Xgboost algoritması ile uydu verisi destekli küresel güneş radyasyonu tahmini
Satellite data supported global solar radiation prediction with xgboost algorithm
- Tez No: 999144
- Danışmanlar: PROF. SELMİN ENER RÜŞEN
- Tez Türü: Yüksek Lisans
- Konular: Enerji, Energy
- Anahtar Kelimeler: Güneş radyasyonu, Makine öğrenmesi, Uydu verileri, Yapay zeka, Solar radiation, Machine learning, Satellite data, Artificial intelligence
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Karamanoğlu Mehmetbey Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mühendislik Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez kapsamında, yapay zeka algoritması kullanılarak küresel güneş radyasyonu tahmin modeli geliştirilmiştir. Geliştirilen modelde Karaman ili atmosfer koşularında deneysel olarak yer gözlem istasyonu oluşturulmuştur. Bu istasyonda toplanan sıcaklık, nem, güneş radyasyonu, ışık şiddeti (LUX) ve görünür (VIS), ultraviyole (UV) ve İnfrared (IR) ışık spektrumunu yer gözlem verileri ve MSG (Meteosat Second Generation) uydu verileri kıyaslanarak Python dilinde yazılan bir uygulama ile yapay zeka algoritmalarının kullanabileceği bir format oluşturulmuştur. Güneş radyasyonu tahmini için oluşturulan XGBoost algoritması ile yer gözlem verileri kıyaslanarak hata analizleri yapılmıştır. Hata analiz sonuçlarına göre kök ortalama kare hatası (RMSE), tahmin edilen değer ile gerçek değer arasındaki beklenen ortalama +/- fark 0.0160 olarak bulunmuştur. Regresyon analizlerinde R² değerinin 0.9926 ve tüm mutlak tahmin hatalarının ortalaması olan ortalama mutlak hata (MAE) değeri ise 0.0047 olarak bulunmuştur. Elde edilen sonuçlara göre, yeryüzü istasyonlarından alınabilecek ışık, nem, sıcaklık gibi basit parametrelerin uydu verileri ile birlikte kullanılması ile doğruluğu yüksek küresel güneş radyasyonunun tahminin yapılabildiği görülmüştür. Ayrıca kullanılan yöntemin ve veri setinin kolaylığı ile kompleks sistemlere gerek kalmadan yüksek doğrulukta küresel güneş radyasyonu tahmin edilmesi için gelecekteki araştırmalara ve endüstri uygulamalarına ışık tutacak değerli bulgular elde edilmiştir.
Özet (Çeviri)
Within the scope of this thesis, a global solar radiation prediction model was developed using artificial intelligence algorithms. For the developed model, an experimental ground observation station was established under the atmospheric conditions of Karaman province. Data collected at this station including temperature, humidity, solar radiation, light intensity (LUX), and the visible (VIS), ultraviolet (UV), and infrared (IR) light spectra were compared with MSG (Meteosat Second Generation) satellite data. Using an application developed in Python, this data was processed into a format compatible with artificial intelligence algorithms.Error analyses were conducted by comparing the ground observation data with the XGBoost algorithm developed for solar radiation prediction. According to the error analysis results, the Root Mean Square Error (RMSE), representing the expected average +/- difference between the predicted and actual values, was found to be 0.0160. In the regression analyses, the R² value was determined as 0.9926, and the Mean Absolute Error (MAE), which is the average of all absolute prediction errors, was found to be 0.0047.The results demonstrate that global solar radiation can be predicted with high accuracy by combining simple parameters obtainable from ground stations such as light, humidity, and temperature with satellite data. Furthermore, due to the accessibility of the method and the dataset used, valuable findings have been obtained that will guide future research and industrial applications for high-accuracy global solar radiation prediction without the need for complex systems.
Benzer Tezler
- Yüksek çözünürlüklü SPOT 7 optik uydu görüntülerinin piksel bazlı sınıflandırılmasında makine öğrenmesi yöntemlerinin kullanılması ve analizi
Using and analysis of machine learning methods in pixel-based classification of high resolution SPOT 7 optical satellite images
ÇAĞATAY YILDIRIM
Yüksek Lisans
Türkçe
2021
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HİLAL GONCA COŞKUN
- InSAR ve makine öğrenmesi yöntemleri kullanılarak yüzey hareketlerinin zaman serileri ile modellenmesi: İstanbul Havalimanı örneği
Time series modeling of surface movements using InSAR and machine learning methods: The case study of Istanbul Airport
NUR YAĞMUR
Doktora
Türkçe
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. NEBİYE MUSAOĞLU
PROF. DR. ERDAL ŞAFAK
- Aşırı Gradyan Artırma Algoritması kullanarak Sentınel-1 zaman serisi görüntülerinden ürün sınıflandırma
Crop classification from Sentinel-1 time-series images using extreme Gradient Boosting Algorithm
SERHAT ÇABUK
Yüksek Lisans
Türkçe
2021
Jeodezi ve FotogrametriHacettepe ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA TÜRKER
- Obruk duyarlılık haritalarının CBS ve makine öğrenmesi yöntemleri ile hazırlanması: Konya Kapalı Havzası örneği
Preparation of sinkhole susceptibility maps with GIS and machine learning methods: The case of Konya Closed Basin
İBRAHİM ÇETİN
Yüksek Lisans
Türkçe
2024
Mühendislik BilimleriAksaray ÜniversitesiJeodezi ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DOÇ. DR. SÜLEYMAN SEFA BİLGİLİOĞLU
- Açıklanabilir yapay zeka yöntemleri ile toprak tuzluluğu haritalarının üretilmesi
Soil salinity mapping using explainable artificial intelligence methods
SAMET AKSOY
Yüksek Lisans
Türkçe
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ELİF SERTEL