TÜRKIYE İÇİN YAPAY SİNİR AĞI ODAKLI GÜNEŞLENME SÜRESİ TAHMİNİ

Yeniçun A., Pınar E., Bilgili M.

Uluslararası Katılımlı 25. Isı Bilimi ve Tekniği Kongresi, Adana, Türkiye, 10 - 12 Eylül 2025, ss.25-35, (Tam Metin Bildiri)

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Basıldığı Şehir: Adana
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.25-35
  • Çukurova Üniversitesi Adresli: Evet

Özet

Güneş enerjisi yenilenebilir enerji çalışmalarında kritik bir rol oynar ve güneşlenme süresi güneş enerjisi potansiyelinin değerlendirilmesinde önemli bir parametredir. Bu çalışma, Elman sinir ağını (ENN) kullanarak Türkiye'deki aylık ortalama güneşlenme süresini analiz etmeyi amaçlamaktadır. 72 ilden meteoroloji verileri kullanılmış olup, 65 il eğitim için, 7 il ise test için kullanılmıştır. Ek olarak, bölgesel farklılıkların kapsamlı bir şekilde anlaşılmasını sağlamak için uzun vadeli güneşlenme süresi haritaları oluşturulmuş ve modelin performansını değerlendirmek için istatistiksel analizler yapılmıştır. Çalışma, güneşlenme süresini doğru bir şekilde tahmin etmek için Elman sinir ağlarını kullanarak tahminlerin güvenilirliğine vurgu yapmıştır. Sonuçlar, bu yaklaşımın güneşlenme süresi eğilimlerini başarılı bir şekilde modelleyebileceğini, istatistiksel ölçümlerin doğruluğunu ve sağlamlığını doğrulayarak güneş enerjisi uygulamaları ve solar radyasyon hesaplamaları için değerli bilgiler sağladığını göstermektedir. Bu çalışmanın bulguları, güneşlenme süresi için güvenilir bir tahmin modeli sağlayarak güneş enerjisi planlama ve enerji verimliliği stratejilerinin optimize edilmesine yardımcı olabilir.

Solar energy plays a critical role in renewable energy studies, and sunshine duration is a key parameter in assessing solar energy potential. This study aims to analyze the average monthly sunshine duration in Türkiye using an Elman neural network (ENN). Meteorological data from 72 provinces were used, with 65 provinces used for training and 7 for testing. Additionally, long-term sunshine duration maps were created to provide a comprehensive understanding of regional differences, and statistical analyses were conducted to evaluate the model's performance. The study emphasizes the reliability of predictions using Elman neural networks to accurately estimate sunshine duration. The results demonstrate that this approach can successfully model sunshine duration trends, verifying the accuracy and robustness of statistical measurements and providing valuable information for solar energy applications and solar radiation calculations. The findings of this study can assist in optimizing solar energy planning and energy efficiency strategies by providing a reliable prediction model for sunshine duration.