- Avrupa Bilim ve Teknoloji Dergisi
- Issue: 34 Special Issue
- Vehicle Fuel Emission Efficiency Estimation Using Multi-Linear Regression in Machine Learning
Vehicle Fuel Emission Efficiency Estimation Using Multi-Linear Regression in Machine Learning
Authors : Yunus Eği
Pages : 115-120
Doi:10.31590/ejosat.1076596
View : 12 | Download : 5
Publication Date : 2022-03-31
Article Type : Research
Abstract :Araç yakıt tüketimi ve emisyonu küresel ısınma ve dünya ekonomisi için büyük bir olay olmuştur. CO2 emisyonunun etkileri, Nominal Beygir Gücü (NBG), Silindir ve Rotor Sayısı (SRS), Dişli Sayısı (DS) ve Eşdeğer Test Ağırlığı (ETA) gibi motor tasarım parametrelerinin Yuvarlatılmış ve Ayarlanmış Yakıt Ekonomisine (YAYE) optimizasyonu ile en aza indirilebilir. Bu makalede, makine öğreniminde Çoklu Doğrusal Regresyon (ÇDR) kullanılarak NBG, SRS, DS ve ETA bağımsız değişkenlerinin YAYE'ye ağırlıklı etkisi ortaya çıkarılmıştır. Önerilen ÇDR yöntemi için araç verileri eğitim ve test olarak ikiye ayrılmıştır. Daha sonra yanlış tahminlere yol açan aykırı değerleri ortadan kaldırmak için eğitim verilerine veri temizleme işlemi uygulanmıştır. Önerilen yöntem, bağımlı değişken YAYE ile ilişkisi olan değişkenleri karşılaştırmak ve aramak için korelasyon katsayısını belirlemektedir. Korelasyon analizinde önemsiz parametreler bulunmadığından ÇDR eğitimi tüm parametreler dikkate alınarak gerçekleştirilmiştir. Son olarak, işlenen veriler ÇDR modeli oluşturmak için eğitilmiştir. Elde edilen model Varyans (ANOVA) analizi ile değerlendirilmiştir. ANOVA'ya göre, bağımlı değişken YAYE ile bağımsız değişkenler DS, ETA ve NBG arasında sırasıyla p değeri 4.0994e-60, 1.5887e-48 ve 2.5494e-31 arasında anlamlı bir ilişki vardır. Ayrıca, DS ETA ve NBG'nin p değerleri 227.73, 220.87 ve 152.41 F test sonuçları ile desteklenir. Öte yandan, elde edilen model ayrıca 0.031276 p değeri ve 4.94 F testi ile SRS'den nispeten daha az etkilenir. Sonuç olarak, ortaya çıkan ÇDR modeli, araç parametrelerinin CO2 emisyonlarını etkilediğini ortaya çıkardığı için yeni araç tasarımlarında kullanılabilir.Keywords : Yakıt verimliliği, Makine Öğrenimi, Çoklu lineer Regresyon, CO2 Emisyonu