EUVIMEDEUVIMED entdecken
Crossref

Ağaç Tabanlı ve Klasik Regresyon Modelleri Kullanılarak Temel PVT Parametrelerinin Makine Öğrenmesine Dayalı Tahmini

Kamil Neyfel Çerçi, Sümeyye Büşra Durmaz, Çağrı Kaymak, Ebru Akpınar

Fırat Üniversitesi Mühendislik Bilimleri Dergisi · 29.03.2026 · 38 (1) · 313-325

DOI: 10.35234/fumbd.1811382 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Fırat Üniversitesi Mühendislik Bilimleri Dergisi, online erschienen am 29.03.2026. Verfasst von Kamil Neyfel Çerçi und 3 weiteren Autor:innen. Die Arbeit nennt 27 Literaturangaben.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Küresel nüfusun sürekli artmasıyla birlikte enerji talebi hızla artmaktadır ve bu talep hala sınırlı rezervlere sahip fosil yakıtlarla karşılanmaktadır. Ancak fosil yakıtların çevresel etkileri sürdürülebilirlik açısından büyük zorluklar yaratmaktadır. Bu nedenle, enerji tüketimini azaltmak ve yenilenebilir enerji kaynaklarını teşvik etmek büyük önem taşımaktadır. Bunlar arasında güneş enerjisi, tükenmez ve çevre dostu bir kaynak olarak öne çıkmıştır. Aynı anda ısı ve elektrik üretebilen fotovoltaik-termal (PVT) paneller, iklimlendirme, ısıtma, soğutma ve kurutma gibi uygulamalar için önemli bir araştırma konusu olmuştur. PVT sistemlerinin etkili bir şekilde analiz edilebilmesi için doğru modelleme çok önemlidir. Bu çalışmada, PVT kolektörlerinin iki temel çıktı parametresi olan yüzey sıcaklığı (Ts) ve sıvı çıkış sıcaklığı (To) modellenmiş ve modellerin başarımı regresyon performans ölçütleri üzerinden değerlendirilmiştir. COMSOL Multiphysics’te sonlu elemanlar analizi ile oluşturulan bir veri seti, Python’da Karar Ağacı (KA), Rastgele Orman (RO), Hafif Gradyan Güçlendirme Makinesi (HGGM) ve Aşırı Gradyan Güçlendirme (AGG) gibi makine öğrenmesi modellerini geliştirmek için kullanılmıştır. Ek olarak, doğrusal regresyon modeli bir temel olarak kullanılmıştır. Tüm modeller yüksek tahmin doğruluğu elde etmiş olup, AGG en iyi performansı göstermiştir (Ts için R2=0.9998, RMSE=0.16, MAE=0.12; To için R2=0.9997, RMSE=0.19, MAE=0.12).

Zitieren

APA

Çerçi, K. N., Durmaz, S. B., Kaymak, Ç., & Akpınar, E. (2026). Ağaç Tabanlı ve Klasik Regresyon Modelleri Kullanılarak Temel PVT Parametrelerinin Makine Öğrenmesine Dayalı Tahmini. Fırat Üniversitesi Mühendislik Bilimleri Dergisi, 38(1), 313-325. https://doi.org/10.35234/fumbd.1811382

Vancouver

Çerçi KN, Durmaz SB, Kaymak Ç, Akpınar E. Ağaç Tabanlı ve Klasik Regresyon Modelleri Kullanılarak Temel PVT Parametrelerinin Makine Öğrenmesine Dayalı Tahmini. Fırat Üniversitesi Mühendislik Bilimleri Dergisi. 2026;38(1):313-325. doi:10.35234/fumbd.1811382

BibTeX
@article{eri2026,
  author = {Çerçi, Kamil Neyfel and Durmaz, Sümeyye Büşra and Kaymak, Çağrı and Akpınar, Ebru},
  title = {Ağaç Tabanlı ve Klasik Regresyon Modelleri Kullanılarak Temel PVT Parametrelerinin Makine Öğrenmesine Dayalı Tahmini},
  journal = {Fırat Üniversitesi Mühendislik Bilimleri Dergisi},
  year = {2026},
  volume = {38},
  number = {1},
  pages = {313--325},
  doi = {10.35234/fumbd.1811382}
}
Kostenlos starten →