Avustralya’nın Kuzey Bölgesi’ndeki Charles Darwin Üniversitesi’ndeki (CDU) araştırmacılar, Yerli Milletler takvimlerinden mevsimsel bilgiler kullanan bir güneş tahmin sistemi olan FNS-Metrics’i geliştirdiler. Ekip, bu verileri tasarladıkları yeni bir yapay zekâ tahmin modeli olan Conv-Ensemble’a aktardı.
Yapay zeka güneş enerjisi tahminleme için kullanılıyor
Çalışmanın sonucunda, mevcut tahmin modellerinin yarısından daha az bir güneş tahmin hata oranı elde edildi. Bu da, güçlü bir temel modele kıyasla doğrulukta %14,6 artış ve hatada %26,2 azalma anlamına geliyor. Araştırmacılar, yapay zeka modelini Tiwi, Gulumoerrgin (Larrakia), Kunwinjku ve Ngurrungurrudjba Yerli Milletler takvimlerinin yanı sıra Red Centre olarak bilinen modern bir takvim kullanarak geliştirdiler. Sistemin tahmin teknolojisinde devrim yaratma potansiyeline sahip olduğunu belirttiler.
Conv-Ensemble modeli, verilerdeki büyük ölçekli örüntüleri tespit etmek için Conv1D katmanlarını kullanır. Ayrıntılı eğilimleri iyileştirmek için dönüştürücü ve uzun kısa süreli bellek (LSTM) ağlarını birleştirir. Bu bileşenler, en doğru tahmini üretmek için ağırlıklı özellik birleştirme adı verilen bir makine öğrenimi tekniği kullanılarak birleştirilir. Bu yaklaşımı test etmek için araştırmacılar, Alice Springs’teki Desert Knowledge Australia Solar Center’dan (DKASC) güneş enerjisi ve hava durumu verilerini aldılar ve sonuçlar, modelin güneş enerjisi üretimini daha düşük bir hata oranıyla tahmin edebileceğini gösterdi.
CDU Ortak Yazarı, doktora öğrencisi ve Bundjalang’lı Luke Hamlin, takvimlerde bulunan çevresel bilginin paha biçilmez bir kaynak olduğunu söyledi. Hamlin: “İlk Milletlerin mevsimsel bilgilerini güneş enerjisi üretimi tahminlerine dahil etmek, tahminleri binlerce yıldır gözlemlenen ve anlaşılan doğal döngülerle uyumlu hale getirerek doğruluğu önemli ölçüde artırabilir. Geleneksel takvim sistemlerinin aksine, bu mevsimsel içgörüler, bitki ve hayvan davranışları gibi yerel ekolojik ipuçlarına derinlemesine dayanmaktadır ve bunlar güneş ışığı ve hava durumu modellerindeki değişikliklerle yakından bağlantılıdır” dedi.
Hamlin, bu bilginin entegre edilmesiyle, tahminlerin çevresel koşullardaki daha ayrıntılı değişimleri yansıtacak şekilde düzenlenebileceğini, böylece Avustralya’nın belirli bölgeleri için daha kesin ve kültürel açıdan bilgili tahminler yapılabileceğini söyledi.
