Basit öğe kaydını göster

dc.contributor.authorCansız, Ömer Faruk
dc.contributor.authorÜnsalan, Kevser
dc.date.accessioned2023-01-02T08:20:39Z
dc.date.available2023-01-02T08:20:39Z
dc.date.issued2021en_US
dc.identifier.citationCansız, Ö. F. & Ünsalan, K. (2021). Türkiye Demiryolları Karbon Ayak İzinin Temel Bileşen Analizi Destekli Yapay Sinir Ağları Yöntemi ile Tahmini. Journal of the Institute of Science and Technology, 11 (1), 314-324. https://doi.org/10.21597/jist.740889en_US
dc.identifier.issn2536-4618
dc.identifier.issn2146-0574
dc.identifier.urihttps://doi.org/10.21597/jist.740889
dc.identifier.urihttps://hdl.handle.net/20.500.12508/2521
dc.description.abstractGünümüzün en büyük problemlerinden birisi çevresel kirleticiler ve etkileridir. Çevresel kirleticilerin tabanına inildiğinde birçok sektör inceleme altına alınmaktadır. Bu sektörlerden biriside tüm sektörler içindeki %19 pay ile ulaştırma sektörüdür. Ulaştırma sektörünün kolları incelendiğinde en fazla kirletici karayolu taşımacılığıdır. Bu nedenle ülkelerin genel politikası hem yük hem de yolcu taşımacılığında yakıt tüketimi tasarrufu sağlayan demiryolu ve denizyolu taşımacılığına yönelimdir. Yakıt tüketiminde tasarrufla birlikte CO2 emisyonlarında da azalım meydana gelmektedir. Bu çalışmada Türkiye için demiryolu ulaşım modu kullanımının yıllara göre değişimi incelenmekte ve demiryolu taşımacılığı CO2 salınımı için yapay sinir ağları (YSA) metodu kullanılarak tahmin modelleri oluşturulmaktadır. Tahmin modellerinde, demiryolu taşımacılığı için demiryolu hattı uzunluğu, yolcu sayısı, taşınan yük miktarı, tren-kilometre, yolcu-kilometre ve ton-kilometre girdi verilerini oluşturmaktadır. Modeller girdilerin 2, 3, 4, 5 ve 6’lı kombinasyonlarına göre oluşturulmaktadır. Tahmin modellerinin hem performansın arttırılması hem de kullanılan altı değişkenin etkisinin de modele girdirilmesi amacıyla temel bileşen analizi (TBA) ile yeni girdiler oluşturulmaktadır. Modellerin performans değerlendirmesi sonucu en iyi tahmin modeli 2 değişkenli NPFA çıkmaktadır. Modelin hataların karesinin ortalaması (HKO), ortalama yüzde hata (OYH) ve korelasyon katsayısı (R) performans değerleri sırasıyla 6,48×10-5, %0,125 ve %99,65’tir. Ayrıca TBA nın modeller üzerine kayda değer etkileri görülmektedir.en_US
dc.description.abstractOne of the biggest problems of today is environmental pollutants and their effects. When the sources of environmental pollutants are examined, many sectors are under examination. One of these sectors is the transportation sector with 19% emission share in all sectors. When the modes of the transportation sector are examined, the most polluting is road transportation. Therefore, the general policy of the countries is to focus on rail and maritime transport, which saves fuel consumption in both freight and passenger transport. Along with saving in fuel consumption, CO2 emissions also decrease. In this study, change of railway transport mode share are examined for Turkey and prediction models are created by using artificial neural networks (ANN) method for rail transport CO2 emission. In the prediction models, six variables are examined: length of railways, the number of passengers, freight amount, train-kilometer, passenger-kilometer and ton-kilometer for railway transportation. The models are created according to the combinations of input variables with 2, 3, 4, 5 and 6 combinations. New inputs are created by using principal component analysis (PCA) in order to both increase performance and predict the effects of the six variables used in the model. As a result of the performance evaluation of the models, the best prediction model is NPFA which have 2 variables. Mean Square Error (MSE), Mean percentage error (MPE) and coefficient of correlation (R) performance values of the model are 6.48 × 10-5, 0.125% and 99.65%, respectively. In addition, PCA has significant effects on models.en_US
dc.language.isoturen_US
dc.publisherIğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisien_US
dc.relation.isversionof10.21597/jist.740889en_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectDemiryolu emisyonen_US
dc.subjectTemel bileşen analizien_US
dc.subjectYapay sinir ağlarıen_US
dc.subjectRailway emissionen_US
dc.subjectPrinciple component analysisen_US
dc.subjectArtificial neural networken_US
dc.titleTürkiye Demiryolları Karbon Ayak İzinin Temel Bileşen Analizi Destekli Yapay Sinir Ağları Yöntemi ile Tahminien_US
dc.title.alternativePrediction of Carbon Footprint for Railway Transport Sector by Using Artificial Neural Network (ANN) Technique supported by principal component analysis (PCA)en_US
dc.typearticleen_US
dc.relation.journalIğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisien_US
dc.relation.journalJournal of the Institute of Science and Technology
dc.contributor.departmentMühendislik ve Doğa Bilimleri Fakültesi -- İnşaat Mühendisliği Bölümüen_US
dc.identifier.volume11en_US
dc.identifier.issue1en_US
dc.identifier.startpage314en_US
dc.identifier.endpage324en_US
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanıen_US
dc.contributor.isteauthorCansız, Ömer Faruk
dc.contributor.isteauthorÜnsalan, Kevser
dc.relation.indexTR-Dizinen_US


Bu öğenin dosyaları:

Thumbnail

Bu öğe aşağıdaki koleksiyon(lar)da görünmektedir.

Basit öğe kaydını göster