Ayten, Kağan KorayMorkoç, Erdi2026-03-262026-03-262024https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=E_eEUHQic_C-LvhxNQn1W2rnFk3VGQaxApIEpNLPLxHcwOUwr1ddLcvKr6PFQIiihttps://hdl.handle.net/20.500.14901/5217Her geçen gün teknolojideki gelişmeler ile birlikte enerji talebinin sürekli artışı, fosil yakıtların tükenme sürecine girmesi ve çevresel etkilerin daha fazla dikkate alınması, yenilenebilir enerji kaynaklarına olan ihtiyacı giderek artırmıştır. Özellikle güneş enerjisi, son dönemde önemli bir gelişim göstermiştir. Bu çalışmanın amacı, güneş enerjisinin genel özelliklerini incelemek ve güneş enerjisi santrallerinin üretim verilerini meteorolojik verilere dayalı olarak yapay zeka yöntemleriyle tahmin etmektir. Çalışmada, çok katmanlı yapay sinir ağları (ÇKYSA) ve uyarlamalı bulanık yapay sinir ağı çıkarım sistemi (ANFIS) kullanılarak çalışmanın yapıldığı bölge için ileriye dönük olarak güneş enerjisi üretimi tahmin edilmiştir. ÇKYSA yöntemiyle yapılan tahminlerde, en iyi sonuçların Levenberg-Marquardt (trainlm) algoritması ile elde edildiği bulunmuştur. ANFIS yönteminde ise Dsigmf üyelik fonksiyonu tipi ile 2-2-2 yapılandırmasına sahip üyelik fonksiyonları kullanılarak oluşturulan modelin en yüksek performansı gösterdiği tespit edilmiştir. Bu yöntemler, enerji sektöründe santrallerin üretim verilerinin tahmin edilmesi konusunda etkin bir şekilde uygulanabilir.With technological developments day by day, the continuous increase in energy demand, the depletion of fossil fuels and the increasing monitoring of growth, the need for alternative energy sources has gradually increased. Especially solar energy has shown significant development recently. For this purpose, the general characteristics of solar energy and the production parts of solar power plants can be predicted using artificial intelligence methods on a meteorological basis. In the study, solar panel production was estimated using multilayer artificial neural networks (MLNN) and adaptive neural network extraction system (ANFIS). In the predictions made with the ÇKYSA method, the best results are in countries with Levenberg-Marquardt (trainlm) students and the elderly. In the ANFIS method, it was determined that the highest performance was shown in the recording time model with the Dsigmf recording function type and the 2-2-2 capacity. It is clearly observed from the publication graphs that the predictions made with both models show a high accuracy rate with the measurement data. This can be effectively applied in estimating the production data of power plants in the energy sectortrElektrik ve Elektronik MühendisliğiANFISHücresel Yapay Sinir AğlarıYapay Zeka EndeksiYarı İletken Güneş PiliElectrical and Electronics EngineeringANFISCellular Artificial Neural NetworksArtificial Intelligence IndexSemiconductor Solar CellMaster Thesis