Mevsimlik Yük Tahmini

Yük tahmini, bu bölümde mevsimsel olarak değerlendirilmiĢtir. ÇalıĢmada yıllık tahminden farklı olarak yıl üçer aylık dört mevsime bölünmüĢtür. Mart 2008’den baĢlayarak Kasım 2020’ye kadar Aralık, Ocak, ġubat ayları KıĢ; Mart, Nisan, Mayıs ayları Ġlkbahar; Haziran, Temmuz, Ağustos ayları Yaz ve Eylül, Ekim, Kasım ayları Sonbahar mevsimi olarak değerlendirilmiĢtir. KıĢ, ilkbahar, yaz, sonbahar mevsimlerine sırasıyla 1, 2, 3 ve 4 değerleri atanmıĢtır. Diğer verilerde herhangi bir değiĢiklik yapılmamıĢtır.

5.3.1. YSA ile

YSA ile mevsimlik yük tahmini yapılırken yıllık tahminde uygulanan blok diyagram kullanılmıĢtır. Eğitimde en iyi performansı yakalamak için farklı YSA yapıları denenmiĢtir. Bu yapılara ait test MAPE değerleri Ek.2 Çizelge 7’de gösterilmiĢtir. En iyi performansı ġekil 5.26’da verilen tek gizli katmanlı, gizli katmanında 12 nöron bulunan ve logaritmik sigmoid transfer fonksiyonu kullanan, çıkıĢ katmanında da lineer transfer fonksiyonu kullanan yapı göstermiĢtir. Kullanılan YSA yapısıyla test MAPE değeri %2,94 bulunmuĢtur. Bu yapının

Ay Gerçek Değer Tahmini Değer %Hata Ay 2017 2018 2019 2020 Eki.16 235304110 232924411 1,01 Ocak - 227338039 213767520 221735822 Kas.16 242589412 234190241 3,46 ġubat - 226071410 214098262 223100672 Ara.16 251304625 235249242 6,38 Mart - 224705878 214407550 224470208 Oca.17 248143191 235529486 5,08 Nisan - 223318285 215048654 225980132 ġub.17 220582875 235489142 6,75 Mayıs - 222116062 215472788 227039383 Mar.17 236445393 235384149 0,44 Haziran - 220971326 215959211 227965131 Nis.17 229583100 235065927 2,38 Temmuz - 219798888 216815772 229047899 May.17 224497445 234844514 4,6 Ağustos - 218665604 217847371 230084838 Haz.17 206293361 234559430 13,7 Eylül - 217454129 218472364 231356251 Tem.17 268331039 234089461 12,7 Ekim 231210294 216230375 219037535 232721842 Ağu.17 259333898 233549319 9,94 Kasım 229962797 215058086 219799174 234027993 Eyl.17 230926492 232484863 0,67 Aralık 228601587 213896846 220572646 235375435

eğitim, test ve tahmin grafikleri sırasıyla ġekil 5.27, 5.28 ve 5.29’da, test MAPE ve tahmin değerleri de Çizelge 5.5’te verilmiĢtir.

ġekil 5.26. Mevsimlik tahmin için kullanılan YSA yapısı.

ġekil 5.27. YSA mevsimlik tahmine ait eğitim performansı.

YSA’nın mevsimlik tahmindeki eğitim MAPE değeri %2,91’dir. Mevsimsel yaklaĢım YSA’nın eğitim performansını yıllık tahmine göre artırmıĢtır. Eğitim %0,4 MAPE değeri ile en iyi 2015 Sonbahar, %13,19 MAPE değeri ile en kötü 2010 Sonbahar döneminde gerçekleĢmiĢtir. Ayrıca eğitim %1,75 ortalama hata değeriyle en iyi 2012 yılında, %5,77 ortalama hata değeriyle en kötü 2010 yılında gerçekleĢmiĢtir.

ġekil 5.28. YSA mevsimlik tahmine ait test performansı.

ġekil 5.29. YSA mevsimlik tahmin performansı.

Eğitim performansı regresyon analiziyle değerlendirilmiĢ ve R2

değeri 0,926 bulunmuĢtur. Bu değerin 1’e yakın olması eğitimin iyi gerçekleĢtiğini göstermektedir. Regresyon analiz grafiği ġekil 5.30’da gösterilmiĢtir.

ġekil 5.30. YSA mevsimlik tahmine ait eğitim verilerinin regresyon grafiği.

Çizelge 5.6. YSA mevsimlik test hataları ve tahmin değerleri.

YSA ile yapılan mevsimlik tahminde test MAPE değeri %2,94 bulunmuĢtur. Bu değer YSA’nın yıllık test MAPE değerinden daha iyi bir değerdir. Dolayısıyla mevsimlik yaklaĢımın YSA’nın eğitim ve test performansını iyileĢtirdiğini söyleyebiliriz. Çizelge incelendiğinde %1,06 MAPE değeri ile en küçük hatanın 2016 Sonbahar, %3,88 MAPE değeri ile en büyük hatanın 2017 Ġlkbahar döneminde olduğu görülmektedir. MAPE değerlerinin %5’in altında olduğu gözlemlenmiĢtir. Tahmin değerleri incelendiğinde bu değerlerin 2020 yılının sonuna kadar sinüzoidal bir Ģekilde arttığı, mevsimlik azalıĢ ve artıĢları baĢarılı bir Ģekilde takip ettiği gözlemlenmiĢtir.

5.3.2. ANFIS ile

ANFIS ile yapılan mevsimlik tahminde ızgara bölümleme ve alt kümeleme yöntemleriyle denemeler yapılıp en iyi yapı belirlenmeye çalıĢılmıĢtır. Veriler yıllık tahminde olduğu gibi Ocak 2008-Eylül 2016 tarihleri arası 105 aylık veri eğitim, Ekim 2016-Eylül 2017 tarihleri arası 12 aylık veri test verisi Ģeklinde bölünmüĢtür. Izgara bölümleme yöntemiyle

Mevsim Gerçek Değer Tahmini Değer %Hata Mevsim 2017 2018 2019 2020

2016 Sonb. 243066049 240488081 1,06 KıĢ - 234627137 236491387 238451726

2017 KıĢ 235057153 234064050 3,59 Ġlkb. - 230069951 236212289 243534430

2017 Ġlkb. 220124635.3 225464950 3,88 Yaz - 248024861 253402930 256383883

2017 Yaz 252863809.7 245446423 3,22 Sonb. 246739794 239982594 239060210 239513008

yapılan denemelerin sonuçları Ek.3 Çizelge 9’da verilmiĢtir. Bu yöntemle yapılan denemeler sonucunda en iyi test MAPE değeri %5,01 olarak bulunmuĢtur. Yapıda 64 adet kural bulunmaktadır ve 3 iterasyonda eğitim gerçekleĢtirilmiĢtir. Kural katmanında gbellmf, çıktı katmanında sabit transfer fonksiyonunu kullanmıĢtır. Alt kümeleme yöntemiyle farklı iterasyonlarda yapılan denemeler sonucunda elde edilen en iyi test MAPE değeri %6’dır. Bu yapıda ise 26 adet kural bulunmaktadır ve 40 iterasyonda eğitim gerçekleĢtirilmiĢtir. Izgara bölümleme yönteminin daha iyi test performans sergilediği gözlemlenmiĢtir. En iyi performansa sahip olan ızgara bölümleme yöntemine ait yapı ġekil 5.31’de görülmektedir. Izgara bölümleme yönteminin giriĢ verilerine ait üyelik fonksiyonları 5.32’te, test ve tahmin performansları ġekil 5.33, 5.34’te verilmiĢtir.

ġekil 5.32. Izgara bölümleme yöntemi giriĢ verilerine ait üyelik fonksiyonları.

ġekilde giriĢ verilerine ait üyelik fonksiyonları görülmektedir. Mevsimlik tahminde ANFIS’le yapılan yıllık tahminde olduğu gibi giriĢ verilerinin her biri için 2 adet üyelik fonksiyonu kullanılmıĢtır. ÇıkıĢ üyelik fonksiyonu lineer seçildiği için üyelik fonksiyonlarının lineer bir Ģekilde arttığı ve azaldığı görülmektedir.

ġekil 5.34. Izgara bölümleme yöntemi tahmin performansı.

Yapılan mevsimlik tahminin test MAPE ve Sonbahar 2017-Sonbahar 2020 yılları arası tahmin değerleri Çizelge 5.6’da verilmiĢtir.

Çizelge 5.7. Izgara bölümleme test ve tahmin değerleri.

Izgara bölümleme yöntemiyle yapılan mevsimlik tahminde test MAPE değeri yıllık tahmine kıyasla daha düĢüktür. Mevsimlik tahminde en düĢük hata değerini %2,94 MAPE değeri ile 2017 KıĢ, en yüksek hata değerini %7,58 MAPE değeri ile 2017 Ġlkbahar dönemi almıĢtır. Ġncelenen bir yıllık dönemde 2016 Sonbahar ve 2017 KıĢ dönemlerine ait hata değerlerinin %5’in altında, 2017 Ġlkbahar ve 2017 Yaz dönemlerine ait hata değerlerinin %5’in üzerinde olduğu görülmektedir. Tahmin değerleri incelendiğinde mevsimlik artıĢ ve azalıĢları takip ettiği görülmektedir.

5.3.3. DDYSA hibrit Yöntemi ile

DDYSA ile mevsimlik tahmin yapılırken bütün giriĢ verileri Daubechies-3 dalgacık modeliyle 7. seviyede alt bileĢenlerine ayrılmıĢtır. Daha sonra alt bileĢenler korelasyon

Mevsim Gerçek Değer Tahmini Değer %Hata Mevsim 2017 2018 2019 2020

2016 Sonb. 243066049 236386116 3,06 KıĢ - 234266989 235970916 235595588

2017 KıĢ 235057153 235313049 2,94 Ġlkb. - 236232112 234986517 230841966

2017 Ġlkb. 220124635.3 228707984 7,58 Yaz - 234255527 233410003 231707527

2017 Yaz 252863809.7 237130983 6,47 Sonb. 235923723 225639401 220975956 214837512

değerlerine göre seçilip YSA’ya giriĢ olarak verilmiĢtir. Mevsimlik tahminde sadece ay verilerinde değiĢiklik yapıldığı için Çizelge 5.7’de bu veriye ait korelasyon değerleri, Ek.4 ġekil 7’de detay ve yaklaĢık bileĢenlerinin grafiği verilmiĢtir.

Çizelge 5.8. Ay verisine ait alt bileĢenlerin korelasyon değerleri.

Ay verisi dıĢındaki diğer veriler için yıllık tahminde kullanılan alt bileĢenler kullanılmıĢtır. Ay verisi için A7 alt bileĢeni seçilmiĢ ve diğer verilerin alt bileĢenleriyle beraber YSA’da kullanılmıĢtır. Eğitimde farklı parametreler kullanılarak en iyi test MAPE değerini veren YSA yapısı araĢtırılmıĢtır. Farklı nöron, katman sayısı ve transfer fonksiyonlarına ait test MAPE değerleri Ek.4 Çizelge 11’de verilmiĢtir. ġekil 5.35’de %5,48 test MAPE değeriyle en iyi hata değerini veren YSA yapısı görülmektedir. Yapıda tek gizli katman, gizli katmanında 15 nöron ve tanjant sigmoid fonksiyonu, çıkıĢ katmanında lineer transfer fonksiyon bulunmaktadır. Bu yapı 5000 iterasyonda 100 defa eğitilmiĢtir. Yapılan mevsimlik tahminin eğitim, test ve tahmin grafiği ġekil 5.36, 5.37 ve 5.38’de verilmiĢtir. Test MAPE ve tahmin değerleri de Çizelge 5.8’de verilmiĢtir.

ġekil 5.35. Mevsimlik tahmin için kullanılan DDYSA yapısı.

AD Bileşenleri D1 D2 D3 D4 D5 D6 D7 Yaklaşık(A7)

ġekil 5.36. DDYSA mevsimlik tahmine ait eğitim grafiği.

Mevsimlik tahminde eğitim MAPE değeri %4,72 olarak elde edilmiĢtir DDYSA’nın eğitim performansı yıllık tahminindeki eğitim performansından daha iyidir. Modelin çıktıları gerçek yük karakteristiğini düz bir çizgi halinde ortalama artıĢı takip ederek ilerlemektedir. Eğitim 2011 Ġlkbahar döneminde %0,037 MAPE değeriyle en düĢük hata değerini, 2010 Sonbahar döneminde %23,38 MAPE değeriyle en büyük hata değerini almıĢtır. Ayrıca %2,75 ortalama hata değeriyle 2012 yılı yöntemin en iyi tahmin ettiği yıl olurken, %7,5 ortalama hata değeriyle 2009 yılı en kötü tahmin edilen yıl olmuĢtur.

ġekil 5.37. DDYSA mevsimlik tahmine ait test grafiği.

ġekil 5.38. DDYSA mevsimlik tahmin grafiği.

Eğitim değerlerinin regresyon analizi sonucunda R2

değeri 0,8585 bulunmuĢ olup analiz grafiği ġekil 5.39’da gösterilmiĢtir. Bu değer eğitimin iyi gerçekleĢtiğini göstermektedir.

ġekil 5.39. DDYSA eğitim verileri regresyon analizi.

Çizelge 5.9. DDYSA mevsimlik tahmin sonuçları.

Mevsimlik tahminin test MAPE değeri yıllık tahminin test MAPE değerinden daha küçük bir hata değerine sahiptir. DDYSA’nın mevsimlik tahminde test MAPE değeri %5,48’dir. En küçük hata değeri %3,26 ile 2016 Sonbahar, en yüksek hata değeri %7,76 ile 2017 Yaz döneminde gerçekleĢmiĢtir. 2016 Sonbahar ve 2017 KıĢ dönemleri %5 hata değerinin altında kalırken, 2017 Ġlkbahar ve 2017 Yaz dönemleri %5 hata değerinin üzerindedir. Tahmin değerleri incelendiğinde 2018 Sonbahar mevsiminde gerçekte olduğu gibi tüketimin azaldığı fakat sonrasında tüketimin tekrar azalmadan artarak ilerlediği görülmektedir.

Mevsim Gerçek Değer Tahmini Değer %Hata Mevsim 2017 2018 2019 2020

2016 Sonb. 243066049 234975544 3,26 KıĢ - 224967857 215350192 245938661

2017 KıĢ 235057153 235769953 4,05 Ġlkb. - 220688919 221292042 256519896

2017 Ġlkb. 220124635.3 234770463 6,87 Yaz - 217348999 228920464 264865742

2017 Yaz 252863809.7 233512181 7,76 Sonb. 229458531 213907850 236221508 274021799