Geri Dön

Prediction of weather using data mining techniques

Başlık çevirisi mevcut değil.

  1. Tez No: 826522
  2. Yazar: ABDULQADER MOHAMMED HASHIM AL- ANI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilim ve Teknoloji, Science and Technology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. The estimation of climate parameters using data mining techniques

    Veri madenciliği tekniklerinin kullanarak iklimlendirme parametrelerinin tahmini

    SATTAR RASOOL

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET KOCA

  2. Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi

    Analysis of container port operations using machine learning methods

    ÜSTÜN ATAK

    Doktora

    Türkçe

    Türkçe

    2022

    Deniz Bilimleriİstanbul Teknik Üniversitesi

    Deniz Ulaştırma Mühendisliği Ana Bilim Dalı

    PROF. DR. YASİN ARSLANOĞLU

    PROF. DR. TOLGA KAYA

  3. Data analysis with distributed machine learning methods in smart city applications

    Akıllı şehir uygulamalarında dağıtık makine öğrenmesi yöntemleriyle veri analizi

    NAWAF ABDULLA

    Doktora

    İngilizce

    İngilizce

    2024

    Yönetim Bilişim SistemleriGazi Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    DOÇ. DR. MEHMET DEMİRCİ

    PROF. DR. SUAT ÖZDEMİR

  4. 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

    İngilizce

    2000

    Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik Üniversitesi

    PROF.DR. ABDURRAHMAN SATMAN

  5. 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

    Türkçe

    2019

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEZİ ÇEVİK ONAR