Sustaınable power resource management based on gıs and aı algorıthms
Coğrafi bilgi sistemleri (CBS) ve yapay zeka (Aİ) algoritmalarina dayali sürdürülebilir güç kaynaği yönetimi
- Tez No: 979088
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Türkiye son yıllarda hızlı bir ekonomik kalkınma yaşamakta, bu da enerji ihtiyacını önemli ölçüde artırmakta ve rüzgar enerjisi gibi sürdürülebilir enerji kaynaklarına olan ihtiyacı ortaya çıkarmaktadır. Bu tez, coğrafi bilgi sistemleri (CBS) tekniklerini yapay zeka (AI) algoritmaları, özellikle de denetlenen ve denetlenmeyen makine öğrenimi ile entegre ederek Türkiye'de rüzgar çiftlikleri için optimum yerlerin seçilmesi için bütünleşik bir çerçeve sağlamayı amaçlamaktadır. Çalışma, doğal verilerin (rüzgar hızı, eğim ve yükseklik), sosyo-ekonomik faktörlerin (yollara ve kentsel alanlara yakınlık) ve çevresel faktörlerin (korunan alanlar ve su kütleleri) mekansal analizini içermektedir. Denetimsiz sınıflandırma algoritmalarının (K-Ortalamalar ve K-Medoidler) sonuçları, farklı derecelerde alaka düzeyine sahip alanların net kümelerini belirleme yeteneğini göstermiştir. Buna karşılık, denetlenen algoritmalar yüksek sınıflandırma doğruluğu göstermiştir; SVM %95,1 doğrulukla daha iyi performans gösterirken, bunu K-NN ve Rastgele Orman takip ederken, Naïve Bayes özellik bağımsızlığı varsayımı nedeniyle en az doğru olanıdır. Tez, algoritmaların sonuçları arasındaki doğruluğu artırmak ve varyansı azaltmak için Topluluk Öğrenmesi'ni benimsemiş ve dört algoritmanın bulgularının birleştiği en uygun konumların nihai olarak belirlenmesiyle sonuçlanmıştır. Bu konumlar, CBS kullanılarak kartografik olarak gösterilmiştir. Çalışma, yapay zekâ tekniklerinin mekansal analizle bütünleştirilmesinin, karar vericiler için güçlü bir araç sağladığını, yenilenebilir enerjiye geçişi hızlandırdığını ve çevresel etkileri azalttığını teyit etmektedir. Tez, modellerin gerçek zamanlı veriler ve geliştirilmiş çok kriterli karar verme (MCDA) yöntemleri kullanılarak daha da geliştirilmesini ve uygulamanın diğer sürdürülebilir enerji kaynaklarına genişletilmesini önermektedir.
Özet (Çeviri)
Türkiye has been experiencing rapid economic development in recent decades, which has significantly increased its energy needs, and the need for sustainable energy sources such as wind energy has emerged. This thesis aims to provide an integrated framework for selecting optimal locations for wind farms in Türkiye by integrating geographic information systems (GIS) techniques with artificial intelligence (AI) algorithms, specifically supervised and unsupervised machine learning. The study involved the spatial analysis of natural data (wind speed, slope, and elevation), socio-economic factors (proximity to roads and urban areas), and environmental factors (protected areas and water bodies). The results of the unsupervised classification algorithms (K-Means and K-Medoids) demonstrated the ability to identify clear clusters of sites with varying degrees of relevance. In contrast, the supervised algorithms demonstrated high classification accuracy, with SVM outperforming with 95.1% accuracy, followed by K-NN and Random Forest, while Naïve Bayes was the least accurate owing to its assumption of feature independence. The thesis adopted Ensemble Learning to enhance the accuracy and diminish the variance between the algorithms' results, culminating in a final identification of the optimal locations where the findings of the four algorithms converge, which were depicted cartographically using GIS. The study affirms that integrating AI techniques with spatial analysis provides a potent tool for decision-makers, expediting the transition towards renewable energy and mitigating environmental impacts. The thesis recommends further development of the models through the use of real-time data and improved multi-criteria decision-making (MCDA) methods and suggests extending the application to other sustainable energy sources.
Benzer Tezler
- Gömülü sistemler ile yarı-girişimsel yük izleme kullanarak ev aletlerinin enerji tüketiminin takibi ve enerji tasarrufu önerilerinin sunulması
Monitoring household appliances' energy consumption using embedded systems with silm and providing energy-saving recommendations
ALİ ŞAMİL AYTEKİN
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYDIN TARIK ZENGİN
- Nehir hidroelektrik enerji potansiyelinin hesaplanmasında yeni bir yaklaşım (Enerji Ağacı yöntemi) ve Murat Nehri örneği
A new methodology for determining river gross hydroelectric energy potential (Energy Tree)andan application of Murat River
SADIK ALASHAN
Doktora
Türkçe
2016
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ZEKAİ ŞEN
DOÇ. DR. ZEYNEL FUAT TOPRAK
- Mezo-mı̇kro ölçek model kuplesı̇ wrf-les ı̇le yüksek çözünürlüklü rüzgar alanının belı̇rlenmesı̇
High-resolution wind field determination with wrf-les through meso-micro scale model coupling
ERKAN YILMAZ
Doktora
Türkçe
2025
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ŞÜKRAN SİBEL MENTEŞ
PROF. DR. GÖKHAN KİRKİL
- Assessing smart city theories and models based on the utilization of big data in cities
Kentlerde büyük veri kullanımı doğrultusunda akıllı kent teori ve modellerinin incelenmesi
MAKBULE YILDIRIM ÖZGÜVEN
Yüksek Lisans
İngilizce
2018
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. MERYEM BİRGÜL ÇOLAKOĞLU
- GIS and best-worst method integration for wastewater treatment plant site selection
Atıksu arıtma tesisi yer seçimi için CBS ve en iyi-en kötü yöntem entegrasyonu
ELİF ÇELİKEL
Yüksek Lisans
İngilizce
2024
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. TURAN ERDEN