Oblique random forest algorithm using lasso regression for wind power forecasting

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: İngilizce

Öğrenci: BURAK TABAK

Danışman: MUSTAFA GÖKÇE BAYDOĞAN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Yenilenebilir enerji kaynaklarına yönelimin artmasıyla birlikte rüzgar enerjisi birçok araştırmaya konu olmuştur. Rüzgar enerjisi, atmosferik koşullardaki, özellikle rüzgar hızındaki belirsizlikler nedeniyle, doğru bir şekilde tahmin etmeyi zorlaştıran stokastik bir yapıya sahiptir. Bu problemi çözmek için literatürde Sayısal Hava Tahmini modellerini girdi olarak kullanan istatistiksel yöntemler önerilmiştir. Rassal Orman, rüzgar enerjisi tahmininde sıklıkla kullanılan başarısı kanıtlanmış istatistiksel bir modeldir. Rassal Orman, veriyi her düğümde tek bir değişken üzerinden bölen karar ağaçlarını bir araya getirmektedir. Ancak tek bir değişken üzerinden yapılan bölünmeler doğru bir ayrım sağlamayabilir. Bu nedenle literatürde, özellikle sınıflandırma problemlerinde uygulanan ve veriyi doğrusal değişken kombinasyonları üzerinden bölen eğik karar ağacı algoritmaları önerilmektedir. Literatürde zaman serisi regresyon problemlerinde uygulanan eğik karar ağacı tabanlı yöntemler ile ilgili sınırlı sayıda çalışma bulunmaktadır. Bu tez, eğik karar ağaçlarını bir araya getiren bölgesel rüzgar enerjisi tahmin probleminde uygulanacak yeni bir strateji önermektedir. Önerilen yöntem, üç rüzgar enerjisi tahmin probleminde tek bir değişken üzerinden bölmeler yapan muadilleri ile karşılaştırılmıştır. Hesaplanan sonuçlara göre önerilen yöntem üç veri setinin hepsinde daha iyi performans göstermektedir.