Geri Dön

A comparative study of classical and deep learning models for wind speed forecasting

Klasik ve derin öğrenme modellerinin rüzgâr hızı tahmini için karşılaştırmalı bir incelemesi

PDF İndir

  1. Tez No: 972689
  2. Yazar: KIMIA SHEYKH FARSHI
  3. Danışmanlar: YRD. DOÇ. DR. İNAL BEGÜM TURNA DEMİREL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Yapay zeka ve makine öğrenmesi dersi, Artificial intelligence and machine learning course
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Beykoz Üniversitesi
  10. Enstitü: Lisansüstü Programlar Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışmada, zaman serisi modelleri (klasik modeller olan ARMA, ARIMA ile derin öğrenme modelleri LSTM, CNN) rüzgâr hızı tahmini için iki meteorolojik veri kümesine dayalı olarak karşılaştırılmıştır. Literatür taraması, her bir yaklaşımın güçlü ve zayıf yönlerini sunmuş ve veri ölçeği, çözünürlük ile kalitenin tahmin sonuçları üzerindeki etkisini ortaya koymuştur. Nicel sonuçlar, yüksek frekanslı verilerde LSTM'nin, ARIMA'ya kıyasla MSE'yi yaklaşık %99,3 oranında azalttığını; buna karşın ARIMA'nın küçük veri kümeleri ve kısa vadeli tahminler için uygun olduğunu göstermiştir. Ardından, modeller küçük bir Türk veri kümesine uygulanmış ve önerilen eğriler, Almanya'daki geniş kapsamlı Jena veri tabanı ile karşılaştırılarak test edilmiştir. Sonuçlar, klasik modellerin sınırlı verilerle kısa vadeli tahminler için daha uygun olduğunu; derin öğrenme yöntemlerinin ise geleneksel yöntemleri aşmak için yüksek miktarda ve kaliteli verilere ihtiyaç duyduğunu göstermiştir. Bu bulgular, yenilenebilir enerji planlamacılarına veri kümelerinin özellikleri ve operasyonel gereksinimleri doğrultusunda model seçimi konusunda değerli öneriler sunmuştur.

Özet (Çeviri)

This study examined the performance of several time series models (both classical models like ARMA, ARIMA and deep learning models such as LSTM, CNN) are compared in terms of both classical and deep learning models for predicting wind speed based on two meteorological datasets. The literature review presented strengths and weaknesses for each approach, and the influence of data scale, resolution, and quality on the forecasting results. The quantitative result demonstrated that for the high-frequency data LSTM reduces the MSE ~99.3% comparing with ARIMA, when ARIMA is good for short-term prediction and small datasets. Then, the models were used for a small Turkish dataset, and the proposed curves were tested against the large group of Jena database in Germany. Results indicated that while classical models are better suited for forecasting over the short term with limited data, deep learning methods require substantial, high-quality data to surpass traditional forecasting methods. These findings provide valuable recommendations for renewable energy planners on model selection with respect to the characteristics of datasets and their operational requirements.

Benzer Tezler

  1. Tez No

    993840

    Ekonomik metin verileri ve piyasa göstergeleriyle kriz dönemlerinin erken tahmini: Zaman serisi yöntemleri, özelleştirilmiş transformer modelleri ve derin öğrenme yaklaşımlarının karşılaştırmalı uygulaması

    Early prediction of crisis periods using economic text data and market indicators: A comparative application of time series methods, customized transformer models, and deep learning approaches

    BAYRAM KOTAN

    Doktora

    Türkçe

    Türkçe

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce Üniversitesi

    Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SERDAR KIRIŞOĞLU

  2. Tez No

    735968

    A comparative study for football analytics with data mining and artificial intelligence techniques

    Veri madenciliği ve yapay zeka teknikleri ile karşılaştırmalı futbol analitiği

    MUSTAFA AADEL MASHJAL AL-ASADI

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAKİR TAŞDEMİR

  3. Tez No

    987954

    Derin öğrenme modellerinin transfer öğrenme ile farklı veri setleri üzerindeki performanslarının karşılaştırılması

    Comparative performance analysis of deep learning models on different datasets using transfer learning

    GÜLAHMET YILDIZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilişim Sistemleri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURCU ÇARKLI YAVUZ

  4. Tez No

    999217

    Black-box system identification with deep recurrent networks and classical models

    Derin yinelemeli ağlar ve klasik modeller ile kara-kutu sistem tanılama

    BEYZA AVAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilimsel Hesaplama Ana Bilim Dalı

    DOÇ. DR. ÖNDER TÜRK

    DR. ÖĞR. ÜYESİ NURGÜL GÖKGÖZ KÜÇÜKSAKALLI

  5. Tez No

    1012315

    Makroekonomik göstergelerin yapay zekâ tabanlı tahmini: Arima, ANN ve LSTM modellerinin karşılaştırmalı analizi

    Artificial intelligence-based forecasting of macroeconomic indicators: A comparative analysis of Arima, ANN and LSTM models

    GENCAY COŞKUN

    Doktora

    Türkçe

    Türkçe

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    İktisat Ana Bilim Dalı

    PROF. DR. RIFAT BARIŞ TEKİN

Geri Dön