Yapay Sinir Ağları ile Atmosferik Parametreler Kullanılarak Türkiye için Güneş Radyasyonu Modellemesi

Şenkal, Ozan

doi:10.21605/cukurovaummfd.310145

Cited by 4 publications

(1 citation statement)

References 22 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Bu gibi dezavantajları olmayan alternatif bir başka yöntem ise yapay sinir ağları (YSA), yapay zekâ (AI), uyarlamalı ağ tabanlı bulanık çıkarım sistemi (ANFIS), uzun kısa süreli bellek (LSTM) gibi pek çok teknik içeren makine öğrenme algoritmalarıdır. [8][9][10] tıbba kadar [11] pek çok alanda kullanılmaktadır. Zirai kurutma işlemlerinin modellenmesinde ise yeni yeni kullanılmaktadır.…”

Section: Introductionunclassified

N25P5K5 Türü Yeni Nesil Bir Bitki Besininin Kuruma Kinetiğinin Regresyon ve Makine Öğrenme Yöntemleri ile Belirlenmesi

Kaçar

KORKMAZ

2022

Çukurova Üniversitesi Mühendislik Fakültesi Dergisi

View full text Add to dashboard Cite

Gittikçe artan dünya nüfusunun gıda ihtiyacını karşılayabilmek için araştırmacılar tarımsal verimin artırılmasına yönelik yoğun bir şekilde çalışmaktadırlar. Bu çalışmaların önemli bir kısmını; zirai, katı atık vb. ürünlerin kuruma davranışının modellenmesi oluşturmaktadır. Verimli bir kurutma sayesinde kaliteli ürün ve enerji tasarrufu elde edilmektedir. Bu çalışmada yeni nesil bitki besinlerinden biri olan %25 azot, %5 fosfor ve %5 potasyum karışımının kuruma davranışı modellenmiştir. Kurumanın modellenebilmesi için sadece regresyon değil aynı zamanda makine öğrenme yöntemleri de kullanılmıştır. Makine öğrenme yöntemlerinden yapay sinir ağları ve uzun-kısa süreli bellek yöntemleri kullanılmıştır. Bu yöntemlerin hem kuruma verisini modellemede hem de ileriye yönelik verilerin tahminindeki performansları araştırılmıştır. Kurutma deneylerinden elde edilen nem verisi kullanılmıştır. Veriler eğitim, doğrulama ve test kümelerine ayrılmıştır. Performans değerlendirme kriterleri olarak hata fonksiyonları, korelasyon ve determinasyon katsayıları kullanılmıştır. Sonuç olarak yapay sinir ağı ve uzun-kısa süreli bellek metotlarının hem eğitim hem de test verileri üzerindeki tahmin performanslarının regresyon yöntemlerine göre oldukça iyi olduğu görülmüştür. Yapay sinir ağı tahmin performansının uzun-kısa süreli bellek yönteminden daha başarılı olduğu ve en iyi tahmin performansını verdiği tespit edilmiştir.

show abstract

Section: Introductionunclassified

N25P5K5 Türü Yeni Nesil Bir Bitki Besininin Kuruma Kinetiğinin Regresyon ve Makine Öğrenme Yöntemleri ile Belirlenmesi

Kaçar

KORKMAZ

2022

Çukurova Üniversitesi Mühendislik Fakültesi Dergisi

View full text Add to dashboard Cite

show abstract

Yer Etkisi Altındaki Delta Kanat Üzerinde Oluşan Taşıma Katsayısının Yapay Sinir Ağı Kullanılarak Tahmin Edilmesi

Tümse¹,

Bilgili²,

Şahi̇n³

2021

Çukurova Üniversitesi Mühendislik Fakültesi Dergisi

View full text Add to dashboard Cite

The estimation of the lift coefficient, CL of a non-slender delta wing under the ground effect, is performed by employing an artificial neural network (ANN). The purpose of the study is to estimate the lift coefficient, CL acting on the delta wing for the ground distance h/c=0.4 by utilizing the actual lift coefficient, CL for the ground distances h/c=1, 0.7, 0.55, 0.25 and 0.1. In this ANN model, the angle of attack, α and ground distance, h/c were used as input parameters and lift coefficients, CL as the output parameter. While mean absolute percentage error (MAPE) and root mean squared error (RMSE) were found as 1.60% and 0.0114 in the testing stage, they were calculated as 1.77% and 0.01 in the training stage. Hence, this investigation shows that the lift coefficient, CL of the delta wing in ground effect can be correctly estimated by developing an ANN model.

show abstract

Osmaniye'de Yedi Yıllık Dönemde Yatay Yüzeydeki Global Güneş Radyasyonu Ölçümleri ve Yeni Ampirik Modeller Kullanılarak Global Güneş Radyasyonunun Tahmini

Şahan

Emrahaoğlu

2021

Süleyman Demirel Üniversitesi Fen Edebiyat Fakültesi Fen Dergisi

View full text Add to dashboard Cite

Öz: Bu çalıĢmanın iki önemli amaç içermektedir. Birinci amaç, Osmaniye'de (Enlem, = 36.22K, Boylam=37.04D, yükseklik=118m) 8-48 Model Black&White piranometresi kullanılarak 2014-2020 yılları arasında yatay yüzeye gelen toplam yedi yıllık bir süre boyunca ölçülen günlük toplam güneĢ radyasyonunun saatlik ve aylık ortalama değerlerinin sonuçları verilmiĢtir. 2014-2020 yılları arasındaki günlük toplam güneĢ radyasyonunun aylık ortalama değerlerinden, yatay yüzeye gelen yıllık aylık toplam ve ortalama güneĢ ıĢınımı sırasıyla 205.01 MJm -2 g -1 ve 17.08 MJm -2 g -1 olarak hesaplanmıĢtır. En yüksek aylık global güneĢ radyasyonu 25.76 MJm -2 g -1 ile Haziran ayında elde edilirken, en düĢük değerler 7.63 MJm -2 g -1 olarak Aralık ayında elde edilmiĢtir.Ġkinci amaç, Osmaniye ili için aylık ortalama güneĢlenme süresi (saat), aylık ortalama hava sıcaklığı (°C), en düĢük ve en yüksek hava sıcaklıkları (°C), enlem () ve deklinasyon açısı () gibi parametreler kullanılarak aylık olarak yıllık global güneĢ radyasyonunu tahmin etmek için geliĢtirilen Angström tipi eĢitlikler kullanan yedi regresyon modeli (M1-7) vermektir. 1987-2020 yılları arasını kapsayan meteorolojik parametreler Meteoroloji Genel Müdürlüğü'nden alınmıĢtır. Osmaniye için geliĢtirilen bu modeller, Black&White piranometresi ile ölçülen günlük toplam güneĢ radyasyonunun aylık ortalama değerleri kullanılarak kalibre edilmiĢtir. Tüm modellerden tahmin edilen aylık ortalama toplam güneĢ ıĢınımların performansları R 2 RMSE, MBE, MAPE, MPE, MARE ve MAE istatistik yöntemler kullanılarak karĢılaĢtırılmıĢtır. M3 modeli R 2 ve RMSE istatistiksel hata göstergeleri için en iyi performansı gösterirken, M5 modeli MBE, MPE, MAPE, MARE ve MAE için en iyi performans gösteren modeldir. Buna ek olarak, aylık ortalama günlük açıklık endeks (KT) değerleri, ölçülen global güneĢ radyasyonu (H) için 0.511 ile 0.634, M5 modeli için 0.553 ile 0.621 ve M3 modeli için 0.538 ila 0.611 aralığındadır. Sonuçlar, tahmin edilen ve ölçülen toplam güneĢ ıĢınım Ģiddetinin değerleri arasında oldukça uyumlu olduğunu göstermiĢtir.

show abstract

Yapay Sinir Ağları ile Atmosferik Parametreler Kullanılarak Türkiye için Güneş Radyasyonu Modellemesi

Abstract: Artificial neural network (ANN) method was applied for modeling and prediction of mean solar radiation in given atmospheric parameters (temperature, pressure, humidity, precipitable water and month) in Turkey (26-45ºE and 36-42ºN)

Cited by 4 publications

References 22 publications

N25P5K5 Türü Yeni Nesil Bir Bitki Besininin Kuruma Kinetiğinin Regresyon ve Makine Öğrenme Yöntemleri ile Belirlenmesi

N25P5K5 Türü Yeni Nesil Bir Bitki Besininin Kuruma Kinetiğinin Regresyon ve Makine Öğrenme Yöntemleri ile Belirlenmesi

Yer Etkisi Altındaki Delta Kanat Üzerinde Oluşan Taşıma Katsayısının Yapay Sinir Ağı Kullanılarak Tahmin Edilmesi

Osmaniye'de Yedi Yıllık Dönemde Yatay Yüzeydeki Global Güneş Radyasyonu Ölçümleri ve Yeni Ampirik Modeller Kullanılarak Global Güneş Radyasyonunun Tahmini

Contact Info

Product

Resources

About