Since Ediger and Tatlıdil (2002), v

Since Ediger and Tatlıdil (2002), various techniques have been applied in energy demand forecasting of Turkey, such as degree-day, linear and multivariate regression, autore¬gression, genetic algorithm, and artificial neural network (Table 1). Sarak and Satman (2003) modeled the natural gas demand for residential heating in Turkey based on degree-day (DD) concept, which was first applied by Durmayaz et al. (2000) and Gu¨ mrah et al. (2001) in Turkey. Later in 2004, linear regression, multivariable regression, and first-order autoregressive time series modeling were used by Yumurtacı and Asmaz (2004), Go¨ ru¨ cu¨ and Gu¨ mrah (2004), and Aras and Aras (2004), respectively. Again in the year 2004, genetic algorithm model approach began to be used for forecasting energy and exergy consumptions by various authors such as Canyurt et al. (2004), Ceylan and O¨ ztu¨ rk (2004), and O¨ ztu¨ rk et al. (2004). In 2005, several versions of this methodology such as Genetic Algorithm Transport Energy Demand Estimation (GATEDE), Genetic Algorithm Energy (GAEN), Genetic Algorithm Exergy (GAEX) have been developed by Haldenbilen and Ceylan (2005) and Ceylan et al. (2005a, b). Finally, artificial neural-network (ANN) technique is used for energy demand forecasting by Go¨ ru¨ cu¨ et al. (2004) and So¨ zen et al. (2005). A summary of the methods and data used and forecasting period in these studies are given in Table 1.

ผลลัพธ์ (ไทย) 2:

ตั้งแต่เอดิเกอร์และTatlıdil (2002), เทคนิคต่างๆได้ถูกนำมาใช้ในการพยากรณ์ความต้องการพลังงานของตุรกีเช่นการศึกษาระดับปริญญาวันเชิงเส้นและการถดถอยหลายตัวแปรautore¬gressionขั้นตอนวิธีทางพันธุกรรมและเครือข่ายประสาทเทียม (ตารางที่ 1) Sarak และ Satman (2003) รูปแบบความต้องการใช้ก๊าซธรรมชาติเพื่อให้ความร้อนที่อยู่อาศัยในประเทศตุรกีอยู่บนพื้นฐานของการศึกษาระดับปริญญาวัน (DD) แนวความคิดซึ่งถูกนำมาใช้เป็นครั้งแรกโดย Durmayaz et al, (2000) และ GU mrah et al, (2001) ในตุรกี ต่อมาในปี 2004 การถดถอยเชิงเส้นถดถอยหลายตัวแปรและลำดับแรกเวลาการสร้างแบบจำลองชุดอัตถูกนำมาใช้โดยYumurtacıและ Asmaz (2004) ไป RU ลูกบาศ์กและ GU mrah (2004) และ Aras และ Aras (2004) ตามลำดับ อีกครั้งในปี 2004 วิธีการรูปแบบขั้นตอนวิธีพันธุกรรมเริ่มที่จะนำมาใช้สำหรับการคาดการณ์การใช้พลังงานและการบริโภค exergy โดยผู้เขียนต่างๆเช่น Canyurt et al, (2004), และ O Ceylan ztu¨ RK (2004) และ O ztu¨ RK et al, (2004) ในปี 2005 หลายรุ่นของวิธีการนี​​้เช่นพันธุกรรมการขนส่งพลังงานการประมาณค่าความต้องการ (GATEDE) พันธุกรรมพลังงาน (Gaen) พันธุกรรม exergy (GAEX) ได้รับการพัฒนาโดย Haldenbilen และ Ceylan (2005) และ Ceylan et al, (2005A b) ในที่สุดเครือข่ายประสาทเทียม (ANN) เทคนิคที่ใช้สำหรับการพยากรณ์ความต้องการพลังงานโดยการไป RU CU et al, (2004) และอื่น ๆ เซน et al, (2005) บทสรุปของวิธีการและข้อมูลที่ใช้และระยะเวลาที่คาดการณ์ในการศึกษาเหล่านี้จะได้รับในตารางที่ 1

ผลลัพธ์ (ไทย) 3:

และเนื่องจาก เ ิเกอร์ tatl ı Dil ( 2002 ) , เทคนิคต่างๆมาใช้ในการพยากรณ์ความต้องการพลังงานของตุรกี เช่นระดับวัน ถดถอยเชิงเส้น , ¬า gression ขั้นตอนวิธีทางพันธุกรรม และโครงข่ายประสาทเทียม ( ตารางที่ 1 ) sarak satman ( 2003 ) และแบบจําลองความต้องการก๊าซธรรมชาติสำหรับที่อยู่อาศัยความร้อนในตุรกีตามระดับวัน ( DD ) แนวคิดซึ่งเป็นครั้งแรกที่ใช้โดย durmayaz et al . ( 2000 ) และ กูตั้ง mrah et al . ( 2001 ) ในตุรกี ต่อมาในปี 2004 , การถดถอยเชิงเส้นพหุคูณวิธี multivariable , แรก , และแบบจำลองอนุกรมเวลาที่ถูกใช้โดย yumurtac ı และ asmaz ( 2004 ) ไปตั้งตั้ง CU ที่จะตั้งและกูตั้ง mrah ( 2004 ) , และ อาราส และอาราส ( 2004 ) ตามลำดับ อีกครั้งในปี 2004วิธีการรูปแบบขั้นตอนวิธีทางพันธุกรรม เริ่มมีการใช้พลังงานและเอ็กเซอร์ยีการพยากรณ์การบริโภคโดยผู้เขียนต่างๆเช่น canyurt et al . ( 2004 ) , เซย์ลันและ o ตั้ง ztu ตั้ง RK ( 2004 ) , และ o ตั้ง ztu ตั้ง RK et al . ( 2004 ) ในปี 2005 , หลายรุ่นของวิธีการนี้เช่นพันธุกรรมอัลกอริทึมการประมาณอุปสงค์พลังงานขนส่ง ( gatede ) , ขั้นตอนวิธีเชิงพันธุกรรมพลังงาน ( แก่น )ขั้นตอนวิธีเชิงพันธุกรรม ( gaex เซอร์ ) ได้รับการพัฒนาโดย haldenbilen และเซย์ลัน ( 2005 ) และเซย์ลัน et al . ( 2005a , B ) ในที่สุด , โครงข่ายประสาทเทียม ( ANN ) เป็นเทคนิคที่ใช้สำหรับการพยากรณ์ความต้องการพลังงานโดยไปตั้งตั้ง CU ที่จะตั้ง et al . ( 2004 ) และตั้งเซน et al . ( 2005 ) สรุปวิธีการและข้อมูลที่ใช้ระยะเวลาในการศึกษาและพยากรณ์เหล่านี้จะได้รับตารางที่ 1 .