Browsing by Author "Ünlü, Kamil Demirberk"

Now showing 1 - 5 of 5

Citation - WoS: 17
Citation - Scopus: 21
A Data-Driven Model To Forecast Multi-Step Ahead Time Series of Turkish Daily Electricity Load
(Mdpi, 2022) Unlu, Kamil Demirberk; Ünlü, Kamil Demirberk; Ünlü, Kamil Demirberk; Industrial Engineering; Industrial Engineering; 06. School Of Engineering; 01. Atılım University
It is critical to maintain a balance between the supply and the demand for electricity because of its non-storable feature. For power-producing facilities and traders, an electrical load is a piece of fundamental and vital information to have, particularly in terms of production planning, daily operations, and unit obligations, among other things. This study offers a deep learning methodology to model and forecast multistep daily Turkish electricity loads using the data between 5 January 2015, and 26 December 2021. One major reason for the growing popularity of deep learning is the creation of new and creative deep neural network topologies and significant computational advancements. Long Short-Term Memory (LSTM), Gated Recurrent Network, and Convolutional Neural Network are trained and compared to forecast 1 day to 7 days ahead of daily electricity load. Three different performance metrics including coefficient of determination (R-2), root mean squared error, and mean absolute error were used to evaluate the performance of the proposed algorithms. The forecasting results on the test set showed that the best performance is achieved by LSTM. The algorithm has an R-2 of 0.94 for 1 day ahead forecast, and the metric decreases to 0.73 in 7 days ahead forecast.
Citation - WoS: 2
Predicting Credit Card Customer Churn Using Support Vector Machine Based on Bayesian Optimization
(Ankara Univ, Fac Sci, 2021) Ünlü, Kamil Demirberk; Industrial Engineering; 06. School Of Engineering; 01. Atılım University
In this study, we have employed a hybrid machine learning algorithm to predict customer credit card churn. The proposed model is Support Vector Machine (SVM) with Bayesian Optimization (BO). BO is used to optimize the hyper-parameters of the SVM. Four different kernels are utilized. The hyper-parameters of the utilized kernels are calculated by the BO. The prediction power of the proposed models are compared by four different evaluation metrics. Used metrics are accuracy, precision, recall and F1-score. According to each metrics linear kernel has the highest performance. It has accuracy of %91. The worst performance achieved by sigmoid kernel which has accuracy of %84.
Rüzgar Enerjisi için Hibrit Derin Öğrenme Modellerine Dayalı Tek Değişkenli Zaman Serisi Metodolojisi
(2024) Öztekin, Anastasya; Ünlü, Kamil Demirberk; Industrial Engineering; 06. School Of Engineering; 01. Atılım University
Rüzgar enerjisi günümüzde en çok tercih edilen yenilenebilir enerji alternatifi olarak kabul edilmekte ve küresel bir ilgi toplamaktadır. Ayrıca, rüzgar enerjisinin etkin kullanımı küresel ölçekte çevresel kaynakların korunmasına büyük ölçüde katkıda bulunmaktadır. Rüzgar enerjisinin değişkenliği göz önünde bulundurulduğunda, yenilenebilir enerji kaynaklarının verimli bir şekilde kullanılması için güvenilir bir tahmin geliştirmek çok önemlidir. Literatürde rüzgar enerjisinin doğru tahmini için birden fazla model geliştirilmiştir. Bu çalışmada bu sorunu gidermek için zaman serisi verilerine dayalı istatistiksel modeller kullanılmıştır. Bu çalışma, Diziden Diziye ve Evrişimli Sinir Ağı yaklaşımlarına dayalı tek değişkenli hibrit modeller geliştirerek Karaburun, İzmir, Türkiye'deki rüzgar santralleri tarafından üretilen rüzgar enerjisini tahmin etmeyi amaçlamaktadır. Çalışmanın tahmin aralığı kısa vadeden uzun vadeye kadar uzanmaktadır. En doğru tahmini belirlemek adına gerçek veriler kullanılarak çok sayıda hibrit model geliştirilmiştir. Karşılaştırma sonuçları, Evrişimli Sinir Ağı'nı Uzun Kısa Süreli Bellek hücresiyle istiflenmiş Diziden Diziye ile birleştiren hibrit modelin hem kısa hem de uzun vadede en doğru tahminleri sağladığını ortaya koymaktadır. Geliştirilen hibrit model, kısa vadeli tahminler için önemli bir değişim katsayısı ortaya koyar. Uzun vadeli tahminlerde, kısa vadeli tahminlere göre değişim katsayısında bir azalma olsa da ortalama hataların karesi, ortalama mutlak hata ve ortalama mutlak yüzde hata gibi belirleme metrikleri, modelin uzun vadeli tahminlerde doğruluğunu koruduğunu göstermektedir.
Türkiye Gıda Enflasyonunun Dönemselliklerinin Alt Gruplar Dikkate Alınarak İncelenmesi
(2022) Ünlü, Kamil Demirberk; Baş, Cem; Akdi, Yılmaz; Karamanoğlu, Yunus Emre; Industrial Engineering; 06. School Of Engineering; 01. Atılım University
Bu makale, Ocak 2004 - Haziran 2020 dönemleri için Türkiye aylık gıda enflasyonu zaman serilerindeki gizli periyodiklikleri alt grupları ile ampirik olarak tanımlamaktadır. Dönemsellik, mevsimselliğin ötesinde olan zaman serilerinin gizli döngüleridir. Bu gizli döngülerle başa çıkmak için periodogram tabanlı zaman serisi analizi kullanılır. Ayrıca, gelecekteki enflasyon oranları harmonik regresyon ile tahmin edilmektedir. Bu çalışmanın sonuçları, Türkiye gıda enflasyonunun yaklaşık 2 yıllık döngülere sahip olduğunu ve bunun çoğunlukla gıda ve alkolsüz içecek enflasyonundan kaynaklandığını ortaya koymaktadır.
TÜRKİYE'DEKİ TRAFİK KAZALARININ PERİYODİK YAPISININ ARAŞTIRILMASI
(2021) Akdi, Yılmaz; Karamanoğlu, Yunus Emre; Ünlü, Kamil Demirberk; Baş, Cem; Industrial Engineering; 06. School Of Engineering; 01. Atılım University
Bu çalışmada, Türkiye'de 2019 yılında meydana gelen günlük trafik kazaları verilerine zaman serisi analizi uygulanmıştır. Çalışmada kullanılan verilerin en önemli özelliği kolluk birimleri tarafından günlük olarak tutulan resmi trafik kazası kayıtları olmasıdır. Bu verilerle ilgili olarak en uygun zaman serisi modeli belirlenmiş ve trafik kazalarında periyodik bileşenlerin olup olmadığı incelenmiştir. Verilerin birinci dereceden entegre olduğu görülmektedir. Bu durumda serinin birinci dereceden farkı istatistiksel sonuç açısından alınmıştır. Serinin grafikleri incelendiğinde, serilerde olası periyodikliğin bulunabileceği varsayımı ile Akdi ve Dickey (1998) tarafından önerilen periodogram temelli birim kök testi ile serinin durağanlığı da test edilmiş ve serinin % 10 anlamlılık düzeyinde durağan olduğu görülmüştür. Elde edilen sonuçlara göre 2019 yılında günlük trafik kaza sayılarında 33, 36.5 ve 73 günlük dönemlerin önemli olduğu tespit edilmiştir. 73 günlük sürenin Ramazan Bayramı ile Kurban Bayramı arasındaki döneme denk geldiği (iki dini bayram arasında 70 günlük bir ara vardır) gösterilmiştir.