Güneş enerjisi ile yapılacak yatırımlarda en önemli parametrelerden birisi güneş ışınım miktarıdır. Güneş ışınımını etkileyen birçok parametre vardır. Hava sıcaklığı, rüzgar hızı, bağıl nem ve basınç bu parametrelerin başında gelmektedir. Bu çalışmada, 2000-2024 yıllarını kapsayan Afyonkarahisar ve Elazığ illerine ait toplam 18 264 gözlemden oluşan bir veri seti kullanılarak farklı makine öğrenmesi algoritmaları ile güneş ışınımı tahmini yapılmıştır. Çalışma kapsamında çoklu doğrusal regresyon ve Destek Vektör Regresyonu (SVR), XGBoost (XGB) ve Rastgele Orman (RF) gibi doğrusal olmayan makine öğrenmesi algoritmaları kullanılmıştır. Geliştirilen modellerin kalite performansları; belirleme katsayısı (R²) ve RMSE, MSE, MAE ve MAPE gibi hata metrikleri aracılığıyla belirlenmiştir. Çalışma sonucunda RF ve XGB modellerinin başarılı bir şekilde yüksek tahmin performansını sergiledikleri ortaya konulmuştur. Afyonkarahisar ve Elazığ illeri için en yüksek R2 değeri sırasıyla 0.9866 ve 0.9887 ile RF algoritmasında elde edilmiştir.
One of the most important parameters when investing in solar energy is the amount of solar radiation. There are many parameters that influence solar radiation. Air temperature, wind speed, relative humidity and pressure are the first of these parameters. In this study, sun radiation was estimated with different machine learning algorithms using a total dataset consisting of 18,264 observations of Afyonkarahisar and Elazığ provinces for the years 2000-2024. Non-linear regression and support vector regression (SVR), XGBoost (XGB) and random forest (RF) were used in the study. The quality performance of the developed models; the coefficient of determination (R²) and RMSE, MSE, MAE and MAPE are determined by error metrics. As a result of the study, RF and XGB models have successfully achieved high estimation performance. The highest R2 value for Afyonkarahisar and Elazığ provinces was obtained in the RF algorithm with 0.9866 and 0.9887 respectively.
