Python programlama dili kullanılarak hatay meteoroloji radar görüntülerinin yapay sinir ağı ile tahmini
Prediction of hatay meteorology radar images with artificial neural network using python programming language
- Tez No: 684373
- Danışmanlar: DOÇ. DR. NURİ EMRAHOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Python, ConvLSTM, Uzaktan Algılama, Meteoroloji, Veri Bilimi, Python, ConvLSTM, Remote Sensing, Meteorology, Data Science
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 124
Özet
Küresel ısınma ile birlikte, dünyanın birçok yerinde olağan dışı hava olayları şiddetli yağışlar ve su taşkınları meydana gelmektedir. Küresel iklim krizi, kentselleşme ve hızlı nüfus artışı ile birlikte değerlendirildiğinde, tutarlı ve zamanında yapılıp erken uyarı niteliği taşıyan hava tahminlerinin hayati bir öneme sahip olduğu görülmektedir. Bu tez çalışmasında, erken uyarılarda ve kısa süreli kuvvetli yağış tahminlerinde sıkça kullanılan ve bir uzaktan algılama cihazı olan meteoroloji radar verileri işlenmiş ve kullanılmıştır. Hatay meteoroloji radarından alınan PPI görüntüler, bir Yapay Sinir Ağı (YSA) algoritması olan ConvLSTM modeli ile Python programlama diliyle yazılan kodlarla eğitilmiştir. Geliştirilen model kullanılarak son 6 radar görüntüsü eğitilmiş ve henüz kayıt edilmemiş bir sonraki görüntünün tahmini yapılmıştır. Veri seti için seçilen görüntü zaman aralığı 30 dakikadır. Model eğitim doğruluk oranı %80-84 aralığındadır. Model tahmin görüntüsü ile gerçekleşen görüntünün benzerlik oranları Kök Ortalama Kare Hatası (RMSE), Tepe Sinyali Gürültü Oranı (PSNR) ve Yapısal Benzerlik İndeksi (SSIM) ile ölçülmüştür. Uygulanan modelden elde edilen sonuçlara göre en iyi performansa sahip tahmin değerleri, RMSE 0.000013, PSNR 97.795 ve SSIM, 0.998 olarak hesaplanmıştır. Kullanılan YSA modeliyle çeşitli zaman aralıkları ile sıralı radar görüntülerinin eğitilebileceği ve belirlenen zaman aralığı kadar sonra oluşacak görüntü tahminin yapılabileceği gösterilmiştir. Model doğruluk oranlarının artırılması için veri setinin artırılması ve çeşitlendirilmesi gerekmektedir.
Özet (Çeviri)
In association with global warming, unusual weather events, heavy rains and floods occur in many parts of the world. When the global climate crisis is evaluated together with urbanization and rapid population growth, it is seen that making consistent and timely weather forecasts, which have the quality of early warning, have vital importance. In this thesis, meteorology radar data, which is a remote sensing device used frequently in early warnings and short-term strong precipitation forecasts, has been processed and used. PPI images taken from Hatay meteorological radar are trained with codes written in Python programming language with ConvLSTM model, an Artificial Neural Network (ANN) algorithm. With the developed model, the last 6 radar images were trained and the next image, which has not yet been recorded, was estimated. The image time interval selected for the dataset is 30 minutes. Model training accuracy is in the range of 80-84%. The similarity ratios of the model prediction image and the actual image were measured by Root Mean Square Error (RMSE), Peak Signal to Noise Ratio (PSNR), and Structural Similarity Index (SSIM). According to the results obtained from the applied model, the predictive values with the best performance were calculated as RMSE 0.000013, PSNR 97.795 and SSIM 0.998. With the ANN model used, it has been shown that sequential radar images can be trained with various time intervals and the image prediction that will occur after the specified time interval can be made. In order to increase model accuracy, the data set should be increased and diversified
Benzer Tezler
- Makine öğrenimi algoritmaları kullanılarak Erzurum ili için kirletici madde tahmini
Pollutant prediction for Erzurum province using machine learning algorithms
CEVAHİR DURAK
Yüksek Lisans
Türkçe
2024
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN TOROS
- Short-term wind energy prediction system by using mesoscale/microscale modelling with model output statistics on various terrain types
Model çıktılarının istatistiği ile orta ölçek/mikro ölçek modelleri kullanılarak çeşitli arazi tipleri için kısa dönem rüzgar enerjisi tahmin sistemi
DERYA ERGÜN
Yüksek Lisans
İngilizce
2017
Enerjiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ŞÜKRAN SİBEL MENTEŞ
DR. GREGOR GIEBEL
- Proposal for a forecasting methodology to predict commercial real estate values in Istanbul using social big data
Sosyal büyük veri kullanımı ile İstanbul'daki ticari gayrimenkul değerlerini tahmin etmek için bir kestirim yöntemi önerisi
MARAL TAŞCILAR
Yüksek Lisans
İngilizce
2023
Ekonometriİstanbul Teknik ÜniversitesiGayrimenkul Geliştirme Ana Bilim Dalı
DOÇ. KEREM YAVUZ ARSLANLI
- Afet yardımları ve koordinasyonunda sosyal ağların etkisinin makine öğrenmesi ile incelenmesi ve yorumlanması: Kahramanmaraş ve Hatay örneği
An investigation and interpretation of the impact of social networks on disaster relief and coordination using machine learnıng: A Case study of Kahramanmaraş and Hatay
İBRAHİM DİPÇİK
Yüksek Lisans
Türkçe
2024
İşletmeGebze Teknik Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. FARID HUSEYNOV
- Deep fake image detection based on deep learning using a hybrid CNN-LSTM with machine learning architectures as classifier
Makine öğrenme mimarileri kullanılarak hibrid CNN-LSTM ile derin öğrenmeye dayalı deep fake görüntü tespiti
OMAR ALFAROUK AL-DULAIMI
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEFER KURNAZ