Anahtar Sözcükler: Yapay sinir ağları, evsel atık, çoklu lineer regresyon analizi, depolama sahası.Dünyanın hızla artan enerji talebinin karşılanmasında yenilenebilir enerji kaynakları her geçen gün önem kazanmaktadır. Katı atıkların bilinen en eski bertaraf yöntemi olan depolama sonucu oluşan metan gazından yararlanmak da bu çerçevede düşünülmüştür. İklim değişikliği konusunda yapılan çalışmalar içinde karbondioksite (C02) göre 21 kat, kloroflorokarbonlara (CFC) göre 7300 kattan daha fazla sera etkisine sahip metanın (C~) kontrolü önemlidir.Dünyada bu yöntemin uygulandığı bazı depolama sahaları ve Türkiye'de uygulama yeri olarak İstanbul Büyükşehir Belediyesi İSTAÇ A.Ş. Kemerburgaz oda yeri çöpten elektrik üretim tesislerine ait 900 adet günlük elektrik üretim verileri kullanılmıştır. Bu verilerin yapay sinir ağlarına ve çoklu regresyon tekniğine uyarlanmasıyla ileriye dönük üretim tahminlerinde bulunulmuştur. Ulaşılan sonuç itibariyle her iki uygulamanın ortalama mutlak yüzde hataları birbirine yakın olmakla birlikte en iyi sonucu yapay sinir ağları ileri beslemeli geri yayılım algoritması tekniği vermiştir.Kullanılan bu yöntemin küresel ısınma çevrenin korunmasına ve katı atıklardan enerji üretiminin ileriye dönük imalat ve iş programlarına yatırımlara ışık tutacağı aşikârdır.
Key words: Artificial neural networks, domestic wastes, multiple lineer regression analysis, storage area.Every day, the renewable energy resources gain in importance in meeting the worlds rapidly increasing energy needs. Within this framework, the methane gas accumulated because of the storage of domestic waste, the oldest method known to eliminate domestic waste, has also been considered. The control of methane (C~), with 21 times more greenhouse impact than carbon dioxide (C02) and 7300 times than chlorofluorocarbon (CFC) is an important task related to climate change.In some storage areas in the world and in Turkey, in the premises producing electricity from waste of the Istanbul Metropolitan Municipality?s ISTAC Inc, Kemerburgaz, where this method is applied, 900 daily electric production data were used. Estimations oriented to the future were made by using this data to artificial neural networks (ANNs) and adapting it to the multiple lineer regression technique (MLR). Although the absolute average error percentages of both applications are close to each other in term of results obtained, the best result was provided by the ANNs feed forward back propagation algorithm technique.It is evident that this method is likely to enlighten the path of global warming, the protection of the environment and the future oriented investments related to the production and work programs of energy production from solid wastes.
