Yapay sinir ağları yöntemiyle karaman bölgesi doğal gaz tüketim öngörüsü

Ülkemizde kullanmakta olduğumuz doğal gazın büyük bir kısmı dış ülkelerden ithal edilmektedir. Bununla birlikte son yıllarda doğal gaz kullanımın yaygınlaşması ve doğal gazın kullanım alanları çoğalması ile birlikte depolanan doğal gaz miktarı da bu talebi karşılamada yetersiz kalmaktadır. Bu durum göz önünde bulundurulduğunda; doğal gaz dağıtım şebekesi arz güvenliğinin sağlanabilmesi, doğal gaz sektöründe yapılması gereken yatırımların planlanabilmesi, depolanması ve tedarik edilmesi gereken doğal gaz miktarlarının ön görülebilir olması kritik öneme sahiptir. Bu çalışmada, Yapay Sinir Ağları yöntemlerinden biri olan LSTM modeli kullanarak Karaman iline ait doğal gaz tüketim tahmini yapılmıştır. Yapay Sinir Ağları, veri setleri üzerinden öğrenme gerçekleştirerek karmaşık olaylara karşı tepki mekanizmaları geliştirebilen sayısal sistemlerdir. Sistem, girdi ve çıktı değişkenleri arasındaki ilişkileri eğitim süreciyle kavrayarak, daha önce karşılaşılmamış veri setleri için isabetli öngörülerde bulunabilmektedir. Çalışmada, Karaman iline ait 2015-2024 yılları arasındaki günlük veriler kullanılarak günlük doğal gaz tüketim tahminleri gerçekleştirilmiştir. Çalışma kapsamında meteorolojik veriler, takvim etkileri ve abone sayısı gibi değişkenler modele entegre edilmiş; geçmiş tüketim verileri ve hareketli ortalamalar ile modelin öğrenme kapasitesi artırılmıştır. Geliştirilen model, test veri seti üzerinde R2 = 0,9924 başarı katsayısı ve ortalama mutlak yüzde hata (MAPE) %8,59 değerleri ile yüksek doğruluk oranı sergilemiştir. Bu sonuçlar, modelin gelecekteki tüketim trendlerini analiz etme ve farklı senaryolar altında doğru öngörülerde bulunma kapasitesini vurgulamaktadır.

A significant portion of the natural gas consumed in our country is imported from abroad. However, in recent years, the widespread adoption of natural gas and the expansion of its usage areas have led to a situation in which the amount of stored natural gas has become insufficient to meet this growing demand. Considering this situation, ensuring the security of supply in the natural gas distribution network, planning the necessary investments in the natural gas sector, and accurately forecasting the quantities of natural gas that must be stored and procured are of critical importance. In this study, natural gas consumption forecasting for the province of Karaman was conducted using the Long Short-Term Memory (LSTM) model, which is one of the Artificial Neural Network (ANN) methods. Artificial Neural Networks are numerical systems capable of learning from datasets and developing response mechanisms to complex phenomena. Through the training process, the system learns the relationships between input and output variables and can generate accurate predictions for previously unseen datasets. The study utilized daily data from 2015 to 2024 for the province of Karaman to produce daily natural gas consumption forecasts. Meteorological variables, calendar effects, and subscriber counts were utilized into the model, while past consumption data and moving averages were incorporated to enhance the model's learning capacity. The developed model demonstrated high accuracy on the test dataset, achieving a coefficient of determination of R² = 0.9924 and a mean absolute percentage error (MAPE) of 8.59%. These results highlight the model's capability to analyze future consumption trends and to provide reliable forecasts under different scenarios.