Geri Dön

Farklı makine öğrenmesi yaklaşımlarını kullanarak Türkiye'de HELİOSAT tabanlı güneş radyasyonunun modellenmesi

Modeling of HELİOSAT based solar radiation in Turkey using different machine learning approaches

PDF İndir

  1. Tez No: 818336
  2. Yazar: TAHA DEMİRGÜL
  3. Danışmanlar: DR. ÖĞR. ÜYESİ VAHDETTİN DEMİR
  4. Tez Türü: Yüksek Lisans
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: KTO Karatay Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 93

Özet

Solar radyasyon (SR), enerji dönüşümü, yeşil bina konsepti, meteoroloji, küresel iklim değişikliği, tarım ve hayvancılık ile ilgili çalışmalar için önemli bir parametredir. Solar radyasyonun belirlenebilmesi için gereken alıcıların tüm noktalar için temin edilememesinden dolayı bu parametrenin çeşitli yöntemlerle tahmin edilmesi gerekmektedir. Bu tez çalışmasında, Türkiye'nin 81 vilayetinin 2004-2021 yıllarına ait aylık ortalama solar radyasyon değerleri (kWsa/m²) ve 3600 grid noktasının 2004-2021 yıllarına ait yıllık ortalama solar radyasyon değerleri (kWsa/m²) kullanılarak ülke çapında farklı test noktaları için solar radyasyon tahmini gerçekleştirilmiştir. Solar radyasyon değerleri, Model 5 ağacı, çok değişkenli uyarlanabilir regresyon eğrileri ve en küçük kareler destek vektör regresyonu olmak üzere 3 farklı makine öğrenmesi tekniği kullanılarak MATLAB platformunda tahmin edilmiştir. Solar radyasyon haritaları için ise ters mesafe ağırlıklandırma enterpolasyon tekniği kullanılmıştır. Tahmin edilen veriler ArcMap ortamında haritalandırılmıştır. Solar radyasyon, komşu ölçüm istasyonlarına ait konum bilgileri ve periyodiklik bileşeni olan ay ve yıl değerleri kullanılarak tahmin edilmiştir. Modellerde kullanılan 2004-2021 yıllarını içeren solar radyasyon verileri, Meteoroloji Genel Müdürlüğü'nden temin edilmiş uydu tabanlı model olan heliyosferik optik satelit model verileridir. Farklı kombinasyonlar kullanılarak test istasyonlarından elde edilen SR tahminleri gözlenen verilerle karşılaştırılmıştır. Bu karşılaştırmalarda, karekök ortalama karesel hata, ortalama mutlak hata, ortalama mutlak bağıl hata, Nash-Sutcliffe modeli verimlilik katsayısı ve determinasyon katsayısı yöntemleri kullanılmıştır. Tahmin edilen SR değerlerine ait gidiş, saçılma grafikleri, Taylor ve Violin diyagramları oluşturulmuştur. Tahmin verileri ile oluşturulan solar radyasyon haritalarının gözlem verileriyle oluşturulan solar radyasyon haritalarıyla büyük ölçüde benzerlik gösterdiği belirlenmiştir. Böylece, makine öğrenme algoritmalarının literatürde yer alan kabul görmüş geleneksel yöntemlere göre daha kolay ve alternatif bir yöntem olabileceği gösterilmiştir.

Özet (Çeviri)

Solar radiation (SR) is an important parameter for studies on energy conversion, green building concept, meteorology, global climate change, agriculture, and livestock. Since the receivers required for the determination of solar radiation cannot be obtained for all points, this parameter needs to be estimated by various methods. In this thesis, solar radiation estimation was carried out for different test points across the country using the monthly average solar radiation values (kWh/m²) of 81 provinces of Turkey for the years 2004-2021 and the annual average solar radiation values of 3600 grid points for the years 2004-2021. Solar radiation values were estimated on the MATLAB platform using 3 different machine learning techniques Model 5 tree, multivariate adaptive regression curves and least squares support vector regression. Inverse distance weighting ınterpolation technique was used for solar radiation maps. The predicted data were mapped in the ArcMap environment. SR was estimated using the location information of neighboring measurement stations and the moon values with the periodicity component. The solar radiation data used in the models, including the years 2004-2021, is the satellite based heliospheric optical satellite (HELIOSAT) model data obtained from the General Directorate of Meteorology. For grouping, combination groups based on different criteria were created. The solar radiation estimates obtained from the test stations using different combinations were compared with the observed data. In these comparisons, root mean square error, mean absolute error, mean absolute relative error, Nash-Sutcliffe model efficiency coefficient, and coefficient of determination methods were used. Trend, scattering, Taylor, and Violin graphs of the data packets were created. As a result, the predictions obtained by using 3 different machine learning techniques in the estimation of solar radiation were evaluated with 5 different comparison criteria. It has been determined that the solar radiation maps created with the forecast data are largely similar to the solar radiation maps created with the observation data. In this study, it has been shown that machine learning algorithms can be an easier and alternative method compared to the accepted traditional methods in the literature.

Benzer Tezler

  1. Tez No

    827867

    Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  2. Tez No

    909019

    Comprehensive risk mapping and fire station optimization for forest fire management: An application in Antalya

    Orman yangını yönetimi için kapsamlı risk haritalama ve yangın istasyonu optimizasyonu: Antalya uygulaması

    ZÜHAL ÖZCAN YAVUZ

    Doktora

    İngilizce

    İngilizce

    2024

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖZGÜR KABAK

    DR. ÖĞR. ÜYESİ İNCİ ÇAĞLAYAN

  3. Tez No

    557178

    Simplifying balance sheet adjustment process in commercial loan applications using machine learning methods

    Ticari kredi başvurularında şirket bilançoları üzerinde gerçekleştirilen aktarma-arındırma işlemlerinin makine öğrenmesi yöntemleri kullanılarak basitleştirilmesi

    İBRAHİM TOZLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE GÜNDÜZ ÖĞÜDÜCÜ

  4. Tez No

    574704

    Prediction of the heating season indoor thermal data based on short-term measurement

    Kısa süreli iç ortam ölçüm verisine dayalı ısıtma sezonu tahmini

    SAMI SHAMS ALDIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    DOÇ. DR. HATİCE SÖZER

  5. Tez No

    739766

    Bankacılık sektöründe dış kaynak çalışan yönetiminin iyileştirilmesinde bilgi teknolojileri kullanımına yönelik bir uygulama

    An application to use information technologies to improve management of outsourced employee in the banking industry

    SEREN AKBABA

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NİHAN YILDIRIM

Geri Dön