Makine öğrenimi tekniği kullanarak Irak'ta meteorolojik kuraklık tahmini
Prediction of meteorological drought in Iraq using machine learning techniques
- Tez No: 850633
- Danışmanlar: DOÇ. DR. LEVENT LATİFOĞLU
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Kuraklık, Kuraklık İndeksi, Standart yağış indeksi, Rastgele Orman, Yapay Sinir Ağı, Makine Öğrenmesi, Drought, Drought Index, Standard precipitation index, Random forest, artificial neural network, Machine Learning
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 95
Özet
Hızlı endüstriyel büyüme, enerji talebinde artışa yol açarak aşırı iklim dalgalanmalarına neden oldu. İklimsel dalgalanmalara bağlı olarak kuraklıkların sıklığında ve şiddetinde ciddi bir artış olması nedeniyle, etkilerini azaltacak kuraklık tahmin modellerinin oluşturulmasına ihtiyaç duyulmaktadır. Bir bölgede, özellikle yaşam ve büyüme koşullarını olumsuz yönde etkileyen, uzun süreli su sıkıntısı, kuraklık olarak bilinir. Kuraklıklar tipik olarak çoğunluğu olasılıksal olan ve dolayısıyla oldukça rastgele ve doğrusal olmayan kuraklık endeksleri (DI'ler) kullanılarak izlenir. Bu çalışma, rastgele orman (RF) ve yapay sinir ağı (YSA) dahil olmak üzere makine öğrenimi (ML) algoritma modellerinin farklı versiyonlarının, standart yağış indeksi (YSİ) olarak bilinen en yaygın kullanılan DI'yi zaman ölçeklerinde tahmin etme yeteneğini araştırıyor(3, 6, 9 ve 12) ay. İklimi çoğunlukla karasal ve subtropikal yarı kurak tipte olan ve sıklıkla kuraklık yaşanan Irak'taki üç meteoroloji istasyonunda 1981-2021 dönemine ait aylık yağış verileri kullanılarak modeller geliştirildi. Giriş verileri, eğitim verileri (%80) ve test verileri (%20) kümelerine bölündü. Tahmin kapasitesini değerlendirmek için korelasyon katsayısı (R), ortalama kare hatası (MSE) ve kök ortalama kare hatası (RMSE) gibi çeşitli istatistiksel ölçümler kullanıldı. Elde edilen sonuçlar performans parametreleri ve dağılım grafikleri ile değerlendirildiğinde yapay sinir ağı (YSA) modelinin performansının (RF) ile karşılaştırıldığında daha iyi olduğu gösterilmiştir.
Özet (Çeviri)
The rapid industrial growth has led to an increase in the demand for energy and thus causing extreme climate fluctuations. Due to the fact that there is a significant increase in the frequency and severity of droughts due to climatic fluctuations, there is a need to build drought prediction models to reduce its effects. A prolonged shortage of water supply in an area, particularly one that negatively affects living or growth conditions, is known as a drought. Droughts are typically tracked using drought indices (DIs), the majority of which are probabilistic, and thereby highly random and nonlinear. This study investigates the capability of different versions of machine learning (ML) algorithms models including Random Forest (RF) and Artificial Neural Network (ANN) in predicting the most commonly used DI known as standardized precipitation index (YSİ) at time scales( 3, 6, 9, and 12) months. Models were developed utilizing monthly rainfall data for the period of 1981–2021 at meteorological stations in Abu Ghraib station in Baghdad at the middle geographical region of Iraq whose climate is mainly of the continental and subtropical semi-arid type and frequently experiences droughts. The input data were divided into training data (80%) and testing data (20%) sets. Several statistical metrics, such as correlation coefficient (R), mean square error (MSE), and root mean square error (RMSE) were used to assess the prediction capacity. When the results obtained were evaluated with performance parameters and scatter plots, it was shown that the performance of the artificial neural network (ANN) model was better compared to the (RF).
Benzer Tezler
- The efficiency of classification techniques in predicting thyroid disease
Tiroid hastalığını öngörmede sınıflandırma tekniklerinin etkinliği
KHALID ABDALSTAR SALMAN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRULLAH SONUÇ
- An efficient moving vehicle detection in traffic surveillance using machine learning technique
Makine öğrenimi tekniği kullanarak trafik gözetiminde etkin hareketli araç tespiti
MOHASAD SAED KHUDER AL-GORAERY
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
YRD. DOÇ. DR. MESUT ÇEVİK
- Prediction of lung cancer risk using machine learning models
Makine öğrenme modellerini kullanarak akciğer kanseri riskinin tespit edilmesi
YUNUS GEZER
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOSTİM TEKNİK ÜNİVERSİTESİYazılım Mühendisliği Ana Bilim Dalı
DR. MURAT ŞİMŞEK
- Predicting students' performance using classification algorithms and generative adversarial network
Sınıflandırma algoritmaları ve üretken çatışma ağları kullanarak öğrenci performansını tahmin etmek
AWS MOHAMMED KHUDHUR KHUDHUR
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NEHAD T.A RAMAHA
- Yapay sinir ağları ile öngörü modelleme tekniği kullanarak öğrenci başarı durumu öngörü modellemesi üzerine
On predictive modeling of student achievement using prediction modeling technique with artificial neural networks
MURAT CEYLAN
Yüksek Lisans
Türkçe
2024
Mühendislik BilimleriİSTANBUL NİŞANTAŞI ÜNİVERSİTESİYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NESİBE MANAV MUTLU