Orta karadeniz bölgesi referans evapotranspirasyonunun makine öğrenmesi ile tahmini
Estimation of reference evapotranspiration in the central black sea region using machine learning
- Tez No: 1005880
- 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 çalışmada, Orta Karadeniz Bölgesi'nde (Bafra, Ordu, Samsun, Sinop ve Tokat) günlük referans evapotranspirasyonun (ET0) makine öğrenmesi ve yapay zekâ yöntemleri ile tahmini amaçlanmıştır. Referans yöntem olarak FAO-56 Penman-Monteith denklemi esas alınmış; ancak bu yöntemin çok sayıda meteorolojik değişkene ihtiyaç duyması nedeniyle, daha az girdi ile yüksek doğruluk sağlayabilecek alternatif modeller değerlendirilmiştir. Çalışmada ortalama sıcaklık, maksimum–minimum sıcaklık, solar radyasyon ve bağıl nem değişkenleri kullanılmış; modeller iki, üç ve dört girdili senaryolar altında test edilmiştir. Uygulanan modeller arasında çoklu doğrusal regresyon (MLR), çok katmanlı algılayıcı (MLP), destek vektör regresyonu (SVR), k-en yakın komşular (KNN), rastgele orman (RF), evrişimli sinir ağı (CNN), aşırı gradyan artırma (XGBoost), uzun-kısa süreli bellek (LSTM) ve genetik programlama yer almaktadır. Model performansları R², RMSE, MAE ve MBE istatistiksel kriterleri kullanılarak değerlendirilmiştir. Analiz sonuçlarında tüm istatistiksel kriterler ayrı ayrı değerlendirilmiş, veri setindeki uç değerlere daha hassas bir yapıda olmasından dolayı, model performanslarının yorumlanmasında RMSE değerleri dikkate alınmıştır. Sonuçlar, tüm makine öğrenmesi ve genetik programlama modellerinin geleneksel ampirik yöntemlere (Blaney-Criddle, Hargreaves-Samani, Turc, Jensen-Haise, Priestley-Taylor, Makkink ve Valiantzas) kıyasla daha düşük hata ve daha yüksek doğruluk sağladığını göstermiştir. Özellikle MLP ve CNN modelleri istasyonlar genelinde en düşük RMSE ve en tutarlı performansı üretmiştir. Girdi sayısının azalması durumunda doğrusal modellerin performansı düşerken, doğrusal olmayan yapay zekâ modelleri daha güçlü genelleme kapasitesi göstermiştir. Genel olarak, doğrusal olmayan makine öğrenmesi modellerinin özellikle veri kısıtlı senaryolarda klasik ampirik denklemlere göre daha güvenilir ve genellenebilir sonuçlar sunduğu belirlenmiştir. Bu çalışma, bölgesel ölçekte ET0 tahmini için yüksek doğruluklu ve uygulanabilir bir modelleme yaklaşımı ortaya koymaktadır.
Özet (Çeviri)
This study aimed to estimate daily reference evapotranspiration (ET0) in the Central Black Sea Region of Türkiye (Bafra, Ordu, Samsun, Sinop, and Tokat) using machine learning and artificial intelligence approaches. The FAO-56 Penman-Monteith equation was adopted as the reference method; however, due to its requirement for numerous meteorological variables, alternative models capable of providing high accuracy with fewer inputs were evaluated. Mean temperature, maximum–minimum temperature, solar radiation, and relative humidity were used as input variables, and the models were tested under two-, three-, and four-input scenarios. The applied models included Multiple Linear Regression (MLR), Multilayer Perceptron (MLP), Support Vector Regression (SVR), k-Nearest Neighbors (KNN), Random Forest (RF), Convolutional Neural Network (CNN), Extreme Gradient Boosting (XGBoost), Long Short-Term Memory (LSTM), and Genetic Programming. Model performance was assessed using R², RMSE, MAE, and MBE statistical criteria. In the analysis results, all statistical criteria were evaluated separately; however, due to its greater sensitivity to outliers in the dataset, RMSE values were taken into consideration when interpreting model performances. The results indicated that all machine learning and genetic programming models outperformed traditional empirical methods (Blaney-Criddle, Hargreaves-Samani, Turc, Jensen-Haise, Priestley-Taylor, Makkink, and Valiantzas) by producing lower error values and higher accuracy levels. In particular, MLP and CNN models achieved the lowest RMSE values and the most consistent performance across stations. While the performance of linear models declined as the number of input variables decreased, nonlinear artificial intelligence models demonstrated stronger generalization capability. Overall, nonlinear machine learning approaches provided more reliable and generalizable results than classical empirical equations, especially under data-limited scenarios. This study presents a high-accuracy and practically applicable modeling framework for regional ET0 estimation.
Benzer Tezler
- Orta Karadeniz bölgesi için referans bitki su tüketimindeki (ETo) değişimin analizi
Analysis of changes in reference crop water consumption (ETo) for central Black Sea region
İSMAİL ÖZLER
Yüksek Lisans
Türkçe
2022
ZiraatTokat Gaziosmanpaşa ÜniversitesiBiyosistem Mühendisliği Ana Bilim Dalı
PROF. DR. KADRİ YÜREKLİ
- Orta Karadeniz Bölgesi şeker pancarı ekim alanlarından izole edilen rhizoctonia spp.'nin anastomosis grupları, patojeniteleri ve mücadele olanakları
Anastomosis groups, pathogenicity and control strategies of rhizoctonia spp. isolated from sugar beet growing areas in the the middle black sea region
ELİF YILDIRIM
- Orta Karadeniz Bölgesi'nde beyaz baş lahana alanlarından izole edilen Rhizoctonia grubu fungusların anastomosis grupları, patojeniteleri ve bazı genotiplerin reaksiyonlarının belirlenmesi
Determination of anastomosis groups, pathogenicities of Rhizoctonia groups fungi in white cabbage growing area in the Middle Black Sea Region and reactions of some genotypes
SEVİLAY SAYGI
- Türkiye Karadeniz Bölgesi Aedes albopictus popülasyonlarında defensin-C geninin moleküler karakterizasyonu, filogenetik analizi ve probiyotik lactococcus lactis uygulamasına bağlı ekspresyon düzeyinin incelenmesi
Molecular characterization, phylogenetic analysis and expression profiling of the defensin-c gene in Aedes albopictus populations from the Black Sea Region of Türkiye following probiotic lactococcus lactis treatment
TUNCER BİÇER
Yüksek Lisans
Türkçe
2026
ParazitolojiErciyes ÜniversitesiVeterinerlik Parazitolojisi Ana Bilim Dalı
PROF. DR. ALPARSLAN YILDIRIM
- Convection permitting simulations driven by pseudo-global warming for a heavy precipitation event in the black sea region
Karadeniz bölgesi'nde şiddetli yağış olayının varsayımsal küresel ısınmayla yönlendirilen konveksiyona elverişli simülasyonları
SİNAN ŞAHİNOĞLU
Yüksek Lisans
İngilizce
2026
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. BARIŞ ÖNOL