Geri Dön

Gözlem kalitesinin belirlenmesine yönelik bir tahmin modelinin geliştirilmesi: Doğu Anadolu Gözlemevi (DAG) örneği

Development of a prediction model for determining observation quality : A case for Eastern Anatolia Observatory (DAG)

  1. Tez No: 858517
  2. Yazar: GİZEM DİLAN BOZTAŞ
  3. Danışmanlar: PROF. DR. ERSİN KARAMAN
  4. Tez Türü: Doktora
  5. Konular: Astronomi ve Uzay Bilimleri, Bilim ve Teknoloji, Yönetim Bilişim Sistemleri, Astronomy and Space Sciences, Science and Technology, Management Information Systems
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Atatürk Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 139

Özet

Doğu Anadolu Gözlemevi görünür bölge gözlemlerinin yanı sıra kızılötesi gözlemlerinde gerçekleştirilmesine olanak sağlayacaktır. Kızılötesi gözlemleri etkileyen en önemli parametre ise PWV parametresidir. Bu nedenle PWV' nin geleceğe yönelik davranışlarının öngörülmesi özellikle kızılötesi gözlem planlamalarının etkin bir şekilde ele alınabilmesi açısından önem arz etmektedir. İlgili bağlamda, bu çalışmada PWV parametresi detaylı bir şekilde değerlendirilmiş, makine öğrenmesi ve derin öğrenme yöntemleriyle kapsamlı bir analiz gerçekleştirilerek gözlem planlayıcılarına veri odaklı karar destek sunulması amaçlanmıştır. Bu amaç kapsamında yer tabanlı GNSS ve ravinsonde ile ERA5 PWV verileriyle beraber DAG ve Erzurum Meteoroloji Müdürlüğü'nden temin edilen meteorolojik veriler kullanılmıştır. Başlangıçta ERA5 PWV, GNSS ve ravinsonde gözlemleri ile karşılaştırılarak kullanılabilirlik ve doğruluk açısından analiz edilmiştir. Ardından, yer ve uydu temelli PWV verilerinin sınıflandırılmasıyla, gözlem sürecinde kullanılabilecek en uygun modelin oluşturulmaya çalışılmıştır. Sonrasında ise ERA5'in saatlik verileri üzerinde PWV değerlerine ilişkin bir günlük, yedi günlük, bir aylık ve bir yıllık gelecek tahminleri yapılarak, saat bazında daha detaylı bir çıkarım elde edilmesi amaçlanmıştır. Sınıflandırma için SAMME, SAMME.R, LogitBoost, XGBoost ve CatBoost algoritmaları kullanılırken, PWV kestirimi için derin öğrenme yöntemlerinden yalın GRU ve LSTM ile GRU+LSTM ve LSTM+GRU hibrit yöntemlerinden faydalanılmıştır. Çalışma sonucunda ERA5 PWV hem saatlik olarak hem de gece 00:00 kapsamında GNSS ve ravinsonde'ye alternatif bir kaynak olabileceği tespit edilmiştir. Sınıflandırma analizinde de GNSS ve ERA5 PWV ile DAVIS kaynaklı meteorolojik veri setleri için XGBoost algoritması, Erzurum Meteoroloji Bölge Müdürlüğü kaynaklı meteorolojik veri setleri içinde genel olarak CatBoost algoritması en başarılı performansı sergilemektedir. Ravinsonde PWV ile her iki kaynaktan alınan meteorolojik verilerden oluşan veri setlerinde ise en başarılı sonuçları XGBoost, SAMME.R ve LogitBoost algoritmalarının verdiği görülmüştür. Son analiz olan kestirim analizinin sonuçları, bir günlük tahminlerde GRU+LSTM hibrit modelinin, yedi günlük, bir aylık ve bir yıllık tahmin periyodlarındaysa GRU modelinin en yüksek başarıma sahip olduğunu göstermektedir. Geçekleştirilen bu çalışma, PWV parametresi analizinin gözlem zamanı bağlamında ele alınmasının yanı sıra analizler sırasında sınıflandırma ve derin öğrenme yöntemlerinin kullanılması açısından da literatüre katkı sağlayacaktır.

Özet (Çeviri)

The Eastern Anatolia Observatory will enable the realization of infrared observations as well as visible region observations. The most important parameter affecting infrared observations is the PWV parameter. For this reason, predicting the future behavior of the PWV is especially important for effective planning of infrared observations. In this context, this study aims to provide data-driven decision support to observation planners by evaluating the PWV parameter in detail and performing a comprehensive analysis with machine learning and deep learning methods. For this purpose, ground-based GNSS and ravinsonde and satellite-based ERA5 PWV data as well as meteorological data obtained from DAG and Erzurum Meteorological Directorate were used. Initially, the ERA5 PWV reanalysis product was analyzed for usability and accuracy by comparing it with GNSS and ravinsonde observations. Then, by classifying ground-based and satellite-based PWV data, the most appropriate model for the observation process was created. Afterwards, one-day, seven-day, one-month and one-year future forecasts of PWV values were made on ERA5 hourly data to obtain a more detailed inference on an hourly basis. For classification, SAMME, SAMME R, LogitBoost, XGBoost and CatBoost algorithms were used, while for PWV prediction, the deep learning methods GRU, LSTM, GRU+LSTM and LSTM+GRU hybrid methods were utilized. As a result of the study, it was determined that the ERA5 reanalysis product can be an alternative source to GNSS and ravinsonde both hourly and at 00:00 at night. In the classification analysis, XGBoost algorithm performs the most successful performance for GNSS and ERA5 PWV and meteorological data sets from DAVIS, and CatBoost algorithm performs the most successful performance for meteorological data sets from Erzurum Meteorological Regional Directorate. In the data sets consisting of Ravinsonde PWV and meteorological data from both sources, XGBoost, SAMME.R and LogitBoost algorithms were found to give the most successful results. The results of the final analysis, the predictive analysis, show that the GRU+LSTM hybrid model has the highest performance for one-day forecasts, while the GRU model has the highest performance for seven-day, one-month and one-year forecast periods. This validated study will contribute to the literature in terms of the analysis of the PWV parameter in the context of observation time as well as the use of classification and deep learning methods during the analysis.

Benzer Tezler

  1. Assessment of urbanization history of Addis Ababa city, Ethiopia

    Addıs Ababa cıty, Ethıopıa'nın kentleşme tarihinin değerlendirilmesi

    ABDURAHMAN HUSSEN YIMER

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Şehircilik ve Bölge PlanlamaMersin Üniversitesi

    Şehir ve Bölge Planlama Ana Bilim Dalı

    DOÇ. DR. ALİ CENAP YOLOĞLU

  2. Muhasebede ihtiyatlılık kavramı: Borç sözleşmeleri, sürdürülebilirlik raporlaması ve kriz dönemlerinde bankaların kredi kapasitesi üzerinde ihtiyatlı muhasebe uygulamalarının analizi

    The principle of accounting conservatism: Analysis of conservative accounting practices on debt contracts, sustainability reporting and banks' credit capacity in crisis periods

    DESTAN HALİT AKBULUT

    Doktora

    Türkçe

    Türkçe

    2021

    BankacılıkGalatasaray Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. İDİL KAYA

  3. Planlama aşamasında kentsel işlevlerin alansal büyüklüklerinin belirlenmesine yönelik alternatif yöntem önerisi: Monte Carlo simülasyonu

    Alternative method suggestion for determining areal distributions of urban functions in planning phase: Monte Carlo simulation

    KAŞİF EMRE TARAKÇIOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Şehircilik ve Bölge Planlamaİstanbul Teknik Üniversitesi

    Gayrimenkul Geliştirme Ana Bilim Dalı

    DOÇ. DR. ELİF ALKAY

  4. Water sensitive urban design: A case study of Bahçelievler neighborhood in Balikesir

    Suya duyarlı kentsel tasarım: Balıkesir Bahçelievler mahallesi için tasarım önerisi

    SEVDE KEMANECİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Şehircilik ve Bölge Planlamaİstanbul Teknik Üniversitesi

    Kentsel Tasarım Ana Bilim Dalı

    DOÇ. DR. GÜLDEN DEMET ORUÇ

  5. Alışveriş merkezlerindeki mağazaların satış yoğunluğunun mekansal dizim yöntemiyle irdelenmesi

    The examination ofsales density of stores in shopping malls by space syntax method

    ELİF TAVUKÇUOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Mimarlıkİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    PROF. DR. ALPER ÜNLÜ