Geri Dön

Samsun ilinde yağış tahmini için sınıflandırma algoritmalarının karşılaştırılması

Comparison of classification algorithms for rainfall prediction in Samsun province

PDF İndir

  1. Tez No: 982982
  2. Yazar: BAHDİYAR YAVUZ
  3. Danışmanlar: PROF. DR. PELİN KASAP
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Ondokuz Mayıs Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Makine öğrenmesi algoritmaları, çağımızda birçok alanda yapılan araştırmalarda sınıflandırma ve tahmin için kullanılmaktadır. Bu algoritmalar araştırmanın ve verinin durumuna göre farklılık göstermektedir. Bu çalışmada yağışı etkileyen faktörler kullanılarak, makine öğrenmesi sınıflandırma algoritmalarının yağışın varlığını veya yokluğunu sınıflandırmadaki başarıları karşılaştırılmıştır. Sınıflandırma algoritmalarından, Yapay Sinir Ağları, Naive Bayes, K-En Yakın Komşu, Rastgele Orman, Lojistik Regresyon, Destek Vektör Makineleri, Karar Ağacı ve XGBoost kullanılmıştır. Bu algoritmaların başarıları karşılaştırılırken, doğruluk, kesinlik, duyarlılık, karışıklık matrisi ve F1 skoru ölçütlerinden yararlanılmıştır. Bu ölçütlere ilave olarak ROC eğrisi sonuçları incelenmiştir. Araştırmada Samsun ili Meteoroloji Bölge Müdürlüğünün 2005-2025 yılları arasında kaydedilen 6708 adet yağış verisinin ortalama sıcaklık, ortalama nem, güneşlenme süresi ve ortalama bulut kapalılığı olmak üzere 4 adet bağımsız değişkenden oluşan veri kümesi kullanılmıştır. Araştırma sonuçları karşılaştırıldığında Yapay Sinir Ağları algoritması % 82,29 doğruluk oranı, %84,05 kesinlik oranı, %96,96 duyarlılık oranı, %90,04 F1 skoru ve 0,79 AUC değeri ile en yüksek sınıflandırma oranına sahip olduğu görülmüştür.

Özet (Çeviri)

Machine learning algorithms are used for classification and prediction in many contemporary studies. These algorithms vary depending on the nature of the study and the data. In this study, the success of machine learning classification algorithms in classifying the presence or absence of precipitation was compared using the factors affecting precipitation. Artificial Neural Networks, Naive Bayes, K-Nearest Neighbor, Random Forest, Logistic Regression, Support Vector Machines, Decision Tree, and XGBoost were used as classification algorithms. When comparing the success of these algorithms, accuracy, precision, sensitivity, confusion matrix, and F1 score metrics were used. In addition to these metrics, the ROC curve results were examined. In the study, a dataset consisting of 6708 precipitation data recorded by the Samsun Regional Directorate of Meteorology between 2005 and 2025 and four independent variables: mean temperature, mean humidity, sunshine duration, and mean cloud cover was used. When the research results were compared, it was seen that the Artificial Neural Network method had the highest classification rate with 82.29% accuracy rate, 84.05% precision rate, 96.96% sensitivity rate, 90.04% F1 score and 0.79 AUC value.

Benzer Tezler

  1. Tez No

    927912

    Uydu verilerine dayalı zaman serileri ile makine öğrenmesi ve derin öğrenme algoritmaları kullanılarak Samsun ilinde yağış tahmini

    Rainfall prediction in Samsun province using satellite data-based time series with machine learning and deep learning algorithms

    SEBAHAT TEMUÇİN KILIÇER

    Doktora

    Türkçe

    Türkçe

    2025

    Mühendislik BilimleriOndokuz Mayıs Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEDAT DOĞAN

  2. Tez No

    927894

    A flood risk assessment based on dam-break failure: Case study on Ondokuz Mayıs Dam

    Baraj yıkılması kaynaklı bir taşkın riski değerlendirmesi: Ondokuz Mayıs Barajı örneği

    NAZLI PALAMUT KEMALOĞLU

    Doktora

    İngilizce

    İngilizce

    2025

    İnşaat MühendisliğiOrta Doğu Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ZAFER BOZKUŞ

  3. Tez No

    991935

    Coğrafi bilgi sistemi ve uzaktan algılama teknikleri kullanılarak kuraklık izleme indekslerinin zamansal ve konumsal analizi: Samsun ili örneği

    Temporal and spatial analysis of drought monitoring indices using geographic information systems and remote sensing techniques: The case of Samsun province

    SERHAT YILDIZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Mühendislik BilimleriGiresun Üniversitesi

    Afet Yönetimi Ana Bilim Dalı

    DOÇ. DR. MEHMET ALİ DERELİ

  4. Tez No

    625694

    Samsun ilinde hava kirliliğinin sağlık kurumlarına başvuru ve ölümler üzerine etkisinin değerlendirilmesi

    Evaluation of the effects of air pollution on hospital admissions and mortality in Samsun

    FEYZA NUR TOPÇU YENERÇAĞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    Halk SağlığıOndokuz Mayıs Üniversitesi

    Halk Sağlığı Ana Bilim Dalı

    PROF. DR. AHMET TEVFİK SÜNTER

  5. Tez No

    518166

    Karadeniz Bölgesi yağışlarının trend analizi

    Trend analysis of precipitation in Black Sea Region

    VAHDETTİN DEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Jeodezi ve FotogrametriOndokuz Mayıs Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DOÇ. DR. DERYA ÖZTÜRK

Geri Dön