Sustaınable power resource management based on gıs and aı algorıthms

Türkiye son yıllarda hızlı bir ekonomik kalkınma yaşamakta, bu da enerji ihtiyacını önemli ölçüde artırmakta ve rüzgar enerjisi gibi sürdürülebilir enerji kaynaklarına olan ihtiyacı ortaya çıkarmaktadır. Bu tez, coğrafi bilgi sistemleri (CBS) tekniklerini yapay zeka (AI) algoritmaları, özellikle de denetlenen ve denetlenmeyen makine öğrenimi ile entegre ederek Türkiye'de rüzgar çiftlikleri için optimum yerlerin seçilmesi için bütünleşik bir çerçeve sağlamayı amaçlamaktadır. Çalışma, doğal verilerin (rüzgar hızı, eğim ve yükseklik), sosyo-ekonomik faktörlerin (yollara ve kentsel alanlara yakınlık) ve çevresel faktörlerin (korunan alanlar ve su kütleleri) mekansal analizini içermektedir. Denetimsiz sınıflandırma algoritmalarının (K-Ortalamalar ve K-Medoidler) sonuçları, farklı derecelerde alaka düzeyine sahip alanların net kümelerini belirleme yeteneğini göstermiştir. Buna karşılık, denetlenen algoritmalar yüksek sınıflandırma doğruluğu göstermiştir; SVM %95,1 doğrulukla daha iyi performans gösterirken, bunu K-NN ve Rastgele Orman takip ederken, Naïve Bayes özellik bağımsızlığı varsayımı nedeniyle en az doğru olanıdır. Tez, algoritmaların sonuçları arasındaki doğruluğu artırmak ve varyansı azaltmak için Topluluk Öğrenmesi'ni benimsemiş ve dört algoritmanın bulgularının birleştiği en uygun konumların nihai olarak belirlenmesiyle sonuçlanmıştır. Bu konumlar, CBS kullanılarak kartografik olarak gösterilmiştir. Çalışma, yapay zekâ tekniklerinin mekansal analizle bütünleştirilmesinin, karar vericiler için güçlü bir araç sağladığını, yenilenebilir enerjiye geçişi hızlandırdığını ve çevresel etkileri azalttığını teyit etmektedir. Tez, modellerin gerçek zamanlı veriler ve geliştirilmiş çok kriterli karar verme (MCDA) yöntemleri kullanılarak daha da geliştirilmesini ve uygulamanın diğer sürdürülebilir enerji kaynaklarına genişletilmesini önermektedir.