Makine öğrenmesi yöntemleri ile deniz yüzeyi sıcaklığı tahmini: Bartın uygulaması
Prediction of sea surface temperature with machine learning methods: A case study in Bartın
- Tez No: 918840
- 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: 70
Özet
Deniz yüzeyi sıcaklığı, okyanus ve denizlerdeki değişimleri izlemek ve ekosistemleri değerlendirmek için oldukça önemlidir. Deniz yüzeyi sıcaklığı tahmini, iklim değişikliğinin olası zararlı etkileri başta olmak üzere; balıkçılık yönetimi, deniz taşımacılığı, turizm ve kıyı şeridi yönetimi gibi farklı olgularda karar vericilere yol göstermektedir. Dahası, sürdürülebilir ekosistem yönetimi ve biyoçeşitliliğin korunmasında etkili bir çıktıdır. Günümüzde deniz yüzeyi sıcaklığı yapay zeka metodolojileriyle birlikte çok daha verimli bir şekilde tahmin edilebilmektedir. Bu nedenle bu çalışmada örnek bir uygulama istasyonunda makine öğrenimi yöntemleriyle deniz yüzeyi sıcaklığının tahmin performansı ve validasyonu sınanmıştır. Bu çalışmada, Meteoroloji Genel Müdürlüğü'nden 2014-2023 yılları arasına ait Bartın ili deniz yüzeyi sıcaklığına ait değerler veri seti olarak kullanılmıştır. Bu çalışmada kullanılan farklı makine öğrenimi modelleri, performans değerlendirme kriterleri ışığında mukayese edilmiştir. Karşılaştırma ortalama mutlak hata, kök ortalama kare hatası, ortalama yüzde hata ve medyan hata değeleriyle yapılmıştır. Elde edilen sonuçlar, modellerin hedef değişkenin varyansını açıklama gücünün ve hata oranlarının birbirinden oldukça farklı olduğunu ortaya koymuştur. Özellikle Gaussian SVM modeli, yüksek R² değeri ve düşük hata metrikleri ile en başarılı model olarak öne çıkmıştır. Sonuç olarak, elde ettiğimiz bulgular benzer çalışmalar ve uygulama alanındaki gelecekteki çalışmalar için önemli çıktıları barındırmaktadır.
Özet (Çeviri)
Sea surface temperature is important for monitoring ocean and sea changes and assessing ecosystems. Sea surface temperature prediction provides information to decision-makers on different phenomena such as fisheries management, maritime transportation, tourism, and coastline management, as well as the potential harmful effects of climate change. Moreover, it is an effective outcome for sustainable ecosystem management and biodiversity protection. For this reason, in this study, the performance and validation of sea surface temperature prediction with machine learning methods are tested in case of application. In this study, the sea surface temperature values of Bartın province for the period 2014-2023 from the General Directorate of Meteorology were used as a data set. Different machine learning models used in this study were compared to performance evaluation criteria. The comparison is based on mean absolute error, root mean square error, mean percentage error, and median error. The results showed that the ability of the models to explain the variance of the target variable and their error rates are quite different from each other. In particular, the Gaussian SVM model is the most successful model with a high R² value and low error metrics. As a result, it contains important results for similar studies and future studies in the field of application.
Benzer Tezler
- Makine öğrenmesi yöntemleri ile deniz yüzeyi sıcaklığı tahmini: İnebolu uygulaması
Prediction of sea surface temperature with machine learning methods: A case study in İnebolu
CİHAN YILDIRIM
- 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
- 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