Geri Dön

Noktasal ölçüm yöntemleri ile elde edilen meteorolojik veriler kullanılarak rüzgâr kırılımı tespiti ve derin öğrenme destekli tahmini

Detection and deep learning-assisted estimation of wind shear using meteorological data observed by point measurement methods

  1. Tez No: 934788
  2. Yazar: EKİM KÜLÜM
  3. Danışmanlar: PROF. DR. MUSTAFA SERDAR GENÇ, DR. FERHAT KARAGÖZ
  4. Tez Türü: Doktora
  5. Konular: Enerji, Havacılık ve Uzay Mühendisliği, Meteoroloji, Energy, Aeronautical Engineering, Meteorology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Enerji Sistemleri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 100

Özet

Bu tez çalışmasında rüzgâr kırınımı (Wind Shear – WS) olarak tanımlanan rüzgârın hız ve/veya yönünde meydana gelen ani değişiklerin tespiti noktasal ölçüm sistemi kullanılarak yeni geliştirilen yöntem ile tespit edilmiştir. İlk olarak noktasal ölçüm yöntemleri ile elde edilen dakikalık rüzgâr hız/yön, sıcaklık, nem ve basınç ham verileri Python yazılımı ile veri temizleme (data handling/cleaning) işlemine tabi tutulmuştur. Ardından ICAO (International Civil Aviation Organization), FAA (Federal Aviation Administration) gibi otoritelerin belirlemiş olduğu WS parametreleri ile güç yasası (power law), logaritmik yasa (log law), aynı yükseklikte rüzgâr hız farkı ve WS katsayısı analizleri yapılarak temel WS ön kontrolleri gerçekleştirilmiştir. Aynı zamanda WS'a sebep olan hadiselerden MB (Mikropatlama- Microburst), WV (İz Girdabı- Wake Vortex), SB (Deniz Meltemi- Sea Breeze) ve GF (Hamle Cephesi- Gust Front) hadiselerinin karakteristik özellikleri analiz edilmiş ve algoritmaya uyarlanmıştır. Algoritma kullanılarak tespit edilen hadiselerin veri setinde mevcut yıl, ay, saat ve dakika bilgileri ile sonuçlar ortaya konmuştur. Bu işlemlerin akabinde LSTM (Uzun Kısa Vadeli Bellek – Long Short Term Memory) derin öğrenme metodu kullanılarak rüzgâr hız ve yön, sıcaklık, nem ve basınç parametreleri dakikalık ortalamalar ile ileri tarihli tahmin edilmiştir. Tahmin edilen veri setleri ileri tarihli zaman sütunu ile birleştirilerek yeni bir veri seti oluşturulmuştur. Bu veri seti, WS tespit algoritmasına uygulanarak ileri tarihli WS hadiselerinin tahmini gerçekleştirilmiştir. Tespit ve tahmin edilen hadiselerin gösterimi için bir arayüz tasarlanmıştır. Söz konusu arayüzde deneysel yöntemler ile elde edilen meteorolojik parametrelerin analizi sonucu elde edilen WS hadiseleri ile LSTM metodu ile ileri tarihli oluşturulan veri setinden elde edilen WS hadiselerinin yanı sıra rüzgâr hız/yön bilgileri görselleştirilmiştir.

Özet (Çeviri)

In this thesis study, the detection of sudden changes in wind speed and/or direction, defined as wind shear (WS), was determined with a newly developed method using a point measurement system. First, the raw data of minute wind speed/direction, temperature, humidity and pressure obtained with point measurement methods were subjected to data handling/cleaning with Python software. Then, basic WS preliminary checks were performed by using power law, log law, wind speed difference at the same height and WS coefficient analyses with WS parameters determined by authorities such as ICAO (International Civil Aviation Organization), FAA (Federal Aviation Administration). At the same time, the characteristic features of MB (Microburst), WV (Wake Vortex), SB (Sea Breeze) and GF (Gust Front) events that cause WS were analyzed and adapted to the algorithm. The results are presented with the current year, month, hour and minute information in the data set of the events detected using the algorithm. Following these processes, wind speed and direction, temperature, humidity and pressure parameters were estimated with minute averages in the future using the LSTM (Long Short Term Memory) deep learning method. A new data set was created by combining the estimated data sets with the future time column. This data set was applied to the WS detection algorithm and the estimation of future WS events was performed. An interface was designed for the display of the detected and estimated events. In the interface in question, the WS events obtained as a result of the analysis of the meteorological parameters obtained with experimental methods and the WS events carried from the future data set created with the LSTM method, as well as wind speed/direction information, were visualized.

Benzer Tezler

  1. Tez No

    537824

    Rüzgar enerji santralları üretim ve işletme değişkenlerinin çoklu-yarıvariogram yöntemi ile alansal tahmini

    Spatial forecast of production and operation parameters from wind power plants using multi-semivariogram method

    MURAT DURAK

    Doktora

    Türkçe

    Türkçe

    2018

    Enerjiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET DURAN ŞAHİN

  2. Tez No

    541315

    Kızılırmak havzasında alansal yağış ile buharlaşma-terlemenin izleme ve değerlendirilmesinde uydu görüntülerinin kullanılması

    Monitoring and evaluation of spatial distribution of precipitation and evapotranspiration in Kizilirmak basin by using satellite images

    SAKİNE ÇETİN

    Doktora

    Türkçe

    Türkçe

    2018

    ZiraatOndokuz Mayıs Üniversitesi

    Tarımsal Yapılar ve Sulama Ana Bilim Dalı

    DOÇ. DR. EYÜP SELİM KÖKSAL

  3. Tez No

    392935

    Başlıca iklim parametrelerinin bitki su tüketimine etkilerinin uzaktan algılama yöntemleri ile araştırılması

    Investigation of effects of major climate parameters on crop water consumption using remote sensing methods

    ORKAN ÖZCAN

    Doktora

    Türkçe

    Türkçe

    2014

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    İleri Teknolojiler Ana Bilim Dalı

    PROF. DR. NEBİYE MUSAOĞLU

    PROF. DR. CANKUT ÖRMECİ

  4. Tez No

    628121

    Yukarı fırat havzası'nda kar bileşenlerinin ölçülmesi, doğrulanması ve modellenmesi

    Measuring, validating and modeling of snow components in the upper eupharates basin

    MUSTAFA CANSARAN ERTAŞ

    Doktora

    Türkçe

    Türkçe

    2020

    İnşaat MühendisliğiEskişehir Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ALİ ARDA ŞORMAN

  5. Tez No

    801411

    Kayıp doğal gaz tüketiminin makine öğrenmesi ile tespiti: Sakarya örneği

    Detection of lost natural gas consumption with machine learning: Sakarya case

    KÜRŞAD ARSLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUHAMMED FATİH ADAK

    DR. ÖĞR. ÜYESİ MUSTAFA AKPINAR

Geri Dön