Makine öğrenmesi yöntemleri ile deniz yüzeyi sıcaklığı tahmini: İnebolu uygulaması
Prediction of sea surface temperature with machine learning methods: A case study in İnebolu
- Tez No: 918828
- Danışmanlar: PROF. DR. TAMER AKKAN
- Tez Türü: Yüksek Lisans
- Konular: Biyoloji, Biology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Giresun Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 75
Özet
Deniz yüzeyi sıcaklığı tahminleri, iklim modellemesi ve deniz operasyonları başta olmak üzere; balıkçılık yönetimi, deniz turizmi ve kıyı şeridi yönetimi gibi alanlarda karar vericilere yol göstermesi bakımından son derece önemlidir. Ayrıca, bu veriler, denizcilik faaliyetlerinin daha etkin bir şekilde yönetilmesi ve iklim değişikliklerinin daha iyi analiz edilmesi için sıkça kullanılmaktadır. Yakın zamana kadar geleneksel çalışmalar sıkça kullanılmış olsa bile, artık günümüzde yapay zeka uygulamaları çok verimli sonuçlar üretmektedir. Bu nedenle bu çalışmada örnek bir vaka istasyonundan makine öğrenmesi yöntemleriyle deniz yüzeyi sıcaklığı tahmin edilmiştir. Bu çalışmada, Meteoroloji Genel Müdürlüğü arşivinden elde edilen İnebolu deniz yüzeyi sıcaklığına ait veriler, zaman serisi olarak kullanılmıştır. 2011 ile 2023 yılları arasına ait zaman serisine uygulanan makine öğrenimi algoritmaları kullanılarak tahmin süreçleri gerçekleştirilmiştir. Modellerin performansını değerlendirmek için MAE, MASE, R² ve RMSE ölçütleri kullanılmıştır. Bulgular, Özelleştirilmiş Gaussian Süreç Regresyonu (GPR) modelinin tüm ölçütler arasında en iyi performansı ve en düşük hata oranlarını sergilediğini göstermektedir. Bu çalışmanın sonuçları, iklim modellemesinin geliştirilmesi, deniz kaynakları ve balıkçılık faaliyetlerinin sürdürülebilir yönetimi gibi birçok farklı perspektifte katkı sunabilir.
Özet (Çeviri)
Sea surface temperature forecasts are extremely important in terms of providing guidance to decision-makers in areas such as fisheries management, marine tourism, and coastline management, as well as climate modeling and marine operations. Additionally, these data are frequently used to more effectively manage maritime operations and to better analyze climate changes. Although traditional studies were frequently used until recently, nowadays artificial intelligence applications produce very efficient results. For this reason, in this study, sea surface temperature is predicted by machine learning from a case study station. Inebolu sea surface temperature data obtained from the archive of the General Directorate of Meteorology were used as time series. Between 2011 and 2023, forecasting processes were carried out using various algorithms in the field of machine learning applied to the time series. MAE, MASE, R2, and RMSE measures were used to evaluate the performance of the models. The findings show that the Customised Gaussian Process Regression (GPR) model exhibits the best performance and the lowest error rates among all metrics. The results of this study are significant from a variety of perspectives, including the development of climate modeling, sustainable management of marine resources, and fisheries activities.
Benzer Tezler
- Makine öğrenmesi yöntemleri ile deniz yüzeyi sıcaklığı tahmini: Akçakoca (Düzce) uygulaması
Prediction of sea surface temperature with machine learning methods: A case study in Akçakoca (Düzce)
ELİF YILDIRIM
- Makine öğrenmesi yöntemleri ile deniz yüzeyi sıcaklığı tahmini: Bartın uygulaması
Prediction of sea surface temperature with machine learning methods: A case study in Bartın
BURÇAK ŞEN ÇİDEM
- InSAR ve makine öğrenmesi yöntemleri kullanılarak yüzey hareketlerinin zaman serileri ile modellenmesi: İstanbul Havalimanı örneği
Time series modeling of surface movements using InSAR and machine learning methods: The case study of Istanbul Airport
NUR YAĞMUR
Doktora
Türkçe
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. NEBİYE MUSAOĞLU
PROF. DR. ERDAL ŞAFAK
- Short-term wind power generation forecasting by coupling numerical weather prediction models and machine learning algorithms
Sayısal hava tahmin modeli ve makine öğrenmesi algoritmaları ile kısa dönemli rüzgar enerjisi üretim tahmin modeli oluşturmak
CEM ÖZEN
Doktora
İngilizce
2022
Enerjiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ DENİZ
- Sürekli tip cam ergitme fırınları için hesaplamalı akışkanlar dinamiği tabanlı indirgenmiş model geliştirilmesi
Development of a computational fluid dynamics based reduced order model for continuous glass melting furnaces
ENGİN DENİZ CANBAZ
Doktora
Türkçe
2025
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. MESUT GÜR