Rüzgâr Hızı Tahminine Yönelik Hibrit ConvLSTM Modeli: Hindistan'ın En Yüksek Rüzgâr Hızına Sahip Şehirleri İçin Bir Vaka Çalışması

Anıl Utku; Sinem Akyol

Makale detayları

Rüzgâr Hızı Tahminine Yönelik Hibrit ConvLSTM Modeli: Hindistan'ın En Yüksek Rüzgâr Hızına Sahip Şehirleri İçin Bir Vaka Çalışması

Yazarlar:

Anıl Utku | Sinem Akyol

Yayıncı:

Mus Alparslan University

Ana Başlıklar:

Yazılım Mühendisliği (Diğer)

Dergi:

Muş Alparslan Üniversitesi Fen Bilimleri Dergisi Vol.12 Issue 2, pp.201-215

Belge Tipi:

Makale

Yayın Tarihi:

12/2024

Belge Dili:

Türkçe

Document ID (Org No.):

2001331876

pISSN:

2147-7930

Anahtar kelimeler:

Özet:

 Rüzgâr hızı tahmini lojistik, enerji üretimi ve yenilenebilir enerji kaynakları, havacılık ve denizcilik, tarım, afet yönetimi, çevresel izleme, inşaat, yaşam planlama ile ekonomik faaliyetler için oldukça önemlidir. Doğru tahminler, enerji verimliliğini artırır, güvenliği sağlar, ekonomik faydalar sunar ve çevresel yönetimi iyileştirir. Gelişmiş tahmin yöntemleri ve teknolojileri, bu alanlardaki etkinliği ve doğruluğu artırarak, toplumsal ve ekonomik hayatın birçok yönünü olumlu yönde etkiler. Rüzgâr hızı tahmininde kullanılan geleneksel yöntemler, genellikle fiziksel ve istatistiksel analizlere dayanmaktadır. Yapay zekâ yöntemleri ise büyük verisetlerini analiz ederek öğrendiği karmaşık örüntülerden daha yüksek doğrulukta tahminler üretilmesini sağlar. Bu çalışmada, Hindistanın en yüksek rüzgâr hızına sahip şehirlerinden olan Jaisalmer, Kochi, Mangalore, Puri ve Rameswaram şehirlerinin rüzgâr hızlarının tahmin edilmesi amaçlanmıştır. Rüzgâr hızı tahminine yönelik CNN ve LSTM modellerinin etkin özelliklerinden faydalanarak ConvLSTM hibrit modeli geliştirilmiştir. ConvLSTM ile mekânsal ve zamansal verileri aynı anda işleyerek rüzgâr hızının dinamiklerini daha iyi belirlemek amaçlanmıştır. ConvLSTM, RF, SVM, ANFIS, CNN ve LSTM ile rüzgâr hızının 10 metre ve 100 metre yüksekliklerdeki ölçümlerinden oluşan yaklaşık 15 yıllık saatlik ve gerçek zamanlı bir veriseti kullanılarak kapsamlı bir şekilde test edilmiştir. Deneysel sonuçlar, ConvLSTMin her bir şehir ve rüzgâr hızı parametresinin neredeyse tamamında 0,9un üzerinde R2 değerine sahip olduğunu ve karşılaştırılan modellerden daha başarılı olduğunu göstermiştir.

 Rüzgâr hızı tahmini lojistik, enerji üretimi ve yenilenebilir enerji kaynakları, havacılık ve denizcilik, tarım, afet yönetimi, çevresel izleme, inşaat, yaşam planlama ile ekonomik faaliyetler için oldukça önemlidir. Doğru tahminler, enerji verimliliğini artırır, güvenliği sağlar, ekonomik faydalar sunar ve çevresel yönetimi iyileştirir. Gelişmiş tahmin yöntemleri ve teknolojileri, bu alanlardaki etkinliği ve doğruluğu artırarak, toplumsal ve ekonomik hayatın birçok yönünü olumlu yönde etkiler. Rüzgâr hızı tahmininde kullanılan geleneksel yöntemler, genellikle fiziksel ve istatistiksel analizlere dayanmaktadır. Yapay zekâ yöntemleri ise büyük verisetlerini analiz ederek öğrendiği karmaşık örüntülerden daha yüksek doğrulukta tahminler üretilmesini sağlar. Bu çalışmada, Hindistanın en yüksek rüzgâr hızına sahip şehirlerinden olan Jaisalmer, Kochi, Mangalore, Puri ve Rameswaram şehirlerinin rüzgâr hızlarının tahmin edilmesi amaçlanmıştır. Rüzgâr hızı tahminine yönelik CNN ve LSTM modellerinin etkin özelliklerinden faydalanarak ConvLSTM hibrit modeli geliştirilmiştir. ConvLSTM ile mekânsal ve zamansal verileri aynı anda işleyerek rüzgâr hızının dinamiklerini daha iyi belirlemek amaçlanmıştır. ConvLSTM, RF, SVM, ANFIS, CNN ve LSTM ile rüzgâr hızının 10 metre ve 100 metre yüksekliklerdeki ölçümlerinden oluşan yaklaşık 15 yıllık saatlik ve gerçek zamanlı bir veriseti kullanılarak kapsamlı bir şekilde test edilmiştir. Deneysel sonuçlar, ConvLSTMin her bir şehir ve rüzgâr hızı parametresinin neredeyse tamamında 0,9un üzerinde R2 değerine sahip olduğunu ve karşılaştırılan modellerden daha başarılı olduğunu göstermiştir.

 Rüzgâr hızı tahmini lojistik, enerji üretimi ve yenilenebilir enerji kaynakları, havacılık ve denizcilik, tarım, afet yönetimi, çevresel izleme, inşaat, yaşam planlama ile ekonomik faaliyetler için oldukça önemlidir. Doğru tahminler, enerji verimliliğini artırır, güvenliği sağlar, ekonomik faydalar sunar ve çevresel yönetimi iyileştirir. Gelişmiş tahmin yöntemleri ve teknolojileri, bu alanlardaki etkinliği ve doğruluğu artırarak, toplumsal ve ekonomik hayatın birçok yönünü olumlu yönde etkiler. Rüzgâr hızı tahmininde kullanılan geleneksel yöntemler, genellikle fiziksel ve istatistiksel analizlere dayanmaktadır. Yapay zekâ yöntemleri ise büyük verisetlerini analiz ederek öğrendiği karmaşık örüntülerden daha yüksek doğrulukta tahminler üretilmesini sağlar. Bu çalışmada, Hindistanın en yüksek rüzgâr hızına sahip şehirlerinden olan Jaisalmer, Kochi, Mangalore, Puri ve Rameswaram şehirlerinin rüzgâr hızlarının tahmin edilmesi amaçlanmıştır. Rüzgâr hızı tahminine yönelik CNN ve LSTM modellerinin etkin özelliklerinden faydalanarak ConvLSTM hibrit modeli geliştirilmiştir. ConvLSTM ile mekânsal ve zamansal verileri aynı anda işleyerek rüzgâr hızının dinamiklerini daha iyi belirlemek amaçlanmıştır. ConvLSTM, RF, SVM, ANFIS, CNN ve LSTM ile rüzgâr hızının 10 metre ve 100 metre yüksekliklerdeki ölçümlerinden oluşan yaklaşık 15 yıllık saatlik ve gerçek zamanlı bir veriseti kullanılarak kapsamlı bir şekilde test edilmiştir. Deneysel sonuçlar, ConvLSTMin her bir şehir ve rüzgâr hızı parametresinin neredeyse tamamında 0,9un üzerinde R2 değerine sahip olduğunu ve karşılaştırılan modellerden daha başarılı olduğunu göstermiştir.

 Rüzgâr hızı tahmini lojistik, enerji üretimi ve yenilenebilir enerji kaynakları, havacılık ve denizcilik, tarım, afet yönetimi, çevresel izleme, inşaat, yaşam planlama ile ekonomik faaliyetler için oldukça önemlidir. Doğru tahminler, enerji verimliliğini artırır, güvenliği sağlar, ekonomik faydalar sunar ve çevresel yönetimi iyileştirir. Gelişmiş tahmin yöntemleri ve teknolojileri, bu alanlardaki etkinliği ve doğruluğu artırarak, toplumsal ve ekonomik hayatın birçok yönünü olumlu yönde etkiler. Rüzgâr hızı tahmininde kullanılan geleneksel yöntemler, genellikle fiziksel ve istatistiksel analizlere dayanmaktadır. Yapay zekâ yöntemleri ise büyük verisetlerini analiz ederek öğrendiği karmaşık örüntülerden daha yüksek doğrulukta tahminler üretilmesini sağlar. Bu çalışmada, Hindistanın en yüksek rüzgâr hızına sahip şehirlerinden olan Jaisalmer, Kochi, Mangalore, Puri ve Rameswaram şehirlerinin rüzgâr hızlarının tahmin edilmesi amaçlanmıştır. Rüzgâr hızı tahminine yönelik CNN ve LSTM modellerinin etkin özelliklerinden faydalanarak ConvLSTM hibrit modeli geliştirilmiştir. ConvLSTM ile mekânsal ve zamansal verileri aynı anda işleyerek rüzgâr hızının dinamiklerini daha iyi belirlemek amaçlanmıştır. ConvLSTM, RF, SVM, ANFIS, CNN ve LSTM ile rüzgâr hızının 10 metre ve 100 metre yüksekliklerdeki ölçümlerinden oluşan yaklaşık 15 yıllık saatlik ve gerçek zamanlı bir veriseti kullanılarak kapsamlı bir şekilde test edilmiştir. Deneysel sonuçlar, ConvLSTMin her bir şehir ve rüzgâr hızı parametresinin neredeyse tamamında 0,9un üzerinde R2 değerine sahip olduğunu ve karşılaştırılan modellerden daha başarılı olduğunu göstermiştir.

Makale detayları

Rüzgâr Hızı Tahminine Yönelik Hibrit ConvLSTM Modeli: Hindistan'ın En Yüksek Rüzgâr Hızına Sahip Şehirleri İçin Bir Vaka Çalışması

Yazarlar:

Anıl Utku | Sinem Akyol

Yayıncı:

Mus Alparslan University

Ana Başlıklar:

Yazılım Mühendisliği (Diğer)

Dergi:

Muş Alparslan Üniversitesi Fen Bilimleri Dergisi Vol.12 Issue 2, pp.201-215

Belge Tipi:

Makale

Yayın Tarihi:

12/2024

Belge Dili:

Türkçe

Document ID (Org No.):

2001331876

pISSN:

2147-7930

Derin öğrenme

makine öğrenmesi

CNN

LSTM

rüzgâr hızı

Sayı

Makale detayları

Rüzgâr Hızı Tahminine Yönelik Hibrit ConvLSTM Modeli: Hindistan'ın En Yüksek Rüzgâr Hızına Sahip Şehirleri İçin Bir Vaka Çalışması

Yazarlar: Anıl Utku | Sinem Akyol

Yayıncı: Mus Alparslan University

Ana Başlıklar: Yazılım Mühendisliği (Diğer)

Dergi: Muş Alparslan Üniversitesi Fen Bilimleri Dergisi Vol.12 Issue 2, pp.201-215

Belge Tipi: Makale

Yayın Tarihi: 12/2024

Belge Dili: Türkçe

Document ID (Org No.): 2001331876

pISSN: 2147-7930

Derin öğrenme

makine öğrenmesi

CNN

LSTM

rüzgâr hızı

Sayı

Yazarlar:

Anıl Utku | Sinem Akyol

Yayıncı:

Mus Alparslan University

Ana Başlıklar:

Yazılım Mühendisliği (Diğer)

Dergi:

Muş Alparslan Üniversitesi Fen Bilimleri Dergisi Vol.12 Issue 2, pp.201-215

Belge Tipi:

Makale

Yayın Tarihi:

12/2024

Belge Dili:

Türkçe

Document ID (Org No.):

2001331876

pISSN:

2147-7930