Neural network approach based on convex incremental learning machine for prediction of diffuse solar radiation

Lazarevska, Elizabeta

doi:10.1109/icumt.2016.7765228

Cited by 2 publications

(1 citation statement)

References 29 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Yapay zekâ ve veri madenciliği alanındaki gelişmelerle birlikte güneş ışınımı tahmininde makine öğrenmesi yöntemlerinin kullanımı oldukça popüler hale gelmiştir. Yapay sinir ağları kullanılarak aylık (Alsina ve ark., 2016), günlük (Piri ve ark., 2015;Belaid ve Mellit, 2016;Lazarevska, 2016;Karasu ve ark., 2017), saatlik ( Yadav ve Chandel, 2014;Hocaoglu ve Serttas, 2017;Karasu ve Altan,2019) güneş ışınımı tahminleri gerçekleştirilmiştir. Bir diğer makine öğrenmesi yöntemi olan destek vektör makinelerinin, yapay sinir ağlarına kıyasla üstün genelleme kabiliyetleri sayesinde sınıflandırma ve Ardan Hüseyin EŞLİK ve ark.…”

Section: Introductionunclassified

Decomposition-Ensemble Learning Approach in Solar Radiation Forecasting

Eşlik

Hocaoğlu

2021

Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi

View full text Add to dashboard Cite

Güneş enerjisi sistemlerinden elde edilecek elektrik enerjisi miktarı büyük oranda güneş ışınım değerine bağlı olarak değişmektedir. Bir güneş enerji sisteminin tasarımı ve planlaması, ışınım değerinin bilinmesi ile mümkündür. Güneş ışınım şiddetinin gün içerisinde yüksek değişkenlik gösteren bir yapıya sahip olması nedeniyle tek bir tahmin modeli kullanılarak bu değişimlerin yakalanması oldukça güçtür. Bu bağlamda, son yıllarda araştırmacılar tarafından tekli modellerin sınırlamalarının üstesinden gelmek ve öngörme hassasiyetini artırmak için farklı hibrit modeller ve yaklaşımlar önerilmiştir. Bu çalışmada, güneş ışınım şiddeti verilerinin tahmininde hibrit bir yaklaşım olan Ayrıştırma-Birleştirme öğrenme yaklaşımı kullanılarak yöntemin uygulanabilirliği ve performansı araştırılmıştır. Ayrıca ileriye yönelik güneş ışınımı tahminlerinin zaman çözünürlüğünün arttırılması amaçlanmıştır. Bu kapsamda Afyon Kocatepe Üniversitesi, Güneş ve Rüzgâr Enerjisi Uygulama ve Araştırma Merkezi bünyesinde yer alan bir piranometre ile saatlik olarak ölçülmüş bir yıllık güneş ışınım verisi kullanılarak 15 günlük güneş ışınımı değeri saatlik olarak tahmin edilmiştir. Öğrenme yaklaşımında ayrıştırma işlemi için Ampirik Kip Ayrışımı (AKA), bireysel tahminler için ise En Küçük Kareler Destek Vektör Regresyon (EKK-DVR) yöntemleri kullanılmıştır. EKK-DVR modellerinin en uygun parametre değerleri grid arama algoritması ve 5 katlamalı çapraz doğrulama yöntemleri kullanılarak belirlenmiştir. Çalışmadan elde edilen sonuçlar Ayrıştırma-Birleştirme öğrenme yaklaşımının güneş ışınım verilerinin tahmininde başarılı olduğunu göstermiştir.Anahtar Kelimeler: Güneş ışınımı tahmini, ayrıştırma-birleştirme öğrenme yaklaşımı, ampirik kip ayrışımı (AKA), en küçük kareler destek vektör makineleri (EKK-DVR)

show abstract

Section: Introductionunclassified