Bu çalışmanın amacı, destek vektör makinelerinde regresyon yöntemini kullanarak Türkiye'deki enerji santrallerinin doğalgaz tüketimi üzerine ön kestirim yapmaktır. Bu amaçla, veri seti 2013-2018 yılları arasında Türkiye Enerji Piyasası Düzenleme Kurumu ve Enerji İşleri Genel Müdürlüğünden elde edilmiştir. Bu çalışmada ilk olarak, Türkiye'de doğalgazın enerji piyasasındaki yeri, birincil enerji kaynakları içindeki payı, üretim, tüketim, ithalat ve ihracat değerleri incelenmiştir. Bu değerlerin ölçümündeki farklılıklardan dolayı, ilgili veri seti istatistiksel analizden önce standartlaştırılmıştır. Enerji santralleri tüketimi bağımlı değişken iken; sanayi tüketimi, şehir tüketimi, üretim, ithalat ve ihracat değerleri bağımsız değişken olarak belirlenmiştir. Destek Vektör Regresyonda kullanılan tüm kernel fonksiyonları (Doğrusal, Polinomiyal, Radyal Tabanlı Fonksiyon (RTF) ve Sigmoid) test edilmiştir. En küçük Hata Kareler Ortalaması (HKO)'na sahip olan RTF tahmin kernel fonksiyonu olarak seçilmiştir. Daha sonra, destek vektörler, ağırlıklar ve karar sabiti belirlenmiştir. Ağırlıklar ve destek vektörler çarpılıp sapma eklenerek, son model elde edilmiştir. Son model yardımıyla da Mayıs-Aralık 2018 için Türkiye'deki enerji santrallerinin doğalgaz tüketimlerine ait önkestirimler yapılmıştır. Sonuçlar ilgili tablolarda gösterilmiştir.  The aim of this study is to forecast the natural gas consumptions of power plants in Turkey via support vector machines regression method. With this aim the data set is obtained from Turkey's Energy Market Regulatory Authority and Energy Affairs General Directorate between the years 2013-2018. In this study, first of all, the place in Turkish market, ratio within the primary energy sources, production, consumption, import and export values of natural gas, as a power supply is examined. Because of the differences in measurements of these values, the related data set is standardized before the statistical analysis. While, the consumption in energy plants is considered as a dependent variable, industrial consumption, city consumption, production, import and export values are considered as independent variables. All types of Kernel functions (Linear, Polynomial, Radial Basis Function (RBF) and Sigmoid) in Support Vector Regression are tested. RBF is chosen as the forecasting Kernel function because of having the minimum Mean Square Error (MSE). Then, support vectors, weights and decision constants are determined. By multiplying weights with support vectors and adding the bias, the final model is obtained. By the help of final model, forecasts of natural gas consumption of power plants in Turkey, for May-December 2018 are obtained. The results are given in related tables and figures.