Makine öğrenme tekniklerine dayalı olarak deniz yüzey sıcaklığı değişiminin modellenmesi
Sea surface temperature changes based on machine learning techniques
- Tez No: 802374
- Danışmanlar: PROF. DR. ZAFER ASLAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Deniz Yüzey Sıcaklığı, Makine Öğrenmesi, ARIMA, LSTM, Performans, Sea Surface Temperature, Machine Learning, ARIMA, LSTM, Performance
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 52
Özet
Deniz yüzey sıcaklığı (DYS), okyanus ve atmosferik sistemlerin dinamiklerini anlamak ve gelecekteki iklim trendlerini tahmin etmek için kritik bir parametredir. Bu çalışmada, Avrupa Uzay Ajansı İklim Değişikliği Girişimi'nden, özellikle Deniz Yüzey Sıcaklığı İklim Değişikliği Girişimi (DYS IDG) projesinden elde edilen veriler Zonguldak ve Bartın illerindeki DYS'nın ARIMA (otoregresif hareketli ortalamalar) ve LSTM yöntemlerini kullanarak modellenmektedir. Veri seti (boylam 31.25°E ve enlem 40.95°N) 1981'den 2022'ye kadar olan 40 yıllık günlük verilere dayalı olarak hesaplanan aylık değerleri kapsamakta ve DYS trendleri ile mevsimsel varyasyonların bir değerlendirmesini içermektedir. Bu çalışmada, deniz yüzey sıcaklıklarının ARIMA ve LSTM modelleri kullanılarak tahmini yapılmıştır. Her iki model de önümüzdeki 5-10 yıl içinde deniz yüzey sıcaklıklarının artış eğiliminde olacağını göstermektedir. ARIMA modeli ile yapılan çalışmada gözlem ve tahmin değerleri arasında ortalama kare hatası (MSE) değeri 0,07 olarak hesaplanmıştır. LSTM modeli ise daha düşük bir hata payı ile (0.005 MSE) tahmin yapılabilmektedir. Bu sonuçlar, LSTM modelinin ARIMA modeline göre daha yüksek doğrulukta sonuçlar verdiğini göstermektedir. Zonguldak ve Bartın illerindeki değişen DYS trendleri, balıkçılık ve turizm de dahil olmak üzere birçok endüstri vb. sektörler için önemli sonuçları oluşturmaktadır. Bu çalışmanın sonuçlarının bu alanlardaki karar verme süreçlerine ve iklim değişikliği uyum ve stratejileriyle ilgili politika kararlarına yardımcı olması beklenmektedir. Bulgularımız ayrıca, DYS verilerinin alındığı DYS IDG projesi ve ARIMA ve LSTM yöntemlerinin DYS verilerini modelleme etkinliği ve potansiyel sınırlamaları hakkında da bilgi sağlamaktadır.
Özet (Çeviri)
Sea Surface Temperature (SST) is a critical parameter in understanding the dynamics of oceanic and atmospheric systems and predicting future climate trends. In this study, we use data obtained from the European Space Agency Climate Change Initiative, specifically from the Sea Surface Temperature Climate Change Initiative (SST CCI) project, to model SST in the Zonguldak and Bartın provinces using the Autoregressive Integrated Moving Average (ARIMA) and Long Short-Term Memory (LSTM) methods. The dataset covers 40 years from 1981 to 2022 (longitude 31.25°E and latitude 40.95°N) and includes monthly values calculated based on 40 years of daily data from an assessment of SST trends and seasonal variations. In this study, sea surface temperatures were estimated by using ARIMA and LSTM models. Both models show that sea surface temperatures will be on an increasing trend in the next 5-10 years. In the study with the ARIMA model, the mean square error (MSE) value was calculated as 0.07. The LSTM model, on the other hand, has a lower margin of error of 0.005 MSE. These results show that the LSTM model gives more accurate results than the ARIMA model. The changing SST trends in the Zonguldak and Bartın provinces have important implications for several industries and sectors, including fisheries and tourism. The results of this thesis are expected to assist decision-making processes in these areas and policy decisions regarding with climate change adaptation and strategies. Our findings also provide information about the SST CCI project from which SST data was obtained, and the potential limitations and effectiveness of ARIMA and LSTM methods for modeling SST data.
Benzer Tezler
- Classification of hand gestures using time-frequency analysis and different artificial intelligence methods
Zaman-frekans analizi ve farklı yapay zeka yöntemleri kullanılarak el hareketlerinin sınıflandırılması
DENİZ HANDE KISA
Yüksek Lisans
İngilizce
2023
Bilim ve Teknolojiİzmir Katip Çelebi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONAN GÜREN
PROF. DR. AYDIN AKAN
- Development of a CAD system for parametric and attribute-based modification of yacht hull models
Yat gövde modellerinin parametrik ve sıfat-tabanlı modifikasyonu için bilgisayar destekli tasarım sisteminin geliştirilmesi
SHAHROZ KHAN
Yüksek Lisans
İngilizce
2017
Makine Mühendisliğiİstanbul Teknik ÜniversitesiKonstrüksiyon ve İmalat Ana Bilim Dalı
Assist. Prof. Dr. ERKAN GÜNPINAR
- Development of operation and maintenance strategies for offshore wind industry based on big data management
Büyük veri yönetimi ile açık deniz rüzgar endüstrisinde işletme ve bakım stratejilerinin geliştirilmesi
UWE LUETZEN
Doktora
İngilizce
2024
Enerjiİstanbul Teknik ÜniversitesiGemi ve Deniz Teknoloji Mühendisliği Ana Bilim Dalı
PROF. DR. SERDAR BEJİ
- Deep learning approaches for hailstorm detection and forecasting using CNN and LSTM algorithms: Comparative evaluation of radar products
Derin öğrenme yaklaşımlarıyla dolu fırtınası tespiti ve tahmini için CNN ve LSTM algoritmalarının kullanılması: Radar ürünlerinin karşılaştırmalı değerlendirmesi
NAHİT ÇATMADIM
Yüksek Lisans
İngilizce
2023
Bilim ve Teknolojiİstanbul Teknik Üniversitesiİklim ve Deniz Bilimleri Ana Bilim Dalı
PROF. DR. MEHMET SİNAN ÖZEREN
- Improved helicopter classification via deep learning and overlapped range-doppler maps
Derin öğrenme ve örtüşen menzil-doppler görüntüleri ile geliştirilmiş helikopter sınıflandırması
DENİZ CAN ACER
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER