Geri Dön

BİLSTM tabanlı derin öğrenme modeli ile belediye katı atık tahmini, biyogazdan elektrik enerjisi üretimi ve sera gazı azaltım potansiyelinin incelenmesi: Şırnak ili örneği

Investigation of municipal solid waste forecasting, electricity generation from biogas, and greenhouse gas mitigation potential using a BILSTM-Based deep learning model: The case of Sirnak province

PDF İndir

  1. Tez No: 989169
  2. Yazar: CEYLAN ÜREN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ EDİP TAŞKESEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Enerji, Energy
  6. Anahtar Kelimeler: Atık yönetimi, Biyokütle, Derin öğrenme, Enerji, Enerji sistemleri, Enerji üretimi, Waste management, Biomass, Deep learning, Energy, Energy systems, Energy generation
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Şırnak Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Enerji Bilimi ve Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Günümüzde hızla artan nüfus, kentleşme ve değişen tüketim alışkanlıkları, Belediye Katı Atık (BKA) miktarlarının sürekli artmasına yol açmakta ve sürdürülebilir atık yönetimi ile enerji üretimi gibi çevresel faydaların değerlendirilmesini zorunlu kılmaktadır. Özellikle BKA'lardan biyogaz üretimi ve elektrik enerjisi elde edilmesi, fosil yakıt kullanımını azaltarak Sera Gazı (SG) emisyonlarının düşürülmesine katkı sağlamaktadır. Bu çalışmada, Şırnak ili için 2025-2045 dönemi BKA miktarlarının BiLSTM derin öğrenme modeli kullanılarak tahmin edilmesi ve bu tahminler temel alınarak biyogaz üretim potansiyeli, elektrik enerjisi kapasitesi ve SG emisyon etkilerinin incelenmesi amaçlanmıştır. Model, Şırnak iline ait 2007-2024 yılları arasındaki geçmiş BKA yıllık miktarları ve finansal, sosyal ve demografik 12 değişkenden oluşan veri seti kullanılarak Python ve NumPy ile geliştirilmiş, veriler %80 eğitim ve %20 test olarak ayrılmıştır. 2007-2024 verileriyle eğitilen model, hiperparametre optimizasyonu sonrası %3,83'lük düşük bir Ortalama Mutlak Yüzde Hata (MAPE) değeri elde etmiş ve 5 katlı çapraz doğrulama ile ortalama %7,99 MAPE sağlanmıştır. Bu değerler, modelin yüksek doğruluk ve güvenilirliğe sahip olduğunu göstermektedir. Tahmin sonuçları, 2025 yılında yaklaşık 298,090 ton olan BKA miktarının 2045 yılına kadar yaklaşık 825,929 tona çıkarak %63,9 oranında artacağını ortaya koymaktadır. LandGEM modeli ile yapılan hesaplamalara göre, 2025'te yaklaşık 2.47 milyon m³ olan CH₄ üretim potansiyeli 2045'te 6.86 milyon m³'e ulaşacak ve %75 etkin metan toplama varsayımı ile sırasıyla 1.85 milyon m³ ve 5.14 milyon m³ CH₄ geri kazanılabilecektir. Elektrik üretim potansiyeli 2025'te 5,157 MWh, 2045'te 14,315 MWh olup, toplamda yaklaşık 225,478 MWh enerji üretimi öngörülmektedir. Optimum biyogaz santral kurulu gücü ise 1.63 MW olarak hesaplanmıştır. Ayrıca biyogaz kullanımının, fosil yakıtlara kıyasla ortalama 141,375 ton CO₂ eşdeğeri SG emisyonunun önlenmesine katkı sağlayacağı tahmin edilmektedir. Çalışma sonuçları, BiLSTM tabanlı BKA tahminlerinin atık yönetimi ve enerji planlamasında güvenilir bir araç olduğunu, biyogaz kullanımının fosil yakıtların yerini alarak çevresel etkilerin azaltılmasına katkı sağladığını ve elde edilen elektrik enerjisi üretimiyle sürdürülebilir bir atık-enerji dönüşüm yaklaşımını desteklediğini göstermektedir.

Özet (Çeviri)

Rapid population growth, urbanization, and changing consumption patterns have led to a continuous increase in Municipal Solid Waste (MSW) quantities, making sustainable waste management and the assessment of environmental benefits such as energy recovery increasingly essential. Particularly, biogas production and electricity generation from MSW contribute to reducing Greenhouse Gas (GHG) emissions by decreasing fossil fuel consumption. This study aims to forecast MSW quantities for the period 2025–2045 in the province of Şırnak using the BiLSTM deep learning model, and to examine the biogas production potential, electricity generation capacity, and GHG emission impacts based on these forecasts. The model was developed in Python using annual MSW data for Şırnak from 2007 to 2024, along with a dataset consisting of 12 financial, social, and demographic variables. The dataset was split into 80% for training and 20% for testing. After training the model with the 2007–2024 data and performing hyperparameter optimization, a low Mean Absolute Percentage Error (MAPE) of 3.83% was achieved, while 5-fold cross-validation yielded an average MAPE of 7.99%. These results indicate that the model has high accuracy and reliability. Forecast results show that MSW quantities, which are approximately 298,090 tons in 2025, are projected to reach around 825,929 tons by 2045-an increase of 63.9%. According to LandGEM-based calculations, methane production potential is projected to rise from about 2.47 million m³ in 2025 to 6.86 million m³ in 2045. Under the assumption of a 75% methane collection efficiency, approximately 1.85 million m³ and 5.14 million m³ of methane can be recovered in 2025 and 2045, respectively. The electricity generation potential is estimated at 5,157 MWh for 2025 and 14,315 MWh for 2045, with a cumulative generation of approximately 225,478 MWh. The optimum installed capacity of the biogas power plant was calculated as 1.63 MW. Furthermore, the use of biogas is projected to prevent an average of 141,375 tons of CO₂-equivalent GHG emissions compared to fossil fuels. The findings demonstrate that BiLSTM-based MSW forecasting is a reliable tool for waste management and energy planning, that biogas utilization contributes to reducing environmental impacts by replacing fossil fuels, and that the resulting electricity generation supports a sustainable waste-to-energy conversion approach.

Benzer Tezler

  1. Tez No

    953216

    Derin öğrenme ile gerçek zamanlı türkçe işaret dili ifade tanıma

    Real-time recognition of turkish sign language expression using deep learning

    CUMHUR TORUN

    Doktora

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKastamonu Üniversitesi

    Malzeme Bilimi ve Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ABDULKADİR KARACI

  2. Tez No

    849512

    Python söz dizimi hatalarının derin öğrenme yöntemleri ile onarılması

    Fixing python syntax errors with deep learning methods

    SENA DİKİCİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. TURGAY TUGAY BİLGİN

  3. Tez No

    759996

    Derin öğrenme ile cerrahi video anlama

    Surgical video understanding with deep learning

    ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DUYGU SARIKAYA

  4. Tez No

    752741

    Çevrimiçi reklamlarda kullanıcının satın alma sürecinde kanalların etkisinin derin öğrenme yöntemleri ile tespiti

    Detection of effect of channels on user's purchasing process in online advertisements by deep learning methods

    OĞUZ KAHRAMAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MİNE ELİF KARSLIGİL YAVUZ

  5. Tez No

    1009428

    Yeni nesil derin öğrenme modelleri kullanılarak radar sinyallerinin otomatik kimliklendirilmesi

    Automatic identification of radar signals using next-generation deep learning models

    ALİ RIZA TORUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Savunma ve Savunma TeknolojileriSelçuk Üniversitesi

    Savunma Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FATİH ALPASLAN KAZAN

Geri Dön