Among these studies, only four of them are associated with the primary energy demand in addition to Ediger and Tatlıdil (2002). Ceylan and O¨ ztu¨ rk (2004), Canyurt et al. (2004), and Ceylan et al. (2005b) used genetic algorithm method whereas So¨ zen et al. (2005) used artificial neural network. Ceylan and O¨ ztu¨ rk (2004) used three scenarios. Scenario 1 (GNP and population growth rates are taken as 5% and 0.12%, respectively) and Scenario 2 (GNP and population growth rates are taken as 4% and 0.14%, respectively) employ genetic algorithm in the form of linear and exponential whereas Scenario 3 employs polynomial curve fitting. Canyurt et al. (2004) used 5% of GDP growth rate and 0.12% population growth rate in two forms of non-linear equations such as exponential and quadratic. Ceylan et al. (2005b) used three forms of genetic algorithm methods such as linear, exponential, and mix. They accepted GDP growth rate as 5% and average annual population growth rate as 0.18%. Finally, So¨ zen et al. (2005) used artificial neural network in which economic, demographic, and energy data from 1975 to 2003 are used in two different methods to train the neural network.
As it is seen here most of these studies used various forms of econometric modeling. However, Ediger and
Tatlıdil (2002) has demonstrated clearly that the estimated economic and demographic parameters usually deviate from the realizations. For instance, GDP growth rates that are used in MAED applications are traditionally estimated much higher than actually realized. For the periods between 1985 and 1990, 1990 and 1995, and 1995 and 2000 years, MAED used the GNP growth rates of 6.0–7.0%, 7.0–8.0% and 7.0–7.5% in 1986; 6.4%, 6.8%, and 6.2% in 1990; and 5.7%, 4.8%, and 6.0% in 1994, respectively. But the realizations for the same periods have been around 4%, 3%, and 4%, respectively.
Besides, the relationship between energy consumption and economic development in Turkey has not been clearly demonstrated yet (Ediger, 2004). Although an almost linear relationship exists between primary energy con¬sumption and total GDP of Turkey during 1980–2000, the historical development of energy consumption and eco¬nomic production demonstrates frequent fluctuations, evolving in a cyclic pattern (Ediger and Huvaz, 2006).
Reexamining the causal relationship between GDP, energy consumption, and employment, Soytas- and Sarı (2003) and Sarı and Soytas- (2004) suggested that the causality runs from energy consumption to GDP in Turkey. This indicates that in the long run decreasing energy consumption may harm economic growth in Turkey. However, others argued that there is no evidence of causality between energy consumption and GDP in Turkey (Altınay and Karago¨ l, 2004) and that consumption of different energy sources may have different effects on income in Turkey (Sarı and Soytas-, 2004).
In this study, we aimed at forecasting primary energy demand in Turkey by using trend fitting based on historical time-series. We used the ARIMA technique for this purpose. The consumption data for hard coal, lignite, asphaltite, petrocoke, wood, animal and plant remains, oil, natural gas, hydropower, geothermal heat and electricity, and solar cover the period between 1950 and 2004. One other important energy source, wind energy, is not taken into consideration since its time series data is not sufficient to apply ARIMA. The 1950–1969 data is obtained from WEC TNC (World Energy Council Turkish National Committee) (1990, Table VII.8 on p. 113), the 1970–2002 data from WEC TNC (2002, Table V.8 on p. 73) and the 2003–2004 data from MENR. The methodology will be discussed in the following section. In Section 3, the results will be discussed and compared with the previous studies. The final section includes the conclusions together with recommendations to the future studies and to the policy-makers.
ระหว่างการศึกษานี้ 4 เท่านั้นเกี่ยวข้องกับความต้องการพลังงานหลัก Ediger และ Tatlıdil (2002) เซย์แลนและ O¨ ztu¨ rk (2004), Canyurt และ al. (2004), และ al. et เซย์แลน (2005b) ใช้วิธีการขั้นตอนวิธีพันธุกรรมในขณะที่เซน So¨ et al. (2005) ใช้โครงข่ายประสาทเทียม เซย์แลนและ O¨ ztu¨ rk (2004) ใช้ 3 สถานการณ์ สถานการณ์สมมติ 1 (GNP และประชากรเติบโตราคาถูกนำเป็น 0.12% และ 5% ตามลำดับ) และ 2 สถานการณ์ (GNP และประชากรเติบโตราคาถูกนำเป็น 4% และ 0.14% ตามลำดับ) ใช้ขั้นตอนวิธีพันธุกรรมในรูปแบบของเชิงเส้น และเนนขณะสถานการณ์ 3 ใช้กระชับโค้งพหุนาม Canyurt et al. (2004) ใช้ 5% ของอัตราการเติบโต GDP และอัตราการเติบโตของประชากรของ 0.12% ในสองรูปแบบของไม่ - เชิงเส้นสมการกำลังสอง และเนน เซย์แลน et al. (2005b) ใช้รูปแบบวิธีการขั้นตอนวิธีพันธุกรรมสามเช่นเส้น เนน และผสม พวกเขายอมรับอัตราการเติบโตของ GDP เป็น 5% และเฉลี่ยปีประชากรอัตราการเติบโตเป็น 0.18% สุดท้าย เซน So¨ et al. (2005) ใช้โครงข่ายประสาทเทียมในการสำมะโนประชากร เศรษฐกิจ และข้อมูลพลังงาน 1975 2003 ใช้ในสองวิธีฝึกเครือข่ายประสาทดังที่เห็นนี่ ศึกษาเหล่านี้ส่วนใหญ่ใช้แบบฟอร์มต่าง ๆ ของโมเดล econometric อย่างไรก็ตาม Ediger และ Tatlıdil (2002) ได้แสดงชัดเจนว่า ประเมินเศรษฐกิจ และประชากรพารามิเตอร์จะแตกต่างจากที่ realizations เช่น อัตราการขยายตัวของ GDP ที่จะใช้ในแอพพลิเคชัน MAED ประเพณีไว้มากสูงกว่าจริง จริง สำหรับรอบระยะเวลาระหว่างปี 1985 และปี 1990, 1990 และ 1995 และปี 1995 และ 2000, MAED ใช้อัตราการขยายตัวของ GNP 6.0 – 7.0%, 7.0 – 8.0% และ 7.0-7.5% ในปี 1986 6.4%, 6.8% และ 6.2% ในปี 1990 และ 5.7%, 4.8% และ 6.0% ในปี 1994 ตามลำดับ แต่ realizations สำหรับรอบระยะเวลาเดียวกันได้ประมาณ 4%, 3% และ 4% ตามลำดับสำรอง ความสัมพันธ์ระหว่างปริมาณการใช้พลังงานและการพัฒนาเศรษฐกิจในประเทศตุรกีได้ไม่ได้อย่างชัดเจนแสดง ได้ (Ediger, 2004) แม้ว่าความสัมพันธ์เชิงเส้นเกือบอยู่ระหว่าง con¬sumption พลังงานหลักและ GDP รวมตุรกีระหว่างปี 1980-2000 การพัฒนาทางประวัติศาสตร์ของการใช้พลังงานและผลิต eco¬nomic แสดงให้เห็นถึงความผันผวนบ่อย การพัฒนาในรูปแบบวัฏจักร (Ediger และ Huvaz, 2006)Reexamining ความสัมพันธ์เชิงสาเหตุระหว่าง GDP การใช้พลังงาน การ จ้าง Soytas และ Sarı (2003) และ Sarı และ Soytas- (2004) แนะนำว่า causality ที่ทำงานจากการใช้พลังงานให้ GDP ในตุรกี บ่งชี้ว่า การลดการใช้พลังงานในระยะยาวอาจเป็นอันตรายต่อเศรษฐกิจในประเทศตุรกี อย่างไรก็ตาม คนโต้เถียงว่า ไม่ของ causality ระหว่างการใช้พลังงานและ GDP ในประเทศตุรกี (Altınay และ Karago¨ l, 2004) และปริมาณการใช้แหล่งพลังงานอื่นอาจมีลักษณะแตกต่างกันในรายได้ในตุรกี (Sarı และ Soytas, 2004)ในการศึกษานี้ เรามุ่งเน้นที่การคาดการณ์อุปสงค์พลังงานหลักในตุรกีโดยปรับแนวโน้มตามลำดับเวลาทางประวัติศาสตร์ เราใช้เทคนิคอาสำหรับวัตถุประสงค์นี้ ข้อมูลปริมาณการใช้สำหรับฮาร์ดดิสก์ถ่านหิน ลิกไนต์ asphaltite, petrocoke ไม้ สัตว์ และพืชยังคง น้ำมัน ก๊าซธรรมชาติ พลังงานน้ำ ความร้อนใต้พิภพ และไฟฟ้า และแสงครอบคลุมระยะเวลาระหว่างปี 1950 และ 2004 หนึ่งอื่น ๆ แหล่งพลังงานที่สำคัญ พลังงานลม ถูกนำมาพิจารณาเนื่องจากเป็นข้อมูลอนุกรมเวลาที่ไม่เพียงพอที่จะใช้อา ข้อมูลปี 1950-1969 ได้รับมาจาก WEC TNC (โลกพลังงานตุรกีแห่งชาติกรรมการสภา) (1990, VII.8 ตารางใน p. 113), ข้อมูล 1970 – 2002 จาก WEC TNC (2002, V.8 ตารางบน p. 73) และพ.ศ. 2546 – 2547 ข้อมูลจาก MENR วิธีจะได้กล่าวถึงในส่วนต่อไปนี้ ใน 3 ส่วน ผลลัพธ์จะมีการกล่าวถึง และเปรียบเทียบกับการศึกษาก่อนหน้านี้ ส่วนท้ายประกอบด้วยข้อสรุปพร้อมข้อเสนอแนะ เพื่อการศึกษาในอนาคต และที่ policy-makers
การแปล กรุณารอสักครู่..
ท่ามกลางการศึกษาเหล่านี้เท่านั้นที่สี่ของพวกเขามีความเกี่ยวข้องกับความต้องการพลังงานหลักนอกเหนือไปจากเอดิเกอร์และTatlıdil (2002) Ceylan และ O ztu¨ RK (2004), et al, Canyurt (2004) และ Ceylan et al, (2005b) ใช้วิธีการขั้นตอนวิธีพันธุกรรมดังนั้นในขณะที่เซน et al, (2005) ที่ใช้เครือข่ายประสาทเทียม Ceylan และ O ztu¨ RK (2004) ใช้สามสถานการณ์ กรณีที่ 1 (ผลิตภัณฑ์มวลรวมประชาชาติและอัตราการเติบโตของประชากรถูกนำมาเป็น 5% และ 0.12% ตามลำดับ) และกรณีที่ 2 (ผลิตภัณฑ์มวลรวมประชาชาติและอัตราการเติบโตของประชากรถูกนำมาเป็น 4% และ 0.14% ตามลำดับ) จ้างขั้นตอนวิธีพันธุกรรมในรูปแบบของเส้นและชี้แจงในขณะที่ สถานการณ์ที่ 3 พนักงานปรับเส้นโค้งพหุนาม Canyurt et al, (2004) ที่ใช้ 5% ของอัตราการเติบโตของจีดีพีและ 0.12% อัตราการเติบโตของประชากรในสองรูปแบบของสมการไม่เชิงเส้นเช่นชี้แจงและกำลังสอง Ceylan et al, (2005b) ที่ใช้ในสามรูปแบบของวิธีการขั้นตอนวิธีพันธุกรรมเช่นเส้นชี้แจงและผสม พวกเขาได้รับการยอมรับอัตราการเติบโตของจีดีพีเป็น 5% และอัตราการเติบโตของประชากรเฉลี่ยต่อปีเป็น 0.18% ในที่สุดดังนั้นเซน et al, (2005) ที่ใช้เครือข่ายประสาทเทียมในการที่เศรษฐกิจประชากรและข้อมูลพลังงาน 1975-2003 จะใช้ในสองวิธีที่แตกต่างกันในการฝึกอบรมเครือข่ายประสาท.
ตามที่เห็นที่นี่ส่วนใหญ่ของการศึกษาเหล่านี้ใช้รูปแบบต่างๆของการสร้างแบบจำลองทางเศรษฐมิติ แต่เอดิเกอร์และTatlıdil (2002) ได้แสดงให้เห็นอย่างชัดเจนว่าพารามิเตอร์ทางเศรษฐกิจและประชากรประมาณมักจะเบี่ยงเบนไปจากความเข้าใจ ยกตัวอย่างเช่นอัตราการเจริญเติบโตของ GDP ที่ใช้ในการใช้งานอยู่ที่ประมาณ Maed ประเพณีสูงกว่าตระหนักถึงความจริง สำหรับรอบระยะเวลาระหว่างปี 1985 และปี 1990 ปี 1990 และปี 1995 และปี 1995 และปี 2000, Maed ใช้ผลิตภัณฑ์มวลรวมประชาชาติของอัตราการเจริญเติบโต 6.0-7.0%, 7.0-8.0% และ 7.0-7.5% ในปี 1986; 6.4%, 6.8% และ 6.2% ในปี 1990; และ 5.7%, 4.8% และ 6.0% ในปี 1994 ตามลำดับ แต่ความเข้าใจสำหรับรอบระยะเวลาเดียวกันได้รับรอบ 4%, 3% และ 4% ตามลำดับ. นอกจากนี้ความสัมพันธ์ระหว่างการใช้พลังงานและการพัฒนาทางเศรษฐกิจในตุรกียังไม่ได้แสดงให้เห็นอย่างชัดเจนเลย (เอดิเกอร์, 2004) แม้ว่าความสัมพันธ์เชิงเส้นเกือบอยู่ระหว่างcon¬sumptionพลังงานหลักและ GDP รวมของประเทศตุรกีในช่วง 1980-2000, พัฒนาการทางประวัติศาสตร์ของการใช้พลังงานและการผลิตที่แสดงให้เห็นถึงความผันผวนของeco¬nomicบ่อยการพัฒนาในรูปแบบวงจร (เอดิเกอร์และ Huvaz 2006) Reexamining ความสัมพันธ์เชิงสาเหตุระหว่างจีดีพีการใช้พลังงานและการจ้างงานและ Soytas- Sari (2003) และส่าหรีและ Soytas- (2004) ชี้ให้เห็นว่าเวรกรรมจะเริ่มต้นจากการใช้พลังงานต่อจีดีพีในตุรกี นี้แสดงให้เห็นว่าในระยะยาวการลดการใช้พลังงานที่อาจเป็นอันตรายต่อการเติบโตทางเศรษฐกิจในประเทศตุรกี แต่คนอื่นที่ถกเถียงกันอยู่ว่ามีหลักฐานไม่ก่อให้เกิดระหว่างการใช้พลังงานและจีดีพีในตุรกี (Altınayและ Karago ลิตร, 2004) และการบริโภคของแหล่งพลังงานที่แตกต่างกันที่อาจมีผลกระทบที่แตกต่างกันเกี่ยวกับรายได้ในตุรกี (Sari และ Soytas-, 2004) . ในการศึกษาครั้งนี้เรามุ่งเป้าไปที่การคาดการณ์ความต้องการพลังงานหลักในตุรกีโดยใช้แนวโน้มกระชับขึ้นอยู่กับเวลาชุดประวัติศาสตร์ เราใช้เทคนิค ARIMA เพื่อการนี้ ข้อมูลการใช้ถ่านหินอย่างหนักลิกไนต์ asphaltite, petrocoke, ไม้, สัตว์และพืชยังคงเป็นน้ำมันก๊าซธรรมชาติพลังความร้อนใต้พิภพและไฟฟ้าพลังงานแสงอาทิตย์และครอบคลุมช่วงระหว่างปี 1950 และปี 2004 หนึ่งในแหล่งพลังงานที่สำคัญอื่น ๆ พลังงานลม ไม่ได้นำมาพิจารณาเนื่องจากข้อมูลอนุกรมเวลาของมันไม่เพียงพอที่จะนำไปใช้ ARIMA 1950-1969 ข้อมูลที่จะได้รับจาก TNC WEC (โลกสภาพลังงานคณะกรรมการแห่งชาติตุรกี) (1990 ตาราง VII.8 บนพี. 113) 1970-2002 ข้อมูลจาก WEC TNC (2002, V.8 ตารางพี. 73 ) และ 2003-2004 ข้อมูลจาก MENR วิธีการจะมีการหารือในส่วนต่อไป ในส่วนที่ 3 ผลที่จะได้รับการกล่าวถึงและเมื่อเทียบกับการศึกษาก่อนหน้า ส่วนสุดท้ายมีข้อสรุปร่วมกันกับข้อเสนอแนะต่อการศึกษาในอนาคตและเพื่อกำหนดนโยบาย
การแปล กรุณารอสักครู่..