Geri Dön

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

PDF İndir

  1. Tez No: 959039
  2. Yazar: YUNUS DUYAR
  3. Danışmanlar: PROF. DR. ENGİN CEMAL MENGÜÇ, DR. ÖĞR. ÜYESİ ALPER EMLEK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Kayseri Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 95

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. Tez No

    952588

    Türk sinemasında aktör-film işbirliği ağının analizi ve makine öğrenmesi ile hasılat tahmini

    Analyzing the Turkish actor-film collaboration network with complex network analysis methods

    ELANUR GÜL

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SAİT DEMİR

  2. Tez No

    958875

    Multi-label classification of 12-lead ECG signal using a mixture-of-experts transformer model

    Uzmanların karışımı bazlı dönüştürücü modeli ile 12 kanallı EKG sinyalinin çok etiketli sınıflandırılması

    ATALAY ÇELİK

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Veri Mühendisliği ve İş Analitiği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN

  3. Tez No

    338228

    Fuzzy cognitive maps for emotion modeling

    Bulanık bilişsel haritalar yardımıyla insan duygularının modellenmesi

    HASAN MURAT AKINCI

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ENGİN YEŞİL

  4. Tez No

    954462

    Unet based segmentation in qualitative microwave imaging for breast cancer diagnosis

    Meme kanseri tanisi için nitel mikrodalga görüntülemenin unet tabanli segmentasyonu

    GİZEM ÜNER

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET ÇAYÖREN

  5. Tez No

    887622

    The effect of using different feature sets and flight data envelopes on the fidelity of deep learning based system identification of a fighter aircraft

    Farklı feature setleri ve uçuş veri zarflarının kullanımının bir savaş uçağının derin öğrenme tabanlı sistem tanımlamasının doğruluğu üzerindeki etkisi

    MEHMET CAN ŞEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Uçak Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BARIŞ BAŞPINAR

Geri Dön