Wind Speed Prediction Using Machine Learning Algorithms: A Case Study of Using ANFIS and KNNR
Date
2023-07-26
Authors
Khalil Shiban Mahmoud Abuayyash
خليل شيبان محمود ابو عياش
Journal Title
Journal ISSN
Volume Title
Publisher
Al-Quds University
Abstract
Wind speed prediction using machine learning algorithms is crucial for various applications, such as wind energy planning and urban development. This paper presents a case study on wind speed prediction in Jerusalem using the Adaptive Neuro-Fuzzy Inference System (ANFIS) and K-Nearest Neighbors Regression (KNNR) algorithms. The study evaluates their performance using multiple metrics, including root mean square (RMSE), bias, and coefficient of determination R2. ANFIS demonstrates good accuracy with lower RMSE (0.196) and minimal bias (0.0003). However, there is room for improvement in capturing overall variability (R2 = 0.15). In contrast, KNNR exhibits a higher R2 (0.4093), indicating a better fit, but with a higher RMSE (1.4209). This study provides insights into the applicability of ANFIS and KNNR in wind speed prediction for Jerusalem and suggests future research directions. The outcomes have practical implications for wind energy planning, urban development, and environmental assessments in similar regions.
يعد التنبؤ بسرعة الرياح باستخدام خوارزميات تعلم الآلة أمرًا مهمًا للعديدِ من التطبيقات، مثل تخطيط لمحطات طاقة الرياح والتنمية الحضرية. يقدم هذا البحثُ دراسة حالة حول توقع سرعة الرياح في القدس باستخدام خوارزمية ANFIS وخوارزمية KNNR. تم تقييم أداء الخوارزميات باستخدام عدة مقاييس، بما في ذلك المتوسط التربيعي الجذري للخطأ (RMSE) والانحياز(bias) ، ومعامل التحديد (R2). تُظهر خوارزمية ANFISدقة جيدة حيث كانت قيمة RMSE (0.196) وقيمة الانحياز (3*10-3). ومع ذلك، هناك مجال للتحسين في التقاط التغير العام (R2 = 0.15). بالمقابل، تُظهر خوارزمية KNNR R2 أعلى (0.41)، مما يشير إلى تطابق أفضل، ولكن بـ RMSE أعلى (1.421). يقدم هذا البحث رؤية حول قابلية تطبيق ANFIS و KNNR في توقع سرعة الرياح في مدينة القدس ويقترح اتجاهات بحثية مستقبلية. تحمل النتائج آثارًا عملية على تخطيط محطات طاقة الرياح والتنمية الحضرية وتقييمات البيئة في المناطق المماثلة.
يعد التنبؤ بسرعة الرياح باستخدام خوارزميات تعلم الآلة أمرًا مهمًا للعديدِ من التطبيقات، مثل تخطيط لمحطات طاقة الرياح والتنمية الحضرية. يقدم هذا البحثُ دراسة حالة حول توقع سرعة الرياح في القدس باستخدام خوارزمية ANFIS وخوارزمية KNNR. تم تقييم أداء الخوارزميات باستخدام عدة مقاييس، بما في ذلك المتوسط التربيعي الجذري للخطأ (RMSE) والانحياز(bias) ، ومعامل التحديد (R2). تُظهر خوارزمية ANFISدقة جيدة حيث كانت قيمة RMSE (0.196) وقيمة الانحياز (3*10-3). ومع ذلك، هناك مجال للتحسين في التقاط التغير العام (R2 = 0.15). بالمقابل، تُظهر خوارزمية KNNR R2 أعلى (0.41)، مما يشير إلى تطابق أفضل، ولكن بـ RMSE أعلى (1.421). يقدم هذا البحث رؤية حول قابلية تطبيق ANFIS و KNNR في توقع سرعة الرياح في مدينة القدس ويقترح اتجاهات بحثية مستقبلية. تحمل النتائج آثارًا عملية على تخطيط محطات طاقة الرياح والتنمية الحضرية وتقييمات البيئة في المناطق المماثلة.