Drought prediction based on meteorological data using ensemble machine learning techniques
Topluluk tabanlı makine öğrenmesi teknikleri kullanılarak meteorolojik verilere dayalı kuraklık tahmini
- Tez No: 881376
- Danışmanlar: PROF. DR. NURİ ÇELİK
- Tez Türü: Yüksek Lisans
- Konular: Matematik, Mathematics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Gebze Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 94
Özet
Son zamanlarda popülerliği giderek artan makine öğrenmesi, temeli matematiksel altyapıya dayanan bir algoritma setidir. Ayrıca yapay zekanın bir alt alanı olan makine öğrenmesinin temeli istatistik, olasılık teorisi ve optimizasyon gibi matematiksel kavramlara dayanır. Makine öğreniminin kullanımı sayesinde bilgisayar sistemleri artık verileri değerlendirebiliyor, geçmiş deneyimlerden dersler çıkarabiliyor ve gelecekteki olayları tahmin edebiliyor. Bugüne kadar birçok farklı öğrenme şekli oluşturulmuş olsa da denetimli, denetimsiz, yarı denetimli ve takviyeli öğrenme en bilinen öğrenme yaklaşımlarıdır. Bu öğrenme türleri eldeki mevcut verilerden yola çıkarak problemin tam olarak ne olduğuna karar verildikten sonra uygun öğrenme türü seçilip ona göre bir model oluşturulur. Geleneksel istatistiksel tahmin modellerinden daha iyi sonuçlar veren makine öğrenmesi algoritmaları tıp, ekonomi, çevre bilimleri gibi birçok alanda kullanılarak çeşitli araştırmalar için fayda sağlamıştır. Bazı uygulamalarda modelleme yapmak ve geleceğe yönelik tahminlerde bulunmak oldukça önemlidir. Örneğin, son yıllarda en yaygın doğal afetlerden biri kuraklıktır; bu da küresel iklim değişikliğiyle daha da kötüleşen ve küresel olarak su kaynaklarını, tarımı ve ekonomileri etkileyen karmaşık, tekrarlanan bir olay olduğundan tahmin yapmayı önemli kılmaktadır. Bu çalışmada kuraklık tahmini ve modellemesi için makine öğrenmesi tekniklerinden yararlanılmıştır Bu tezin uygulama kısmında 1965 - 2023 yılları arası Türkiye'nin Konya iline ait dört istasyondan (Beyşehir, Ereğli, Karapınar, Konya H.) alınan verileri (yağış, sıcaklık, bağıl nem ve rüzgar hızı) kullanarak toplamda 768 farklı senaryo ile ileri düzey makine öğrenmesi algoritmaları yardımıyla uygun bir model kurulup meteorolojik kuraklık indekslerinden olan SPI ve SPEI (6 ve 12 aylık zaman dilimi) indekslerini tahmin ederek bu bölgede kuraklık olup olmadığı tespit edilmeye çalışmıştır. Model karşılaştırması için MSE, RMSE, MAE ve R^2 dahil toplamda dört tane performans değerlendirme ölçütü kullanılmıştır. Tüm senaryolarda 0.585 ile 0.868 R^2 değerleri arasında değişen bir tahmin doğruluğu elde edilirken, XGBoost, SPEI-12 (t), SPEI-12 (t-1), ve bağıl nem girdi verileri kullanılan senaryoda en iyi model olarak ortaya çıkmıştır. Bu bulgular gelecekteki kuraklık olaylarına karşı etkili müdahale stratejilerinin daha iyi hazırlanması ve geliştirilmesi için rehberlik sağlayabilir.
Özet (Çeviri)
Machine learning, which has become increasingly popular lately, is a set of algorithms based on mathematical infrastructure. Furthermore, machine learning, a branch of artificial intelligence, is grounded in fundamental mathematical concepts like probability theory, statistics, and optimization. Through the use of machine learning, computer systems are now able to evaluate data, take a lesson from past experiences, and forecast future events. Although many different forms of learning have been created thus far, supervised, unsupervised, semi-supervised, and reinforcement learning are the most well-known learning approaches. Based on the available data in these learning types, after deciding exactly what the problem is, the appropriate learning type is selected and a model is created accordingly. In several disciplines, including economics, environmental sciences, and health, machine learning algorithms have been shown beneficial for a variety of research projects because they outperform conventional statistical prediction models in terms of results. In some applications, doing modeling and making predictions for the future is quite important. For example, one of the more prevalent natural disasters in recent years is drought, which makes forecasting crucial because it is a complicated, repeating event that is made worse by global climate change and affects water supplies, agriculture, and economies globally. In this study, machine learning techniques have been utilized for drought prediction and modeling. In the application part of this thesis, using the data (precipitation, temperature, relative humidity and wind speed) taken from four stations (Beysehir, Eregli, Karapinar, Konya A.) belonging to the Konya province of Turkey between 1965 and 2023, a total of 768 different scenarios were used with advanced machinery. An appropriate model was established with the help of learning algorithms and an attempt was made to determine whether there was a drought in this region by estimating the SPI and SPEI (timescale 6 and 12) indices, which are meteorological drought indices. A total of four performance evaluation metrics were used for model comparison, including MSE, RMSE, MAE and R^2. While a prediction accuracy ranging between 0.585 and 0.868 R^2 values was obtained in all scenarios, XGBoost emerged as the best model in the scenario where SPEI-12 (t), SPEI-12 (t-1), and relative humidity input data were used. These findings may provide guidance for better preparation and development of effective response strategies against future drought events.
Benzer Tezler
- Catchment scaled drought analysis: Integrated climate and hydrological perspectives
Havza ölçeğinde kuraklık analizi: Entegre iklim ve hidrolojik perspektifleri
SAEED VAZIFEHKHAH
Doktora
İngilizce
2018
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ERCAN KAHYA
- Optimizasyon teknikleri kullanılarak kuraklık hibrit tahmin modeli geliştirilmesi
Development of drought hybrid forecast model using optimization techniques
ALİ ALKAN
Doktora
Türkçe
2022
İnşaat MühendisliğiEskişehir Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA TOMBUL
- Dalgacık dönüşümü kullanılarak zirai-meteorolojik verilerin hata teşhis ve tamiri
Fault diagnosis and repair of agricultural meteorological data using wavelet transform
NİGAR TUĞBAGÜL ALTAN
Yüksek Lisans
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
YRD. DOÇ. DR. B. BERK ÜSTÜNDAĞ
- Makine öğrenmesi metotları kullanılarak orman yangınlarının tahmini: Türkiye'de vaka çalışması
Prediction of forest fires using machine learning methodology: A case study in Türkiye
BETÜL ARSLAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. DERYA YILTAŞ KAPLAN
- Nijer'de iklim endeksleri ile ilişkili meteorolojik kuraklık analizi ve tahmini: Dalgacık-ANFIS yaklaşımı
Analysis and forecast of meteorological drought associated with climate indices in Niger: A combined wavelet-ANFIS approach
ZAKARI SEYBOU ABDOURAHAMANE
Doktora
Türkçe
2019
İnşaat MühendisliğiAtatürk Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. REŞAT ACAR