Kompleks-değerli veriler kullanılarak derin öğrenme yöntemleri ile rüzgar hızı ve yönü tahmini
Prediction of wind speed and direction with deep learning methods using complex-valued data
- Tez No: 959039
- Danışmanlar: PROF. DR. ENGİN CEMAL MENGÜÇ, DR. ÖĞR. ÜYESİ ALPER EMLEK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Kayseri Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, kısa vadeli rüzgâr hızı ve yönü tahmini için kompleks-değerli sinyal temsiline dayalı bir yaklaşım önerilmiş ve bu yapının farklı derin öğrenme modelleriyle başarımı değerlendirilmiştir. Rüzgâr sinyali, genlik ve faz bileşenleriyle kompleks düzlemde ifade edilerek, klasik yöntemlere kıyasla daha bütüncül bir yapı sunulmuştur. Bu kapsamda MLP, 1D-CNN, LSTM, BiLSTM, GRU ve 1D-CNN+LSTM olmak üzere altı farklı model iki ayrı zaman dilimine ait veri kümeleriyle test edilmiştir. Modellerin eğitim başarımları; standart tahmin kazancı, korelasyon katsayısı ve kayıp fonksiyonu gibi metrikler üzerinden değerlendirilmiştir. Elde edilen bulgulara göre, BiLSTM modeli hem hız hem yön tahmininde en yüksek doğruluğa ve en düşük kayıp değerine ulaşmıştır. LSTM ve 1D-CNN modelleri de eğitim süresi ve performans açısından etkili sonuçlar vermiştir. MLP modeli ise kısa eğitim süresine rağmen düşük doğrulukla sınırlı kalmıştır. Bu çalışma, kompleks-değerli sinyal temsiline dayalı yapıların derin öğrenme modelleri ile entegrasyonunun, rüzgâr tahmini gibi yönlü büyüklüklerde yüksek doğruluk sunduğunu ortaya koymuştur. Elde edilen sonuçlar, söz konusu modellerin yenilenebilir enerji sistemleri ve yenilenebilir enerji kaynaklarının entegrasyonu gibi alanlarda etkin şekilde kullanılabileceğini göstermektedir.
Özet (Çeviri)
In this thesis, a complex-valued signal representation-based approach is proposed for short-term wind speed and direction forecasting, and the performance of different deep learning models is evaluated. The wind signal is represented holistically on the complex plane using magnitude and phase components, offering a more integrated modeling structure compared to traditional methods. In this context, six different models MLP, 1DCNN, LSTM, BiLSTM, GRU, and a hybrid 1D-CNN+LSTM were tested on two distinct datasets corresponding to different time periods. Model performances were assessed using metrics such as standard prediction gain, correlation coefficient, and loss function. The results show that the BiLSTM model achieved the highest prediction accuracy and the lowest loss values for both wind speed and direction. The LSTM and 1D-CNN models also delivered effective results in terms of training duration and performance. On the other hand, the MLP model exhibited limited success due to low accuracy despite its fast training process. This study demonstrates that integrating complex-valued signal representation with deep learning architectures provides high accuracy in modeling directional meteorological variables such as wind. The findings suggest that the proposed models can be effectively utilized in renewable energy systems and integration processes of renewable energy sources.
Benzer Tezler
- 1,3-difenil-4,5-bis(hidroksiimino)-imidazolidin ve Ni(II), Cu(II), Pd(II), UO2(VI) komplekslerinin sentezi
Başlık çevirisi yok
VEFA AHSEN
Doktora
Türkçe
1984
Kimya MühendisliğiUludağ ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZER BEKAROĞLU
- Tekstil boyamacılığında atık flottede boyama imkanları üzerine araştırma
Başlık çevirisi yok
MEHMET YAKARTEPE
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. KERİM DURAN
- Computer aided design of lumped and distributed broadband matching and filtering networks
Başlık çevirisi yok
ADNAN KÖKSAL
Yüksek Lisans
İngilizce
1987
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NEVZAT YILDIRIM
- Bazı difosfin ligandlarının iyonik pt (11) komplekslerinin sentezi ve yapılarının aydınlatılması
Başlık çevirisi yok
SEVİL SOYKAN
- Bazı difosfin ligandlarının kalay (IV) komplekslerinin sentezi ve yapılarının aydınlatılması
Başlık çevirisi yok
NİGAR ERTOK