Browsing by Author "Yerli, Mustafa Tolga"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Thumbnail Image
    ItemRestricted
    Sakarya Meydan Muharebesi döneminden günümüze Haymana’da dayanışmanın örneği: Yüzbaşıoğlu Ailesi
    (Bilkent University, 2020) Kabul, Bersi; Biltekin, Cemre; Aykutalpoğlu, Kaan; Yerli, Mustafa Tolga; Salar, Oğuz
    Kurtuluş Savaşı, işgal altındaki bölgelerde konuşlanmış Türk ordusunun ve bölgelerdeki Türk halkının dayanışması ile kazanılmış bir mücadeledir. Sakarya Savaşı'nda Haymana bölgesinde maddi imkanı bulunan Türk aileler, savaştan yorgun düşmelerine rağmen orduya çeşitli yardımlarda bulunmuşlardır. Yüzbaşıoğlu ailesi de, Haymana'nın Culuk ve Halaşlı köylerinde ordunun ihtiyaçlarını karşılamıştır. Savaş sonrasında ekonominin millileştirilmesi adına devlet, Yüzbaşıoğlu ailesini ticarete atılmaları için desteklemiştir. Bu çalışmada, Yüzbaşıoğlu ailesinin yaşadıklarından Haymana'da Sakarya Savaşı savunması, savaş sonrasında Ulus'ta yaptığı ekonomik faaliyetler ve bugünkü iktisadi uğraşları anlatılmıştır.
  • Thumbnail Image
    ItemOpen Access
    Wind power prediction using machine learning and deep learning algorithms
    (IEEE - Institute of Electrical and Electronics Engineers, 2023-08-28) Şimşek, Ecem; Güngör, Ayşemüge; Karavelioğlu, Öykü; Yerli, Mustafa Tolga
    In this study, it has been tried to predict the wind power generation values in a long-term period by using a dataset containing the wind power generation values of 10 zones using machine learning and deep learning methods. In this context, the importance of accurately predicting renewable energy production was emphasized by associating it with machine learning and deep learning methods. The methods to be used in the study were selected based on the literature review and the characteristics of the time series datasets. Since the dataset includes the basic wind components, a detailed feature analysis was performed, and the dataset was enriched with the newly added features. The hyperparameters of the utilized models were optimized for all regions in the dataset separately and the models were run with these hyperparameters. The results of the models were evaluated with different error metrics and compared with each other, and the models with the lowest error scores were determined.