Geri Dön

Reference evapotranspiration estimation with supervised learning techniques

Pekiştirmeli öğrenme yöntemleriyle evapotranspirasyon tahminleme

  1. Tez No: 875232
  2. Yazar: RÜZGAR ÜÇKARDEŞ
  3. Danışmanlar: DR. ECE GELAL SOYAK, PROF. ÜNAL KIZIL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Ziraat, Computer Engineering and Computer Science and Control, Agriculture
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka Bilim Dalı
  13. Sayfa Sayısı: 68

Özet

Terleme ve topraktan buharlaşma yoluyla kaybedilen suyu ifade eden evapotranspirasyonun (ET) etkili bir şekilde tahmin edilmesi, tarımsal sulamanın optimize edilmesi için çok önemlidir. Bu tez, standart yöntem olarak kabul edilen FAO Penman-Monteith methodundan daha kolay uygulanabilir ve parametre açısından daha verimli olan yapay zekâ araçları ile evapotranspirasyon (ET) tahmini araştırmayı amaçlamaktadır. Makine öğrenimi modellerinin (Doğrusal Regresyon, Rastgele Orman, XGBoost ve Sinir Ağları) yanı sıra Varyans Eşiği, Seçilmiş Yüzdelik Dilim, K Best ve Özyinelemeli Özellik Eleme (RFE) gibi özellik seçim yöntemleri kullanılmıştır. Modeller ana ve çapraz değerlendirme veri setleri üzerinde değerlendirilmiştir. VisualCrossAPI aracılığıyla 22 Türk şehrinden alınan geçmiş iklim verileri (2012-2022) kullanılarak veriler eğitim (%70) ve test (%30) setlerine ayrılmıştır. Çapraz değerlendirme için üç ek veri kümesi de oluşturulmuştur: 13 diğer Türk şehri (2012-2022), Güney İngiltere'deki Alice Holt İstasyonu (2013-2023) ve orijinal 22 şehir için 2023 verileri. Sonuçlar, tüm özelliklerin kullanılmasının, özellikle XGBoost ve Sinir Ağları için genellikle en iyi performansı verdiğini göstermektedir. K Best ve RFE yöntemleri de iyi performans gösterirken, Selected Percentile yöntemi sürekli olarak düşük performans göstermiştir. Bu çalışma, XGBoost ve Yapay Sinir Ağlarının güçlü genelleme yeteneklerini vurgulamakta ve optimum ET tahmini için özel özellik seçimi ve model ayarlamanın önemini vurgulamaktadır.

Özet (Çeviri)

The effective prediction of evapotranspiration (ET), which refers to the water lost through transpiration and evaporation from the soil, is crucial for optimizing agricultural irrigation. This thesis aims to investigate an efficient AI model for estimating evapotranspiration (ET) that is more practical and parameter-efficient than the FAO Penman-Monteith standard. Feature selection methods—Variance Threshold, Selected Percentile, K Best, and Recursive Feature Elimination (RFE)—were used alongside machine learning models (Linear Regression, Random Forest, XGBoost, and Neural Networks). Models were evaluated on the main and cross-evaluation datasets. Using historical climate data (2012-2022) from 22 Turkish cities via VisualCrossAPI, the data was split into training (70%) and testing (30%) sets. Three additional datasets were also created for cross-evaluation: 13 other Turkish cities (2012-2022), Alice Holt Station in Southern England (2013-2023), and data from 2023 for the original 22 cities. Results show that using all features generally yields the best performance, especially for XGBoost and Neural Networks. K Best and RFE methods also performed well, while the Selected Percentile method consistently underperformed. This study highlights the strong generalization capabilities of XGBoost and Neural Networks and emphasizes the importance of tailored feature selection and model tuning for optimal ET prediction.

Benzer Tezler

  1. Soğanın (Allium cepa L.) sulama zamanı planlaması

    Irrigation scheduling of onion (Allium cepa L.)

    MEHMET ŞENER

    Yüksek Lisans

    Türkçe

    Türkçe

    1999

    ZiraatTrakya Üniversitesi

    Tarımsal Yapılar ve Sulama Ana Bilim Dalı

    DOÇ.DR. A. HALİM ORTA

  2. Farklı sulama yöntemlerinin biber ( capsicum annuum L. ) verimine etkisi

    The Effect of different irrigation methods on pepper 8 capsicum annuum L.) yield

    A.HALİM ORTA

    Doktora

    Türkçe

    Türkçe

    1994

    ZiraatAnkara Üniversitesi

    Tarımsal Yapılar ve Sulama Ana Bilim Dalı

    DOÇ. DR. OSMAN YILDIRIM

  3. Damla yöntemiyle sulanan biber bitkisinde A sınıfı buharlaşma kaplarından yararlanarak sulama zamanlarının planlanması

    Başlık çevirisi yok

    DEMET ALDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    1993

    ZiraatAnkara Üniversitesi

    Tarımsal Yapılar ve Sulama Ana Bilim Dalı

    DOÇ. DR. OSMAN YILDIRIM

  4. Ankara koşullarında ayva ağaçları su tüketiminin saptanması (Cydonia oblanga mill)

    Determination of quince tree's (Cydonia oblanga mill) evatranspıration for Ankara conditions

    BERNA GÜNEŞ (TÜTÜNCÜ)

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    ZiraatAnkara Üniversitesi

    Tarımsal Yapılar ve Sulama Ana Bilim Dalı

    PROF. DR. TURHAN AKÜZÜM

  5. Antalya yöresinde çim bitkisi kıyas bitki su tüketimini veren bazı amprik eşitliklerin tarla ve mini lizimetre koşullarında kalibrasyonu üzerinde bir araştırma

    A Reserach on calibration of some amprical equations for grass reference evapotranspiration under field and small lysimeter conditions in Antalya region

    KÖKSAL AYDINŞAKİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2001

    ZiraatAkdeniz Üniversitesi

    Tarımsal Yapılar ve Sulama Ana Bilim Dalı

    PROF. DR. RUHİ BAŞTUĞ