Geri Dön

Makine öğrenmesi ve hibrit modelleme yaklaşımlarıyla kısa ve uzun vadeli sıcaklık tahmini

Short-and long-term temperature forecasting using machine learning and hybrid modeling approaches

PDF İndir

  1. Tez No: 990950
  2. Yazar: CELALETTİN KİŞMİROĞLU
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ÖMER IŞIK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Derin öğrenme, Hibrid algoritmalar, Makine öğrenmesi, Tahmin modelleri, Zaman serileri, Deep learning, Hybrid algorithms, Machine learning, Estimation models, Time series
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: İstanbul Arel Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Tez çalışmasında hava ve ortam sıcaklığının kısa ve uzun vadeli tahmini için makine öğrenmesi, derin öğrenme ve hibrit modelleme yaklaşımları ile çalışma yapılacaktır. Çalışmanın amacı, farklı modelleme yöntemlerinin zaman serisi verileri üzerindeki performanslarını karşılaştırmak ve sıcaklık tahmini doğruluğunu artırmaktır. Bu kapsamda, istatistiksel tabanlı SARIMAX (Seasonal Autoregressive Integrated Moving Average with exogenous variables) modeli ile derin öğrenme tabanlı LSTM (Long-Short Term Memory) ve Transformer modelleri kullanılması planlanıyor. Modeller, sıcaklık, nem ve basınç gibi meteorolojik ve ortam verileriyle eğitilmiş ve kısa vadeli ile uzun vadeli tahminler yapmayı hedeflemektedir. Hibrit model algoritması ile elde edilecek sıcaklık tahminlerinin genel performansın arttırılması üzerine çalışılacaktır.

Özet (Çeviri)

This thesis will explore machine learning, deep learning, and hybrid modeling approaches for short- and long-term air and ambient temperature forecasting. The aim of the study is to compare the performance of different modeling methods on time-series data and improve temperature forecast accuracy. In this context, the statistically-based SARIMAX (Seasonal Autoregressive Integrated Moving Average with exogenous variables) model and the deep learning-based LSTM (Long-Short Term Memory) and Transformer models are planned. The models are trained on meteorological and environmental data such as temperature, humidity, and pressure and aim to make short- and long-term forecasts. The hybrid model algorithm will be used to improve the overall performance of temperature forecasts.

Benzer Tezler

  1. Tez No

    944673

    Multi-scale rainfall predictions using data-driven models with advanced data preprocessing techniques

    Gelişmiş veri ön işleme teknikleriyle veri odaklı modeller kullanarak çok ölçekli yağış tahminleri

    KÜBRA KÜLLAHCI

    Doktora

    İngilizce

    İngilizce

    2025

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDÜSSELAM ALTUNKAYNAK

  2. Tez No

    827867

    Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  3. Tez No

    964929

    Anomaly detection in ınternet of medical things using deep learning

    Anomaly detect ionin internet of medical things using deep learning

    AYŞE BETÜL BÜKEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. DEVRİM AKGÜN

  4. Tez No

    688423

    Deep learning for wind energy systems using the hurst exponent and statistical parameters

    Hurst üslü ve istatistiksel parametreleri kullanarak rüzgar enerjisi sistemleri için derin öğrenme

    BEHNAZ ALAFI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAHİN SERHAT ŞEKER

  5. Tez No

    836239

    Transliterating Urdu to Roman Urdu using neural network

    Neural ağ kullanarak Urdu'dan Römence Urdu'ya dönüştürme

    WAJAHATULLAH KHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolIşık Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜLSÜM ÇİĞDEM ÇAVDAROĞLU AKKOÇ

Geri Dön