Makine Öğrenmesi Teknikleri ile Meteorolojik Verilere Dayalı Güneş Işınımı Tahmini: Isparta Örneği

Basit Öğe Kaydı
dc.contributor.authorGüzel, Buğra
dc.contributor.authorSevli, Onur
dc.contributor.authorOkatan, Ersan
dc.date.accessioned2025-01-21T14:28:06Z
dc.date.available2025-01-21T14:28:06Z
dc.date.issued2023
dc.description.abstractYenilenebilir enerji kaynaklarından olan güneş enerji sistemleri her geçen gün daha fazla ilgi görmekte ve kullanımı yaygınlaşmaktadır. Diğer birçok yenilenebilir enerji kaynaklarında olduğu gibi güneş enerji sistemlerindeki önemli bir sorun sistemin sağlayacağı enerjinin sürekli olmamasıdır. Elde edilecek enerjinin tahmin edilebilmesi bu bakımdan oldukça önemlidir. Bu çalışmada Meteoroloji Genel Müdürlüğü’nden Isparta ili için alınan meteorolojik veriler kullanılarak güneş ışınımı tahmini yapılmıştır. Tahmin işlemi için Rastgele Orman (RF), k-EYK (k-En Yakın Komşu), YSA (Yapay Sinir Ağları) ve Derin Öğrenme yöntemleri kullanılmıştır. Ayrıca zaman verileri için kukla değişken kullanımının bu farklı metotlar ile oluşturduğu sonuçlar incelenmiştir. Elde edilen bulgulara göre kukla değişken kullanımının YSA ve Derin Öğrenme yöntemlerinde performansı arttırdığı, Rastgele orman ve k-EYK yöntemlerinde ise performansı düşürdüğü görülmüştür. YSA ve derin öğrenme ile güneş ışınımı tahmininde en iyi sonuçlar elde edilmiştir.
dc.description.abstractSolar energy systems which is one of renewable energy sources takes more interest and gains prevalence day by day. As in other many renewable energy sources, a significant problem in solar energy systems is the unstability of the energy that the system will provide. Prediction of the energy to be obtained is very important in this respect. In this study, solar radiation is predicted using meteorological data taken from the General Directorate of Meteorology for Isparta. For predictions, the random forest (RF), KNN (k-Nearest Neighbor), ANN (Artificial Neural Networks) and Deep Learning (DL) methods are used. In addition, the results of dummy variable usage for time data are examined with these different methods. According to the findings obtained, it is seen that the dummy variable usage increases performance for ANN and DL methods but decreases performance for random forest and KNN methods. Best results are obtained for the prediction of the solar radiation with ANN and DL.
dc.identifier.dergipark1268055
dc.identifier.doi10.29137/umagd.1268055
dc.identifier.issn1308-5514
dc.identifier.issue2-704
dc.identifier.startpage713
dc.identifier.urihttps://dergipark.org.tr/tr/download/article-file/3023027
dc.identifier.urihttps://dergipark.org.tr/tr/pub/umagd/issue/76084/1268055
dc.identifier.urihttps://doi.org/10.29137/umagd.1268055
dc.identifier.urihttps://hdl.handle.net/20.500.12587/20218
dc.identifier.volume1
dc.language.isoen
dc.publisherKırıkkale Üniversitesi
dc.relation.ispartofUluslararası Mühendislik Araştırma ve Geliştirme Dergisi
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_20241229
dc.subjectderin öğrenme
dc.subjectkukla değişken
dc.subjectrastgele orman
dc.subjectgüneş ışınımı tahmini
dc.subjectyapay sinir ağları
dc.subjectArtificial neural networks
dc.subjectdeep learning
dc.subjectdummy variable
dc.subjectrandom forest
dc.subjectsolar radiation prediction
dc.subjectEngineering
dc.titleMakine Öğrenmesi Teknikleri ile Meteorolojik Verilere Dayalı Güneş Işınımı Tahmini: Isparta Örneği
dc.title.alternativeForecasting Solar Radiation Based on Meteorological Data Using Machine Learning Techniques: A Case Study of Isparta
dc.typeArticle

Dosyalar

Koleksiyon

Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi
TR-Dizin İndeksli Yayınlar Koleksiyonu