Geri Dön

Uydu ve meteoroloji verilerinden makine öğrenmesi yöntemleri kullanılarak Adana Bölgesi için güneş enerjisi potansiyelinin tahmini

Forecasting the solar energy potential for the Adana Region using machine learning methods from satellite and meteorology data

PDF İndir

  1. Tez No: 909834
  2. Yazar: METİN ERSİN
  3. Danışmanlar: DOÇ. DR. BEKİR YİĞİT YILDIZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Meteoroloji, Meteorology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Bilim Dalı
  13. Sayfa Sayısı: 101

Özet

Nüfus artışı, hızla gelişen sanayileşme, teknolojinin gelişmesi, insanların ihtiyaçlarının artması gibi birçok sebepten dolayı dünyada büyük miktarda enerji ihtiyacı ortaya çıkmıştır. Bu ihtiyacın ya geleneksel yöntemler olan fosil yakıtlara bağlı santrallerden ya da yeni nesil enerji kaynakları olan güneş enerjisi, rüzgâr enerjisi gibi temiz enerji olarak adlandıran kaynaklardan sağlanması zaruri hale gelmiştir. Bu çalışmada Adana meteoroloji istasyonunu temel alarak çevresini kapsayan bir alanda yer yüzeyine gelen güneş enerjisi miktarının makine öğrenmesi algoritmaları ile tahmin edilmesi amaçlanmıştır. Bu amaç doğrultusunda bu geniş bölgeyi en hızlı ve maliyetsiz olarak incelemek amacı ile uzaktan algılama verileri ve yöntemleri kullanılmıştır. NOAA-AVHRR uydu verileri NASA'nın resmi sitesi üzerinden temin edilip kalibrasyon ve coğrafik konumlandırma işlemleri yapılıp yüzey sıcaklığı değerleri hesaplanmıştır. Makine öğrenmesi algoritmalarında çalıştırılmak üzere 8 farklı veri seti hazırlanmıştır. Bu veri setleri makine öğrenmesi algoritmaları ile çalıştırılmış ve WEKA yazılımı kullanılarak algoritmaların hangi veri setleri ile uygun sonuçlar verdiği araştırılmıştır. Bu sonuçlar incelendiğinde lineer regresyon algoritmasının %79,9'luk, çok katmanlı algılayıcı algoritmasının %88,4'lük, destek vektör regresyon algoritmasının %89,2'lik başarım oranlarına sahip olduğu belirlenmiştir.

Özet (Çeviri)

Due to many reasons such as population growth, rapidly developing industrialization, development of technology, and increase in people's needs, the world's need for large amounts of energy has emerged. It has become necessary to meet this need either from power plants based on fossil fuels, which are traditional methods, or from sources called clean energy, such as solar energy, wind energy, which is a new generation energy source. In this study, it is aimed to calculate the amount of solar energy, based on Adana meteorology station, in the area covering the self region in order to overcome this energy deficit. For this purpose, remote sensing data and machine learning algorithms have been used in order to examine the solar radiation in this wide region in the fastest and most cost-effective way. NOAA-AVHRR satellite data was obtained from NASA' web site, calibration and geograpic processes were performed and land surface temperature values were calculated. 8 different data sets were prepared to be run in machine learning algorithms. These data sets were run with machine learning algorithms by using WEKA software, it was investigated with which data sets the algorithms gave appropriate results. When these results are examined, it has been determined that the linear regression algorithm has 79.9%, the multilayer perceptron algorithm has 88.4% and the support vector regression algorithm has 89.2% success rates.

Benzer Tezler

  1. Tez No

    884894

    Tomorrow's İstanbul: Adaptive urban flood mitigation planning for climate change-induced hydro- meteorological hazards

    Yarının İstanbul'u: İklim değişikliğinin neden olduğu hidrometeorolojik tehditlere karşı uyumlu kentsel sel planlaması

    BATUHAN GUGUK

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Şehircilik ve Bölge Planlamaİstanbul Teknik Üniversitesi

    Şehir ve Bölge Planlama Ana Bilim Dalı

    PROF. DR. AZİME TEZER

  2. Tez No

    565495

    Aircraft detection from large scale remote sensing images with deep learning techniques

    Büyük ölçekli uzaktan algılama görüntülerinden derin öğrenme teknikleriyle uçak tespiti

    MEHMET SOYDAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  3. Tez No

    885617

    Estimation of PM10 variations in the Southeastern and Eastern Anatolia regions of Türkiye using remote sensing and statistical models

    Türkiye'nin Güneydoğu ve Doğu Anadolu bölgelerindeki PM10 değişimlerinin uzaktan algılama ve ı̇statistiksel modeller kullanılarak tahmini

    SULTANAY MURZAEVA

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    İklim ve Deniz Bilimleri Ana Bilim Dalı

    PROF. DR. ALPER ÜNAL

  4. Tez No

    911475

    A new agro-meteorological drought index based on remote sensing

    Uzaktan algılama temelli yeni bir agro-meteorolojik kuraklık indeksi

    EYYUP ENSAR BAŞAKIN

    Doktora

    İngilizce

    İngilizce

    2024

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET CÜNEYD DEMİREL

  5. Tez No

    665780

    Building detection from very high resolution satellite images with deep learning approach

    Derin öğrenme yaklaşımı ile çok yüksek çözünürlüklü uydu görüntülerinde bina tespiti

    ESRA ÖZAYDIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

Geri Dön