Paraguay'da referans evapotranspirasyonun makine öğrenmesi ile tahmini
Estimation of reference evapotranspiration in paraguay using machine learning methods
- Tez No: 1005725
- Danışmanlar: PROF. DR. BİLAL CEMEK
- Tez Türü: Yüksek Lisans
- Konular: Ziraat, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Tarımsal Yapılar ve Sulama Ana Bilim Dalı
- Bilim Dalı: Tarımsal Yapılar ve Sulama Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, Paraguay genelinde farklı iklim koşullarını temsil eden 19 meteoroloji istasyonunda günlük referans evapotranspirasyonun (ET₀) makine öğrenmesi yöntemleri kullanılarak tahmin edilebilirliğini ve farklı meteorolojik girdi kombinasyonlarının model performansı üzerindeki etkisini incelemeyi amaçlamaktadır. Çalışmada, 2018–2022 dönemine ait günlük meteorolojik veriler kullanılmış; ET₀ değerleri FAO-56 Penman–Monteith yöntemi ile hesaplanarak modelleme çalışmaları için çıktı değişkeni olarak alınmıştır. Girdi değişkenleri olarak sıcaklık (Tort), bağıl nem (RH), güneşlenme süresi (h), kısa dalga güneş radyasyonu (Rs) ve rüzgâr hızı (Ws) kullanılmış ve bu değişkenlerin farklı kombinasyonlarını içeren altı ayrı girdi senaryosu oluşturulmuştur. Modelleme aşamasında Çoklu Doğrusal Regresyon (MLR), Çok Katmanlı Algılayıcı (MLP), Rastgele Orman (RF), Destek Vektör Regresyonu (SVR), k-En Yakın Komşu (KNN) ve Aşırı Gradyan Artırma (XGB) modelleri uygulanmış; her bir istasyon için eğitim ve test veri setleri ayrı ayrı değerlendirilmiştir. Modellerin performansı, belirleme katsayısı (R²), kök ortalama kare hata (RMSE), ortalama mutlak hata (MAE) ve ortalama yanlılık hatası (MBE) metrikleri kullanılarak analiz edilmiştir. Elde edilen sonuçlar, yalnızca Tort ve RH girdilerinin kullanıldığı en kısıtlı senaryoda tüm modellerde doğruluğun belirgin biçimde düştüğünü ve özellikle MLR modelinin en düşük R² ve en yüksek hata değerlerini ürettiğini göstermiştir. Buna karşılık, modele güneşlenme süresi (h) ve özellikle kısa dalga güneş radyasyonu (Rs) değişkenlerinin eklenmesiyle birlikte tüm makine öğrenmesi modellerinde performansın anlamlı ölçüde arttığı, pek çok istasyonda R² değerlerinin 0.95'in üzerine çıktığı ve RMSE değerlerinin 0.10–0.30 mm/gün aralığına kadar düştüğü belirlenmiştir. Modeller arası karşılaştırma genel olarak XGB ≥ RF ≥ KNN > MLP = SVR > MLR şeklinde bir performans sıralaması ortaya koymuştur. Özellikle XGB ve RF modelleri, hem eğitim hem de test aşamalarında düşük hata değerleri ve yüksek genelleme yetenekleriyle öne çıkmıştır. Sonuç olarak, güneşlenme süresi ve radyasyon girdileriyle desteklenen makine öğrenmesi modellerinin, Paraguay koşullarında günlük ET₀ tahmini için yüksek doğruluk, kararlılık ve operasyonel uygulanabilirlik sunduğu; klasik doğrusal modellerin ise daha çok referans amaçlı kullanılmasının uygun olduğu ortaya konmuştur.
Özet (Çeviri)
This study investigates the feasibility of estimating daily reference evapotranspiration (ET₀) using machine learning methods and examines the influence of different meteorological input combinations on model performance across Paraguay. Daily data from 19 meteorological stations representing diverse climatic conditions were used for the period 2018–2022. Reference evapotranspiration values were calculated using the FAO-56 Penman–Monteith method and adopted as the target variable. Air temperature (Tort), relative humidity (RH), sunshine duration (h), shortwave solar radiation (Rs), and wind speed (Ws) were considered as input variables, and six different input scenarios were constructed using various combinations of these variables. Multiple Linear Regression (MLR), Multilayer Perceptron (MLP), Random Forest (RF), Support Vector Regression (SVR), k-Nearest Neighbor (KNN), and Extreme Gradient Boosting (XGB) models were implemented, and their performances were evaluated separately for each station using independent training and testing datasets. Model performance was assessed using the coefficient of determination (R²), root mean square error (RMSE), mean absolute error (MAE), and mean bias error (MBE). The results indicate that model accuracy decreased substantially when only Tort and RH were used, with MLR consistently yielding the lowest R² and highest error values. In contrast, the inclusion of sunshine duration (h) and especially shortwave solar radiation (Rs) led to a pronounced improvement in performance across all machine learning models, with R² values exceeding 0.95 at many stations and RMSE values reduced to 0.10–0.30 mm day⁻¹. Overall model ranking followed the order XGB ≳ RF ≳ KNN > MLP ≈ SVR >> MLR, with XGB and RF showing the highest robustness and generalization capability. In conclusion, machine learning models supported by radiation-related inputs provide a reliable and operationally feasible framework for daily ET₀ estimation under Paraguayan climatic conditions, while classical linear models remain more appropriate for benchmarking purposes.
Benzer Tezler
- Evaluation de la performance relative socio economique des pays en voie de developpement
Gelişmekte olan ülkelerin göreli sosyo-ekonomik performanslarının değerlendirilmesi
TAMER ÖZYİĞİT
Yüksek Lisans
Fransızca
2000
Endüstri ve Endüstri MühendisliğiGalatasaray ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. E. ERTUĞRUL KARSAK
- Türk dizilerinin kültürlerarası iletişime etkisi: Paraguay örneği
Başlık çevirisi yok
MARİA CECİLİA NUNEZ CAMPUZANO
Yüksek Lisans
Türkçe
2022
SosyolojiSelçuk ÜniversitesiRadyo Televizyon ve Sinema Ana Bilim Dalı
DOÇ. DR. HACER AKER
- Small states in MERCOSUR: An asymmetric relationship
MERCOSUR'da küçük devletler: Asimetrik bir ilişki
EZGİ İLHAN
Yüksek Lisans
İngilizce
2019
Uluslararası İlişkilerOrta Doğu Teknik ÜniversitesiLatin ve Kuzey Amerika Çalışmaları Ana Bilim Dalı
DOÇ. DR. AYLİN TOPAL YILMAZ
- Financial inclusion and income inequality in Latin America: Constructing a PCA-based financial inclusion index and empirical evidence from panel data
Latin Amerika'da finansal kapsayicilik ve gelir eşitsizliği: PCA tabanli bir finansal kapsayicilik endeksinin oluşturulmasi ve panel veri ile ampirik kanitlar
MONICA ALEJANDRA GOMEZ RIVERA
Yüksek Lisans
İngilizce
2026
İşletmeİstanbul Medeniyet Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. FATİH YİĞİT
- Çay fabrikası atıklarından kafein eldesi ve optimum şartların belirlenmesi
Obtaining caffeine from tea plant wastes and determination of the optimum conditions
HACER İÇEN
Yüksek Lisans
Türkçe
2001
Kimya MühendisliğiGazi ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DOÇ. DR. METİN GÜRÜ