Analysis of meteorological data by artificial intelligence techniques and estimation of global solar radiation
Yapay zekâ teknikleri ile meteorolojik verilerin analizi ve global güneş işinim tahmini
- Tez No: 623361
- Danışmanlar: YRD. DOÇ. DR. FATİH KILIÇ, DOÇ. DR. İBRAHİM HALİL YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Endüstri ve Endüstri Mühendisliği, Computer Engineering and Computer Science and Control, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Adana Alparslan Türkeş Bilim Ve Teknoloji Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 63
Özet
Dünyanın ana yaşam kaynağı olmasının yanı sıra Güneş gezegeni, bitmek tükenmek bilmeyen yenilenebilir enerji kaynağına sahiptir. Türkiye dünyanın güneş kuşağının içerisinde olan 36−42° kuzey enlemleri ve 26−45° doğu boylamlarında bulunmaktadır. Güneş enerjisi veya elektrik enerjisi sistemlerinin hesaplanmasında kullanılan küresel ışınım ölçümü ülkemizdeki enerji tesis yeri için çok önemli bir veridir. Küresel ışınım değeri, güneşten gelen ışınımın direkt (beam) ve gökyüzünde dağılan (diffuse) ışınların toplamına eşittir. Bu değerin ölçümü, diğer meteorolojik verilerin (hava sıcaklığı, nem gibi) ölçümü ve tahmini kadar kolay değildir ve uzun yıllar ölçümlerinin yapılması gerekmektedir. Literatürde, meteoroloji ışınım verileri kullanılarak çeşitli ilişkiler türetilmiş ve bu metotlar ile farklı coğrafik lokasyonlar için ölçüm verisi tahmini yapılmıştır. Fakat, bu ilişkilerle yapılan tahminlerde yüksek sapmalar içerdiği görülebilmektedir. Bu tez çalışmasında, Türkiye'deki çeşitli bölgelerin meteorolojik verileri Meteonorm yazılımından alınmış ve Genetik Algoritma ile optimize edilerek önerilen Yapay Sinir Ağları (YSA) ve Destek Vektör Makinesi (DVM) ile küresel güneş ışınımı tahminleri yapılmıştır. Meteonorm yazılımdan alınan veriler test ve eğitim verisi olarak ayrılarak önerilen ANN ve DVM modellerin performansı değerlendirilmiştir. Önerilen ANN modeli ile DVM ve literatürde mevcut modellerden daha iyi sonuçlar elde edilmiştir. Test verisi için Genetik algoritma ile girişleri optimize edilen ANN modeli ile elde edilen Ortalama Mutlak Yüzde Hata değeri %3.44 olmuştur.
Özet (Çeviri)
In addition to being the main source of life in the earth, the Sun planet has an endless source of renewable energy. Turkey is situated at the sunny belt of the earth i.e. 36−42° North latitudes and 26−45° East longitudes. The global irradiation measurement used in the calculation of solar thermal or electrical energy systems is very significant for the facility location in our country. The global radiation value is equal to the sum of the beam and the diffuse rays of the radiation from the sun. Its measurement is not as easy as the measurement and the estimation of other meteorological data (such as air temperature, humidity) and long-terms are required. In the literature, various corelations have been derived by use of meteorological radiation data and the predictions for distinct geographic locations were conducted. However, it is seen that the predictions made with these corelations involve high deviations. In this thesis, meteorological data of various regions in Turkey were taken from Meteonorm software and global solar radiation forecasts were made with the proposed Artificial Neural Networks (ANN) and Support Vector Machine (SVM) by optimized the Genetic Algorithm. Generated data from the software were divided into training and testing data sets, and the proposed ANN and SVM models were tested with the data. Better results were obtained from the proposed ANN model as compared with the SVM and the existing models in the literature. Mean average percentage error was obtained to be 3.44% for testing data by the proposed ANN model which utilizes the most relevant input variables determined by the genetic algorithm.
Benzer Tezler
- Güneş enerji santrallerinde makine öğrenmesi algoritmaları ve coğrafi bilgi verileri kullanılarak enerji üretiminin tahminlenmesi
Prediction of energy production in solar power plants usi̇ng machine learning algorithms and geographic information data
EREN POLATCAN
Yüksek Lisans
Türkçe
2024
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. HAYRİ HAKAN DENLİ
- Gaziantep'te PM2.5 konsantrasyonunun zamansal ve mekânsaltahminine yönelik transfer öğrenme destekli hibrit yapay zeka modelleri
Spatio-temporal estimation of PM2.5 concentrations in gaziantepusing transfer learning-based hybrid artificial intelligence models
TÜRKAN ZENGİN GÖMLEKSİZ
Yüksek Lisans
Türkçe
2025
Meteorolojiİstanbul Teknik Üniversitesiİklim Bilimi ve Meteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN TOROS
- Flood risk analysis with geospatial artifical intelligence techniques
Coğrafi bilgi sistemleri ve yapay zeka ile sel taşkın riski analizi
MİRAÇ TAHA DERMAN
Yüksek Lisans
İngilizce
2025
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED OĞUZHAN METE
- Forecasting electric energy consumption using: Artificial intelligence: Case study using a new set of house holds in Iraq
Elektrik enerjisi tüketimini tahmin etme: Yapay zekâ: Irak'ta yeni bir ev evi kullanarak vaka çalışması
YAHYA HAFEDH ABDULAMEER ALSABBAGH
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ABDULLAHI ABDU IBRAHIM
- Land based emission inventory and consistency analysis for WRF-Chem: Dilovası example
WRF-Chem için arazi bazlı emisyon envanteri ve tutarlılık analizi: Dilovası örneği
UMUR DİNÇ
Yüksek Lisans
İngilizce
2021
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN TOROS