Farklı Makine Öğrenmesi Yaklaşımlarını Kullanarak Türkiye’de Helıosat Tabanlı Güneş Radyasyonunun Modellenmesi

Solar radyasyon (SR), enerji dönüşümü, yeşil bina konsepti, meteoroloji, küresel iklim değişikliği, tarım ve hayvancılık ile ilgili çalışmalar için önemli bir parametredir. Solar radyasyonun belirlenebilmesi için gereken alıcıların tüm noktalar için temin edilememesinden dolayı bu parametrenin çeşitli yöntemlerle tahmin edilmesi gerekmektedir. Bu tez çalışmasında, Türkiye’nin 81 vilayetinin 2004-2021 yıllarına ait aylık ortalama solar radyasyon değerleri (kWsa/m²) ve 3600 grid noktasının 2004-2021 yıllarına ait yıllık ortalama solar radyasyon değerleri (kWsa/m²) kullanılarak ülke çapında farklı test noktaları için solar radyasyon tahmini gerçekleştirilmiştir. Solar radyasyon değerleri, Model 5 ağacı, çok değişkenli uyarlanabilir regresyon eğrileri ve en küçük kareler destek vektör regresyonu olmak üzere 3 farklı makine öğrenmesi tekniği kullanılarak MATLAB platformunda tahmin edilmiştir. Solar radyasyon haritaları için ise ters mesafe ağırlıklandırma enterpolasyon tekniği kullanılmıştır. Tahmin edilen veriler ArcMap ortamında haritalandırılmıştır. Solar radyasyon, komşu ölçüm istasyonlarına ait konum bilgileri ve periyodiklik bileşeni olan ay ve yıl değerleri kullanılarak tahmin edilmiştir. Modellerde kullanılan 2004-2021 yıllarını içeren solar radyasyon verileri, Meteoroloji Genel Müdürlüğü’nden temin edilmiş uydu tabanlı model olan heliyosferik optik satelit model verileridir. Farklı kombinasyonlar kullanılarak test istasyonlarından elde edilen SR tahminleri gözlenen verilerle karşılaştırılmıştır. Bu karşılaştırmalarda, karekök ortalama karesel hata, ortalama mutlak hata, ortalama mutlak bağıl hata, Nash-Sutcliffe modeli verimlilik katsayısı ve determinasyon katsayısı yöntemleri kullanılmıştır. Tahmin edilen SR değerlerine ait gidiş, saçılma grafikleri, Taylor ve Violin diyagramları oluşturulmuştur. Tahmin verileri ile oluşturulan solar radyasyon haritalarının gözlem verileriyle oluşturulan solar radyasyon haritalarıyla büyük ölçüde benzerlik gösterdiği belirlenmiştir. Böylece, makine öğrenme algoritmalarının literatürde yer alan kabul görmüş geleneksel yöntemlere göre daha kolay ve alternatif bir yöntem olabileceği gösterilmiştir.