Samsun ilinin meteorolojik değişkenlerinin beta regresyon ve yapay sinir ağları ile karşılaştırmalı analizi
Comparative analysis of meteorological variables of Samsun province with beta regression and artificial neural networks
- Tez No: 966176
- Danışmanlar: PROF. DR. PELİN KASAP
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 57
Özet
Bu tez, Ocak 2008-Ocak 2025 tarihleri arasında Samsun Meteoroloji Genel Müdürlüğü'nden temin edilen meteorolojik veriler kullanılarak Samsun ili nem seviyelerinin modellenmesinde beta regresyon, kuadratik beta regresyon ve ileri beslemeli sinir ağları (FNN) yöntemlerinin karşılaştırmalı analizini sunmaktadır. Bağımlı değişken olan nem (%) ile ortalama sıcaklık, maksimum sıcaklık, minimum sıcaklık, ortalama işba sıcaklık, ortalama atmosfer basıncı, maksimum atmosfer basıncı, minimum atmosfer basıncı, denizin halı, güneşleme süresi, maksimum yatay görüş mesafesi, minimum yatay görüş mesafesi, ortalama bulut kapalılığı, toplam yağış manuel, rüzgâr yönü ve rüzgâr hızı arasındaki ilişkiler incelenmiştir. Nem değerlerinin sınırlı aralığı (0-100%) olması ve doğrusal olmayan ilişkileri nedeniyle geleneksel regresyon tekniklerinin yetersiz kaldığı tespit edilmiştir. Bu sınırlamaları aşmak için beta regresyon ve kuadratik beta regresyon modelleri uygulanmış ve sırasıyla geriye doğru seçim yöntemiyle 13 ve 20 anlamlı değişken belirlenmiştir. Adaptif moment tahmini optimizasyon algoritması ile 70 epoch boyunca eğitilen bir FNN mimarisi ile ikili çapraz entropi (BCE) kaybına dayalı ileriye doğru seçimle 12 etkin değişken seçilmiştir. MSE, MAE, BCE, AIC, R_psuedo^2 performans metrikleri ve artık grafikleri üzerinden yapılan değerlendirmelerde her yöntemin avantaj ve sınırlılıkları ortaya konmuştur. FNN modeli, eğitim verisinde 0.9731 R_psuedo^2 değeri ve 0.5753 BCE kaybı ile üstün performans sergileyerek karmaşık doğrusal olmayan ilişkileri yakalama yeteneğini kanıtlamıştır. FNN test verisinde ise beta regresyon modelleri ile benzer genelleme başarısı göstermiştir. Ancak, kuadratik beta regresyon da, beta regresyonu geride bırakmıştır. Artık analizleri tüm modellerde düşük yanlılık ve varyansı doğrularken, FNN için artık grafiğinin sıfıra daha yakın olduğu dikkat çekmiştir. Çalışma, meteorolojik modellemede doğrusal olmayan makine öğrenimi tekniklerinin etkinliğini vurgularken, yorumlanabilirlik (beta regresyon) ve tahmin gücü (FNN) arasındaki dengeye dikkat çekmektedir. Bulgular, tarım, enerji yönetimi ve iklim direnci planlaması gibi alanlarda nem tahmin doğruluğunu artırmaya yönelik değerli bilgiler sunmaktadır. Sonuçlar, gerçek dünya meteorolojik sorunlarını ele alırken istatistiksel doğruluk ve hesaplama karmaşıklığını dengeleyen bağlam odaklı model seçimini önermektedir.
Özet (Çeviri)
This thesis presents a comparative analysis of beta regression, quadratic beta regression, and Feed-Forward Neural Networks (FNN) for modeling humidity levels in Samsun, Turkey, using meteorological data obtained from Samsun General Directorate of Meteorology between January 2008 and January 2025. The relationships between the dependent variable humidity (%) and mean temperature, maximum temperature, minimum temperature, mean dewpoint temperature, mean atmospheric pressure, maximum atmospheric pressure, minimum atmospheric pressure, sea carpet, sunshine duration, maximum horizontal visibility, minimum horizontal visibility, mean cloud cover, total precipitation, wind direction, and wind speed were investigated. Traditional regression techniques were deemed inadequate due to humidity's bounded nature (0–100%) and nonlinear relationships with predictors. Beta egression and quadratic beta regression models were employed to address these limitations, with backward selection identifying 13 and 20 significant variables, respectively. An FNN architecture, optimized using the adaptive moment estimation algorithm (ADAM) over 70 epochs, utilized forward selection to determine 12 impactful variables based on binary cross-entropy (BCE) loss. Diagnostic tools, including residual plots and performance metrics (MSE, MAE, BCE, AIC, R_pseudo^2 ), revealed advantages and limitations of each approach. The FNN achieved superior on the train data with a R_pseudo^2 of 0.9731 and BCE loss of 0.5753, demonstrating its ability to capture complex nonlinear interactions. On the test data, FNN demonstrated similar generalization success to beta regression models. However, quadratic beta regression also outperformed beta regression. Residual analysis confirmed minimal bias and variance across all models, though FNN residuals where more closer to zero. The study highlights the effectiveness of nonlinear machine learning techniques in meteorological modeling, highlighting the trade-off between interpretability (beta regression) and predictive power (FNN). These findings provide valuable insights for improving humidity prediction accuracy, with applications in agriculture, energy management, and climate resilience planning. The results suggest context-driven model selection that balances statistical accuracy and computational complexity when addressing real-world meteorological problems.
Benzer Tezler
- Samsun ilindeki rüzgar enerjisi potansiyelinin belirlenmesi ve farklı rüzgar türbinleri kullanılarak enerji analizlerinin araştırılması
Determination of wind energy potential in Samsun, Turkey and investigation of energy analysis using different wind turbines
MUSTAFA SERDAR ATASEVEN
Doktora
Türkçe
2019
EnerjiOndokuz Mayıs ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. OKAN ÖZGÖNENEL
- Coğrafi bilgi sistemi desteğinde kentlerin Avrupa Birliği standartlarında gürültü haritalarının üretimi: Samsun ili örneği
Production of noise maps in context with European Union requirements with the support of geographic information system: Samsun province example
ERDEM EMİN MARAŞ
Doktora
Türkçe
2011
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜBEYDE ALKIŞ
- Samsun ili Terme ilçesi muşmula genotiplerinin kimyasal ve fiziksel karakterizasyonu
Chemical and physical characterization of Medlar (Mespilus gemanica) genotypes from Terme Country (Samsun Province, Turkey)
YADİGAR AKIN
Yüksek Lisans
Türkçe
2019
ZiraatOrdu ÜniversitesiBahçe Bitkileri Ana Bilim Dalı
PROF. DR. SAİM ZEKİ BOSTAN
- Samsun ilinin anıt ve anıtsal nitelikli ağaçlarının tespiti
Determination of monumental and candidate monumental trees in Samsun
NİSANUR KUNT
- Samsun ilinin sahip olduğu gastronomi turizmi potansiyelinin değerlendirilmesi
Evaluation of the gastronomy tourism potential of the city of Samsun
GAMZE BAYRİ
Yüksek Lisans
Türkçe
2020
Gastronomi ve Mutfak SanatlarıOndokuz Mayıs ÜniversitesiTurizm İşletmeciliği Ana Bilim Dalı
DOÇ. DR. YETKİN BULUT