

Yayıncı: Gazi University

Ana Başlıklar: Elektrik Enerjisi Taşıma | Şebeke ve Sistemleri | Elektrik Mühendisliği (Diğer)

Dergi: Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi Vol.40 Issue 3, pp.1637-1646

Belge Tipi: Makale

Yayın Tarihi: 8/2025

Belge Dili: Türkçe

Document ID (Org No.): 2001345015

pISSN: 1300-1884

Konut Yükü Tanımlaması

Derin Öğrenme

Evrişimli Sinir Ağları

Zaman Serisi Sınıflandırması

Makine Öğrenmesi

Sayı

Yazarlar:

Ardan Hüseyin Eşlik | Emre Akarslan | Rasim Doğan

Yayıncı:

Gazi University

Ana Başlıklar:

Elektrik Enerjisi Taşıma | Şebeke ve Sistemleri | Elektrik Mühendisliği (Diğer)

Dergi:

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi Vol.40 Issue 3, pp.1637-1646

Belge Tipi:

Makale

Yayın Tarihi:

8/2025

Belge Dili:

Türkçe

Document ID (Org No.):

2001345015

pISSN:

1300-1884