Geri Dön

Weather prediction based on hybrid deep learning regression

Başlık çevirisi mevcut değil.

  1. Tez No: 826114
  2. Yazar: SAMER SHUAA ABDULNABI AL-MAYYAHI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MESUT ÇEVİK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 73

Özet

Tüm canlı organizmalar, birbirleriyle iletişim kurmalarını sağlayan sinir sistemlerinin varlığını paylaşırlar.çevredeki çevre ile etkileşime geçin ve hayati süreçleri kontrol etmelerine yardımcı olun yaşamı sürdürmek için gereklidir. İnsan gibi daha yüksek organizmalarda, insan sinir sistemi sinir sistemlerinin en karmaşıkı olarak kabul edilir ve bunların çoğu üstünlüğüne yol açan bir işin doğası ile karakterize edilen insan beynişekilleri ve şekilleri anlama ve tanıma yeteneklerinde insanı diğer tüm canlılardan üstünsemboller, öğrenme, konuşma, hatırlama, biliş ve lokomotorun hassas kontrolü sistem, vb. İnsanlardan başka hiçbir varlığın sahip olmadığı birçok nitelik ve yeteneğe erişebilir ve hava tahmini için yapay sistem yeni değildir, ancak kullanılmaktadır. daha fazla ve farklı hava. Deneysel sonuçlar, önerilen hibrit derin öğrenme modeli, mükemmel performansa sahiptir ve diğer modele kıyasla yüksek tahmin sonuçları sunar. önerilen derin modelin MAE'sinin her zaman 15'ten az olduğu makine öğrenimi algoritması RMSE'nin en kötü sonucu 22.09 iken, en iyi sonuçlar RMSE'den alınmıştır. lineer regresyon algoritması MAE için 47.352'ye ve RMSE için 65.606'ya eşittir. Önerilen derin model, sistem açıkken yüksek tahmine dayalı sonuçlar verme gücü nedeniyle onaylanmıştır. 400'e eşit bir dönem boyunca uygulandı, arka arkaya dönem 10'a eşit, burada elde edilen MAE sonucu 5.262, RMSE 18.243 ve MAPE değeri 0.0000376,tahmin sonucunun neredeyse tamamlanmış olduğu kabul edilir. Bu sonucun sonucu kabul edildiveri regresyonu gerçekleştirmede derin öğrenme modelinin gücü ile etkileyicitahmin sonuçları.

Özet (Çeviri)

All living organisms share the existence of nervous systems that enable them to deal and interact with the surrounding environment and help them control the vital processes necessary to sustain life. In higher organisms such as man, the human nervous system is considered the most complex of nervous systems at all, most of which are concentrated in the human brain, which is characterized by a nature of work that has led to the superiority of man over all other creatures in the abilities of understanding and recognizing shapes and symbols, learning, speaking, remembering, cognition, and precise control of the locomotor system, etc. To that of many qualities and capabilities that no other being other than humans can access, and the artificial system for forecasting weather is not new, but it is being used more and differently air. The experimental results showed that the proposed hybrid deep learning model has great performance and offers high prediction results compared to the machine learning algorithm, where the suggested deep model's MAE is always less than 15 and the worst result of RMSE is 22.09, on the other hand, the best results gained from the linear regression algorithm It equals 47.352 for MAE and 65.606 for RMSE. The proposed deep model is approved for its power to give high predictive results when the system is implemented during an epoch equal to 400, the back-to-back period equal to 10, where the obtained MAE result is 5.262, the RMSE is 18.243, and the MAPE value is 0.0000376, which the prediction result is considered almost complete. The result of this result agreed with the power of the deep learning model in performing data regression, giving impressive prediction results.

Benzer Tezler

  1. Feasibility analysis based on advanced deep learning techniques in integrating renewable energy resources into microgrids

    Yenilenebilir enerji kaynaklarının mikroşebekelere entegre edilmesinde gelişmiş derin öğrenme tekniklerine dayalı uygulanılabilirlik analizi

    FATHI FARAH FADOUL FATHI FARAH FADOUL

    Doktora

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. RAMAZAN ÇAĞLAR

  2. Time series forecasting on solar radiation using deep learning

    Güneş ışınımı üzerinde derin öğrenme kullanarak zaman serileri tahmini

    MURAT CİHAN SORKUN

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖZLEM DURMAZ İNCEL

  3. Makine öğrenmesi yardımıyla zincir restoran gıda satışlarının tahmin edilmesi ve hava durumunun etkisinin incelenmesi

    Forecasting food sales on chain restaurant and investigating weather effect on sales by using machine learning methods

    SEZGİ ŞENER

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BAŞAR ÖZTAYŞİ

  4. Yapay sinir ağlarıyla Türkiye'deki yenilenebilir enerji potansiyeline bağlı olarak uzun süreli elektrik üretim tahmini

    Estimatation on long-term electricity generation depending on renewable energy potential in Turkey with artificial neural networks

    MERVE GÜLER

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    EnerjiSivas Cumhuriyet Üniversitesi

    Enerji Bilimleri ve Teknoloji Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DERYA BETÜL ÜNSAL ÇELİMLİ

  5. Derin öğrenme teknikleri kullanılarak raylı sistemler için günlük seyahat talebi tahmin modeli geliştirilmesi

    Development of a daily passenger demand prediction model for rail systems using deep learning techniques

    HALİL UĞUR ERCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    UlaşımEge Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YALÇIN ALVER