Rüzgar hızı tahmini için yapay sinir ağı ve adaptif sansürleme tekniği tabanlı yeni yaklaşımların geliştirilmesi

Basit Öğe Kaydı
dc.contributor.advisorMengüç, Engin Cemal
dc.contributor.authorSarp, Ali Ogün
dc.date.accessioned2021-12-27T12:24:09Z
dc.date.available2021-12-27T12:24:09Z
dc.date.issued2021
dc.date.submitted2021-02
dc.departmentNiğde ÖHÜ, Fen Bilimleri Enstitüsü, Elektrik Elektronik Mühendisliği Ana Bilim Dalı
dc.description.abstractBu tez çalışmasında, çok katmanlı algılayıcı (ÇKA) ve tekrarlayan sinir ağına (TSA) tabanlı yeni kısa vadeli rüzgar hızı tahminciler, veri adaptif sansürleme (VAS) stratejisi ile birleştirilerek önerilmiştir. Burada, çok-adım-ileri tahmin modu dikkate alınarak, ÇKA ve TSA yapıları için tüm eğitim kümelerinden en bilgilendirici giriş/çıkış rüzgar verilerinden oluşan yeni bir eğitim veri kümesini yinelemeli olarak elde edebilen VAS stratejisine dayalı en küçük ortalama kare (EKOK) algoritması (VAS-EKOK) tasarlanmıştır. VAS-EKOK daha az bilgilendirici eğitim verilerini yüksek doğrulukla sansürlememizi sağlamış ve böylece ÇKA ve TSA'nın eğitim maliyetlerini, test süreçlerindeki tahmin başarımlarını etkilemeden azaltmıştır. Gerçek hayattaki büyük ölçekli kısa vadeli rüzgar hızı verileri üzerinde gerçekleştirilen benzetim sonuçları, önerilen bu tahmincilerin belirtilen çekici özelliklerini doğrulamıştır.
dc.description.abstractIn this thesis, novel short-term wind speed predictors based on multilayer perceptron (MLP) and recurrent neural network (RNN) are proposed by combining them with the data-adaptive censoring (DAC) strategy. Taking into account the multi-step ahead prediction mode, we design a DAC strategy based-least mean square (LMS) algorithm (DAC-LMS), which iteratively obtains a new training data set consisting of the most informative input-output wind data from all training set for MLP and RNN structures. This enables us to censor less informative training data with high accuracy and thereby the training costs of the MLP and RNN are reduced without affecting prediction performances in their testing processes. The conducted simulation results on real-life large-scale short-term wind speed data verify the mentioned attractive features of the proposed predictors.
dc.identifier.citationSarp, A. O. (2021). Rüzgar hızı tahmini için yapay sinir ağı ve adaptif sansürleme tekniği tabanlı yeni yaklaşımların geliştirilmesi. (Yüksek Lisans Tezi) Niğde Ömer Halisdemir Üniversitesi, Fen Bilimleri Enstitüsü, Niğde
dc.identifier.urihttps://hdl.handle.net/11480/8600
dc.identifier.yoktezid675120
dc.language.isotr
dc.publisherNiğde Ömer Halisdemir Üniversitesi / Fen Bilimleri Enstitüsü
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectRüzgar hızı
dc.subjectVeri-adaptif sansürleme stratejisi
dc.subjectEn küçük kare algoritması
dc.subjectÇok katmanlı algılayıcı
dc.subjectTekrarlayan sinir ağları
dc.subjectWind speed
dc.subjectData-adaptive censoring strategy
dc.subjectLeast mean square algorithm
dc.subjectMulti-layer perceptron
dc.subjectRecurrent neural networks
dc.titleRüzgar hızı tahmini için yapay sinir ağı ve adaptif sansürleme tekniği tabanlı yeni yaklaşımların geliştirilmesi
dc.title.alternativeDevelopment of new approaches based on artificial neural network and adaptive censoring technique for wind speed prediction
dc.typeMaster Thesis

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
Rüzgar hızı tahmini için yapay sinir ağı ve adaptif sansürleme tekniği tabanlı yeni yaklaşımların geliştirilmesi.pdf
Boyut:
2.45 MB
Biçim:
Adobe Portable Document Format
Açıklama:
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleksiyonu