Yapay Sinir Ağları ve Üstel Düzleştirme Yöntemi ile Türkiye'deki $CO_2$ Emisyonunun Zaman Serisi ile Tahmini

Abstract

Sera gazlarının atmosferdeki miktarı gün geçtikçe artmaktadır. Bu artışın başta küresel ısınma olmak üzere neden olduğu çok sayıdaolumsuz etki ortaya çıkmaktadır. Geleceğe dönük sera gazı emisyonunun tahminlenmesi özellikle karar alıcılar ve $CO_2$ salınımındapayı olan sektörler açısından bakıldığında bu salınımın azaltılması ve alternatif kaynakların aranması için cesaret verici olabilir.Zaman serileri zaman düzleminde düzenli olarak belirli aralıklarla elde edilmiş verilerin literatürdeki adıdır ve bu serilerin analizininnasılını inceleyen süreçlere ise zaman serisi analizi denir. Araştırmada Türkiye’ye ait sera gazı emisyonu ($CO_2$ eşdeğeri) değerleriniiçeren Dünya Bankası veri tabanındaki 55 yıllık verileri içeren veri seti kullanımıştır. Bu veri seti içerisinden yapay sinir ağları veüstel düzleştirme yöntemleri ile faydalı örüntüler elde edilmesi amaçlanmıştır. Analizler için zaman serisi formatına dönüştürülen veriseti daha sonra eğitim ve test verisi olarak iki bölüme ayrılmıştır. Zaman serisi tipindeki eğitim verileri üstel düzleştirme yönteminitemel alan Holt’un lineer trend modeli ve yapay zekanın alt dallarından biri olan yapay sinir ağları (YSA) ile analizi edilmiştir. Buanalizler sonucunda ortaya çıkan modellere göre eğitim ve test verileri üzerinden tahmin modelleri elde edilmiştir. YSA’nın veHolt’un lineer trend yönteminin test verileri için ortaya koyduğu tahminler ile modelleri değerlendirmek için RMSE, MAPE gibideğerlendirme metrikleri elde edilmiştir. Bu değerlere göre iki model karşılaştırılmış ve en az hata oranına sahip modelin YSA olduğutespit edilmiştir. Çalışmada elde edilen bulgulara göre YSA 0.1607’lik RMSE değeri ile, Holt’un liner trend yöntemine göre çok dahaaz hata oranına sahiptir. YSA’nın daha doğru tahminler yapacağı bulgusu elde edildikten sonra bu yöntemin önerdiği modelkullanılarak 2021 yılına kadar tahminler gerçekleştirilmiştir. Model Türkiye için 2021 yılı sera gazı eşdeğeri $CO_2$ emisyonunu366,3972 milyon ton olarak tahminlemiştir. Araştırmada görülen bir diğer sonuç ise $CO_2$ emisyonunun dalgalı bir seyir izlediği ancakgenel olarak yükselme eğiliminde olduğudur.

The amount of greenhouse gases in the atmosphere is increasing day by day. This increase is caused primarily by global warming, resulting in numerous negative effects. Predicting future greenhouse gas emissions can be encouraging, especially in terms of decision makers and sectors with a share in $CO_2$ emissions, to reduce this emission and to seek alternative sources. Time series is the name in the literature of the data obtained regularly at regular intervals on the time plane, and the processes that examine how these series are analyzed are called time series analysis. The study used a data set containing 55 years of data from the World Bank database containing the greenhouse gas emissions ($CO_2$ equivalent) values of Turkey. It is aimed to obtain useful patterns from this data set with artificial neural networks and exponential smoothing methods. The data set, which was converted to time series format for analysis, was then divided into two parts as training and test data. The training data in the time series type was analyzed using Holt's linear trend model, which is based on the exponential smoothing method, and artificial neural networks (NSA), which is one of the sub-branches of artificial intelligence. As a result of these analyses, prediction models were obtained based on training and test data. Assessment metrics such as RMSE, MAPE were obtained to evaluate the models with the predictions of ANN and Holt's linear trend method. According to these values, two models were compared and it was determined that the model with the least error rate was ANN. According to the findings obtained in the study, YSA has RMSE value of 0.1607 and it has a much lower error rate compared to Holt's linear trend method. After finding that the YSA would make more accurate predictions, estimates were obtained by 2021 using the model proposed by this method. The Model estimated Turkey's greenhouse gas equivalent to $CO_2$ emissions in 2021 at 366,3972 million tons. Another result seen in the research is that $CO_2$ emissions follow a fluctuating course but tend to increase in general.