Akademik Veri Yönetim Sistemi
Black Sea Journal of Engineering and Science, cilt.7, sa.6, ss.1327-1337, 2024 (Hakemli Dergi)
Bu çalışmada, Türkiye sınırları içerisinde yapılacak olan doğal gaz boru hattı (DGBH) maliyetlerinin ön tahmini için makine öğrenmesi algoritmaları kullanılarak modeller geliştirilmiştir. Bunun için, 1997-2022 yılları arasında Türkiye'de tamamlanmış DGBH projelerinden elde edilen veriler kullanılmıştır. Projelerin boru çapı, hat uzunluğu, hat vanası sayısı, take-off vana sayısı ve pig istasyonu sayısı gibi değişkenleri, maliyet tahmininde bağımsız değişkenler olarak belirlenmiştir. Veri setinin nicel anlamda yetersiz ve veri kalitesinin ortalama bir seviyede olmasından dolayı, klasik makine öğrenmesi tahmin süreçleri yürütülememiştir. Bu nedenle, mevcut veri seti eğitim ve test bölümlerine ayrılmadan, bütün veri kullanılarak çalışılmış ve Çoklu Doğrusal Regresyon (ÇDR) ile K-En Yakın Komşu (KNN) algoritmalarına konumlandırıldığında modelin uygun bir şekilde performans gösterip göstermediği incelenmiştir. Bu çalışma, ileride veri kalitesinin ve sayısının artması durumunda, klasik makine öğrenmesi tahmin süreçlerinin yürütülüp yürütülemeyeceği konusunda ön fikir vermesi amacıyla gerçekleştirilmiştir. Her iki farklı yöntem denemesinde de benzer ve ortalama düzeyde belirleme katsayıları (R²) elde edilmiştir. Sonuç olarak, bu çalışmada, DGBH projelerinde ön maliyet tahminlerinin hassasiyetini iyileştirmek için ÇDR ve KNN yöntemlerinin etkinliği karşılaştırılmış ve sektöre önemli bir katkı sağlayacağı değerlendirilmiştir. Gelecekte yapılacak çalışmaların daha geniş veri setleri ve farklı model teknikleri kullanarak maliyet tahminlerinin doğruluğunu artırabileceği ve sektör paydaşlarına yol gösterici olabileceği öngörülmektedir.