Klasik ve derin öğrenme modellerinin rüzgâr hızı tahmini için karşılaştırmalı bir incelemesi

Bu çalışmada, zaman serisi modelleri (klasik modeller olan ARMA, ARIMA ile derin öğrenme modelleri LSTM, CNN) rüzgâr hızı tahmini için iki meteorolojik veri kümesine dayalı olarak karşılaştırılmıştır. Literatür taraması, her bir yaklaşımın güçlü ve zayıf yönlerini sunmuş ve veri ölçeği, çözünürlük ile kalitenin tahmin sonuçları üzerindeki etkisini ortaya koymuştur. Nicel sonuçlar, yüksek frekanslı verilerde LSTM'nin, ARIMA'ya kıyasla MSE'yi yaklaşık %99,3 oranında azalttığını; buna karşın ARIMA'nın küçük veri kümeleri ve kısa vadeli tahminler için uygun olduğunu göstermiştir. Ardından, modeller küçük bir Türk veri kümesine uygulanmış ve önerilen eğriler, Almanya'daki geniş kapsamlı Jena veri tabanı ile karşılaştırılarak test edilmiştir. Sonuçlar, klasik modellerin sınırlı verilerle kısa vadeli tahminler için daha uygun olduğunu; derin öğrenme yöntemlerinin ise geleneksel yöntemleri aşmak için yüksek miktarda ve kaliteli verilere ihtiyaç duyduğunu göstermiştir. Bu bulgular, yenilenebilir enerji planlamacılarına veri kümelerinin özellikleri ve operasyonel gereksinimleri doğrultusunda model seçimi konusunda değerli öneriler sunmuştur.