Prediction of weather using data mining techniques
Başlık çevirisi mevcut değil.
- Tez No: 826522
- Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 70
Özet
Tarım, enerji şirketleri ve günlük yaşam dahil olmak üzere çeşitli endüstrilerdeki kullanımlarının bir sonucu olarak hava tahmini giderek daha önemli hale geldi. Hava durumu tahmini, önceki on yılda dünya için gerçek zamanlı bir meydan okuma haline geldi. Sürekli değişen meteorolojik koşullar nedeniyle tahmin yapmak giderek zorlaşmaktadır. Hava tahmini, atmosferin mevcut durumunun gelecekte nasıl değişeceğinin tahminidir. Etkili hava durumu analizi için hava değişimlerini üreten çok sayıda katkıda bulunan unsuru anlamak çok önemlidir. Rüzgar yönü, rüzgar hızı, nem, yağış, sıcaklık vb. gibi meteorolojik verilerin kaydedilmesi işlemi hava tahmini olarak bilinir. Makine öğrenimi teknikleri bozulmalara karşı daha dayanıklı olduğundan, bu projede sıcaklık, yağış vb. gibi hava durumunu tahmin etmek ve her iki yaklaşımı karşılaştırmak ve analiz etmek için doğrusal regresyon ve LSTM uyguladık. Aynısı için iki farklı veri seti kullandık. Her yaklaşımdan aldığımız sonuca ulaşmak oldukça şaşırtıcıydı. Doğrusal regresyon yaklaşımında, yağış ve sıcaklık tahminini gerçekleştirirken sırasıyla 96,32 mm ve 2,69 santigrat derece ortalama mutlak hata elde ederken, derin öğrenme yaklaşımında ortalama mutlak hata 0,002268 derece santigrat, 0,003266 km/sa ve 0,003069 Pascal idi. sırasıyla sıcaklık, rüzgar hızı ve basınç tahmini. Sonuçlar arasındaki farkı açıkça görebildik.
Özet (Çeviri)
Weather forecasting has become increasingly essential as a result of its uses in a variety of industries, including agriculture, energy companies, and everyday life. Weather prediction has become a real-time challenge for the world in the previous decade. Because of the ever-changing meteorological conditions, forecasting is becoming more difficult. Weather forecasting is the prediction of how the current state of the atmosphere will change in the future. Understanding the numerous contributing elements that produce weather variations is crucial for efficient weather analysis. The process of recording meteorological data such as wind direction, wind speed, humidity, rainfall, temperature, and so on is known as weather forecasting. Since machine learning techniques are more robust to perturbations, in this project we applied linear regression and LSTM to predict the weather such as temperature, rainfall etc. and compare both approaches and analyzed it. We used two different datasets for the same. Coming to result that we got from each approaches was quite amazing. In the linear regression approach, we got mean absolute error about 96.32 mm and 2.69 celsius when performing rainfall and temperature prediction respectively whereas in the deep learning approach, the mean absolute error was 0.002268 degree celsius, 0.003266 km/h, and 0.003069 Pascal when performing temperature, wind speed and pressure prediction respectively. We could clearly see the difference between the outcomes.
Benzer Tezler
- The estimation of climate parameters using data mining techniques
Veri madenciliği tekniklerinin kullanarak iklimlendirme parametrelerinin tahmini
SATTAR RASOOL
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET KOCA
- Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi
Analysis of container port operations using machine learning methods
ÜSTÜN ATAK
Doktora
Türkçe
2022
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU
PROF. DR. TOLGA KAYA
- Data analysis with distributed machine learning methods in smart city applications
Akıllı şehir uygulamalarında dağıtık makine öğrenmesi yöntemleriyle veri analizi
NAWAF ABDULLA
Doktora
İngilizce
2024
Yönetim Bilişim SistemleriGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. MEHMET DEMİRCİ
PROF. DR. SUAT ÖZDEMİR
- Effect of wellbore conditions on the performance of underground gas-storage reservoirs
Yeraltı gaz depolama rezervuarlarının performansında kuyu koşullarının etkisi
ÖMER İNANÇ TÜREYEN
Yüksek Lisans
İngilizce
2000
Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. ABDURRAHMAN SATMAN
- Alışveriş merkezleri için çeşitli çevresel faktörlere göre müşteri adedi tahminleme çalışması
Estimation of customer numbers for shopping centers according to various environmental factors
ÇAĞATAY ÖZDEMİR
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEZİ ÇEVİK ONAR