Wind Speed Prediction Using Meteorological Measurements for Elazığ Province

Basit Öğe Kaydı
dc.contributor.authorPolat, Serdal
dc.contributor.authorAlpaslan, Nuh
dc.contributor.authorHallaç, İbrahim Rıza
dc.date.accessioned2026-01-24T11:56:55Z
dc.date.available2026-01-24T11:56:55Z
dc.date.issued2023
dc.departmentAlanya Alaaddin Keykubat Üniversitesi
dc.description.abstractAs a result of the increasing energy demand and growing environmental concerns, the global significance of renewable energy resources is steadily rising. Wind energy has been increasingly gaining importance in electricity generation in recent years. The accurate prediction of wind speed is crucial for the safe operation of wind turbines. In this study, wind speed prediction performance of different models was examined using data obtained from various regions in the Elazığ province. LSTM, random forest, and XGBoost models were employed in the study. The dataset was decomposed into seasonal and trend components using the STL method, and seasonal components were determined using Fourier transformation. The results indicate that different models perform better in different regions. According to the findings, XGBoost and random forest models exhibit the lowest RMSE and MSE values in Elazığ, Keban, and Sivrice regions, indicating better predictions for these models in these areas.
dc.description.abstractEnerji ihtiyacındaki artış ve çevresel kaygılar nedeniyle yenilenebilir enerji kaynaklarının küresel düzeydeki önemi giderek artmaktadır. Rüzgâr enerjisi, elektrik enerjisi üretiminde son yıllarda giderek daha fazla önem kazanmaktadır. Rüzgâr türbinlerin güvenli işletilmesi için rüzgâr hızı tahmini büyük önem taşımaktadır. Bu çalışmada, Elazığ ilinde farklı bölgelerden elde edilen veriler kullanılarak farklı modellerin rüzgar hızı tahmin başarıları incelenmiştir. Çalışmada, LSTM, rastgele orman ve XGBoost modelleri kullanılmıştır. Veri seti mevsimsellik ve trend bileşenleri STL yöntemiyle ayrıştırılmış ve Fourier dönüşümü ile mevsimsel bileşenler belirlenmiştir. Elde edilen sonuçlar, farklı bölgelerde farklı modellerin daha iyi performans gösterdiğini göstermektedir. Sonuçlara göre, Elazığ Merkez, Keban ve Sivrice bölgesinde XGBoost ve rastgele orman modelleri en düşük RMSE ve MSE değerlerine sahiptir, bu da bu modellerin bu bölge için daha iyi tahminler yaptığını göstermektedir.
dc.identifier.doi10.53070/bbd.1381841
dc.identifier.endpage120
dc.identifier.issn2548-1304
dc.identifier.issn2548-1304
dc.identifier.issueIssue:2
dc.identifier.startpage110
dc.identifier.urihttps://doi.org/10.53070/bbd.1381841
dc.identifier.urihttps://hdl.handle.net/20.500.12868/3402
dc.identifier.volumeVol:8
dc.language.isoen
dc.publisherAli KARCI
dc.relation.ispartofBilgisayar Bilimleri
dc.relation.ispartofComputer Science
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_DergiPark_20260121
dc.subjectDeep Learning
dc.subjectDerin Öğrenme
dc.subjectData Engineering and Data Science
dc.subjectVeri Mühendisliği ve Veri Bilimi
dc.titleWind Speed Prediction Using Meteorological Measurements for Elazığ Province
dc.title.alternativeElazığ İli için Meterolojik Ölçüm Verileri Kullanılarak Rüzgar Hızı Tahmini
dc.typeArticle

Dosyalar

Koleksiyon

Öksüz Yayınlar Koleksiyonu