VERİ MADENCİLİĞİ KÜMELEME YÖNTEMLERİ KULLANARAK KARBON EMİSYONU GÖSTERGELERİ AÇISINDAN OECD ÜLKELERİNİN SINIFLANDIRILMASI

Abstract

değerleri de yıllar itibariyle artış durumundadır. Sera gazlarının artması günümüzün en önemli sorunlarından biri olan küresel ısınmanın başlıca sebepleri arasındadır. Çalışmada Organisation for Economic Co-operation and Development (OECD) üye olan 36 ülkesinin Dünya Bankası verilerinde yer alan 15 göstergeye göre 1990-2014 yılları değerleri kullanılarak kümeleme analizi uygulanmıştır. Toplam veri sayısının fazla olmasından dolayı veri madenciliği yöntemleri ve iki aşamalı kümeleme analizi kullanılarak veriler değerlendirilmiştir. Uygulama sırasında ideal küme sayısı dört olarak bulunmuştur. SPSS, MATLAB ve WEKA programları kullanılarak kümeleme sonuçları ayrı ayrı elde edilmiştir. Kümeleme yöntemleri olarak iki aşamalı ve self organizing map (SOM) tipi yapay sinir ağları tercih edilmiştir. Elde edilen kümeleme sonuçları için ülkelerin yinelenen küme değerleri dikkate alarak birleştirme işlemine tabi tutulmuştur. Sonuç olarak kullanılan karbon salınım değerleri yüksekten düşüğe doğru sıralanacak şekilde ülkeler kümelenmiştir. Küme altında bulunan ülkelerin sayıları ise, birinci kümede 1, ikinci kümede 9, üçüncü kümede 10 ülke olmak üzere dördüncü kümede 16 ülke bulunmuştur. Kümeleme sonuçları aynı kümede yer alan ülkelere karbon emisyonu değerlerini düşürmek için uygulanacak programlara yol gösterici olabilir. Ayrıca OECD çatısı altında ilgili kümede yer alan ülkeleri içeren komisyonlar kurulabilir. Son zamanlarda iklim değişiklerinin kendisini fazlasıyla hissettirmesi önlemlerin ve uygulamaların bir an önce hayata geçirilmesini desteklemektedir.Поскольку количество использования ископаемого топлива возросло после промышленной революции, за эти годы значения выбросов парниковых газов также увеличились. Увеличение парниковых газов является одной из основных причин глобального потепления, которое является одной из наиболее важных проблем современности. В исследовании использованы кластерные анализы 1990–2014 годов по 15 показателям данных Всемирного банка из 36 стран, являющимся членами Организации экономического сотрудничества и развития (ОЭСР). Из-за большого количества данных они оценивались с использованием методов “интеллектуального анализа данных” и “двухэтапного кластерного анализа”. Во время применения было найдено идеальное число кластеров – равно к четырём. Результаты кластеризации были получены отдельно с использованием программ SPSS, MATLAB и WEKA. В качестве методов кластеризации предпочтительны нейронные сети двухуровневого типа и самоорганизующейся карты (SOM). Для получения результатов кластера, страны были подвергнуты консолидации с учётом повторяющихся значений кластера. В результате страны сгруппированы так, что используемые значения выбросов углерода ранжируются от высокого до низкого. Количество стран в кластере составляет: 1 в первом кластере, 9 во втором кластере, 10 в третьем кластере и 16 в четвертом кластере. Результаты кластеризации могут служить ориентиром для программ, которые должны применяться к странам в одном кластере с целью снижения их данных по выбросу углерода. Кроме того, под эгидой ОЭСР могут быть созданы комиссии, включая страны в соответствующем кластере. В последнее время тот факт, что изменение климата дало о себе знать, во многом способствует скорейшему осуществлению мер и применению их в практике.With the increasing use of fossil fuels since the industrial revolution, greenhouse gas emission values have also been increasing over the years. Increasing greenhouse gases is one of the major causes of global warming, which is one of today's most important problems. In the study, clustering analysis was performed using 1990-2014 values according to 15 indicators in the World Bank data of 36 countries that are members of the organisation for Economic Co-operation and Development (OECD). The data was evaluated using data mining methods and two-stage clustering analysis due to the large number of total data. At the time of application, the ideal number of clusters was found to be four. Clustering results were obtained separately using SPSS, MATLAB and WEKA programs. Two-stage and self-organizing map (SOM) type neural networks are preferred as clustering methods. For the obtained cluster results, the countries have been combined for taking into account the recurring cluster values. As a result, countries are clustered so that the carbon emission values used are ranked from high to low. The number of countries in the cluster was 1 in the first cluster, 9 countries in the second cluster, 10 countries in the the third cluster and 16 countries in the fourth cluster. Clustering results may guide programs to reduce carbon emissions to countries in the same cluster. In addition, commissions including the countries in the related cluster can be established under the OECD union. The fact that climate change has made him feel more and more recently supports the implementation of measures and practices as soon as possible.