Sivas iline ait meteorolojik parametrelerin arıma ve LSTM yöntemleri kullanılarak modellenmesi ve tahmini
Modeling and prediction of meteorological parameters in Sivas province using arima and LSTM methods
- Tez No: 712750
- Danışmanlar: PROF. DR. HALİT APAYDIN
- Tez Türü: Yüksek Lisans
- Konular: Ziraat, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Tarımsal Yapılar ve Sulama Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 90
Özet
Meteorolojik parametrelerin modellenmesi, tarımsal açıdan su ihtiyacı ve kurak dönemlerin belirlenmesi konusuna ışık tutmaktadır. Yağış ve dolayısıyla kuraklık tahmini yapılabilmesinin, su kaynaklarının daha iyi yönetimi, böylece verim artışı ve ürün kayıplarını önlemek gibi çeşitli faydaları bulunmaktadır. Tarımsal üretimle geçimini sürdüren kırsal nüfusun bu faydalardan yararlanmaları büyük önem taşımaktadır. Geçmişten günümüze birçok istatistik model ve makine öğrenmesi metodu ile meteorolojik parametrelerin tahmini yapılmıştır. Bu çalışmada, Sivas ilinin ilçelerinde ölçülmüş olan meteorolojik veriler kullanılarak ARIMA ve LSTM modellerinin tahmin başarısının ölçülmesi hedeflenmiştir. ARIMA modeli uzun yıllardır kullanılmakta olan yaygın bir model olmasına karşın LSTM modeli son yıllarda geliştirilen derin öğrenme metotlarından biridir. ARIMA modeli daha sınırlı çalışma alanına ve geliştirme alanına sahiptir. LSTM modeli ise nöron kontrolü, veri genişliği kontrolü, optimizatörler ve düzenleme katmanları ile çeşitliliğe sahip bir çalışma alanıdır. LSTM modelinde ağ yapısı ve bileşenleri, değişkenlerin çeşitliliği ve kontrol edilebilirliği ile ARIMA modeline göre üstünlük sağlamakta, daha başarılı sonuçlar elde edilmektedir. Çalışmada ARIMA modellerinde tek bir parametre kullanılırken, LSTM modellerinde parametreler hem tek hem de bir arada kullanılmıştır. Her iki yöntemde de Sivas ilinin büyük klima özelliğine sahip olan Zara, Suşehri, Ulaş, Kangal, Gemerek, Divriği istasyonlarına ait meteorolojik veriler kullanılmıştır. ARIMA modellerinde R2, 0.06-0.94 arasında değişirken, LSTM modellerinde 0.63-0.96 arasında R2 başarısı elde edilmiştir. Elde edilen sonuçlara göre bölgede meteorolojik parametrelerin tahmin edilmesinde her katmanda ReLu aktivasyonunun kullanıldığı, 8-16-32 aralığında nörona sahip LSTM katmanı, 100-300 aralığında epoch değeri, 5e-4 ve 146e-5 learning rate, 1e-2 – 1e-6 aralığında decay, Adam optimizasyonu, 8-256 aralığında batch size konfigürasyonuna sahip LSTM yönteminin en uygun alternatif olduğu belirlenmiştir.
Özet (Çeviri)
Modeling of meteorological parameters sheds light on the determination of agricultural water needs and dry periods. Predicting precipitation and therefore drought has various benefits such as increased yield and prevention of harvest losses. It is of great importance for the rural population, who makes a living with agricultural production, to benefit from these advantages. From past to present, meteorological parameters have been estimated with many statistical models and machine learning methods. In this study, it is aimed to determine the prediction success of ARIMA and LSTM models by using meteorological data measured in the districts of Sivas province. Although the ARIMA model is a common model that has been used for many years, the LSTM model is one of the deep learning methods developed in recent years. The ARIMA model has more limited workspace and development space. The LSTM model, on the other hand, is a diverse field of study with neuron control, data volume control, optimizers and editing layers. In the LSTM model, the network structure and components are superior to the ARIMA model with the diversity and controllability of the variables, and more successful results are obtained. While a single parameter is used in ARIMA models in the study, parameters are used both singly and together in LSTM models. In both methods, meteorological data of Zara, Suşehri, Ulaş, Kangal, Gemerek and Divriği stations, which have great climate characteristics of Sivas province, were used. While R2 ranged between 0.06-0.94 in ARIMA models, R2 success was between 0.63-0.96 in LSTM models. According to the results obtained, LSTM layer with 8-16-32 neurons, epoch value in the range of 100-300, learning rate of 5e-4 and 146e-5, between 1e-2 –1e-6 decay, Adam optimization, in which ReLu activation is used in each layer, in the estimation of meteorological parameters in the region. It has been determined that the LSTM method with batch size configuration in the range of 8-256 is the most suitable alternative.
Benzer Tezler
- 2003 yılı Sivas iline ait meteorolojik verilerin lojistik regresyon analizi ile incelenmesi
Investigation of meteorologic data (2003) of Sivas by logistic regression analysis
KUTLUAY BENLİ
Yüksek Lisans
Türkçe
2005
BiyoistatistikCumhuriyet ÜniversitesiBiyoistatistik Ana Bilim Dalı
Y.DOÇ.DR. ZİYNET ÇINAR
- Sivas iline ait hava kirliliği verileri ile meteorolojik veriler için çoklu lineer regresyon uygulaması
Multiple lineer regression applications for Sivas city centre using air pollution data and meteorological data
RABİA BAŞARA
Yüksek Lisans
Türkçe
1996
MeteorolojiCumhuriyet ÜniversitesiSayısal Yöntemler Ana Bilim Dalı
DOÇ.DR. MAHMUT KARTAL
- Amalgam, seramik ve kompozit dolgularda dental plak birikiminin karşılaştırmalı olarak incelenmesi
Başlık çevirisi yok
DİDEM ÖZBAYSAL AYDIN
Doktora
Türkçe
2000
Diş HekimliğiEge ÜniversitesiDiş Hastalıkları ve Tedavisi Ana Bilim Dalı
PROF. DR. ALİ LEBLEBİCİOĞLU
- Sivas ilinde doğal gaz kullanımının meteorolojik ölçümler ve havakirliliği üzerine etki sinin incelenmesi
The investigation of the effects of natural gas usage on the meteorological measuraments and air pollution in Sivas
ESRA GÜLTÜRK
Yüksek Lisans
Türkçe
2009
BiyoistatistikCumhuriyet ÜniversitesiBiyoistatistik Ana Bilim Dalı
DOÇ. DR. HAFİZE SEZER
- Darende ilçesinin beşeri ve ekonomik coğrafyası
Human and economic geography of the administrative distirict of Darende
HASBİ SOYLU