Bu tez çalışmasında sıcaklık ve yağış verilerinin tahmini için zaman serisi analizi üzerinde 3 farklı yöntem ile analiz yapılmıştır. Türkiye Doğu Anadolu Bölgesi'nde bulunan 14 farklı il için Türkiye Meteoroloji Genel Müdürlüğü tarafından toplanan maksimum, minimum, ortalama sıcaklık ve ortalama yağış verilerden Destek Vektör Makinaları (SVR), Rastgele Orman Algoritması ve zaman serisi analiz için kullanılan özelleşmiş bir derin sinir ağı modeli olan Uzun Kısa Süreli Bellek Hafıza Ağı kullanılmıştır. Çalışma için kullanılan veriler her bir il için farklılık göstermekle birlikte ortalama 60 yıllık verileri kapsamaktadır. Yapılan veri ön işlem aşamalarından sonra yapılan modellemerde veri setleri üzerinde kullanılan algoritmaların başarıları karşılaştırılmıştır. Ananlizler sonucu elde edilen değerlendirmeler, veri sayısının fazla olması nedeniyle sıcaklık tahmini üzerinde yapılan çalışmaların daha olumlu sonuçlar verdiğini göstermiştir. Yağış analizlerinde kullanılan ortalama yağış verilerinde ise, veri sayısının az olması nedeniyle kullanılan modellerin başarısının daha düşük kaldığı görülmüştür. Bununla birlikte sıcaklık verilerinde 3 model de birbirine yakın sonuçlar verirken, Destek Vektör Makinalarının genele bakıldığında ön plana çıktığı; yağış analizinde ise LSTM modelinin en başarılı sonuçları ürettiği gözlemlenmiştir. Anahtar Kelimeler: Zaman Serisi Analizi, Sıcaklık Tahmini, Yağış Tahmini, LSTM, Makine Öğrenmesi, Veri Önİşleme
In this thesis study, 3 different methods were analyzed on time series analysis for the forecasting of temperature and precipitation data. Support Vector Machines (SVR), Random Forest, Long Short Term Memory Network, a specialized deep neural network model used for algorithm and time series analysis, from the maximum, minimum, average temperature and average precipitation data collected for 14 different provinces in the Eastern Anatolia Region of Turkey was used. Although the data used for the study differ for each province, it covers an average of 60 years of data. The successes of the algorithms used on the data sets were compared in the modeling made after the data preprocessing stages. The results obtained as a result of the analyzes showed that the studies on temperature estimation gave more positive results due to the large number of data. In the average precipitation data used in precipitation analysis, it was observed that the success of the models used was lower due to the low number of data. However, while it is seen that 3 models produce results close to each other in temperature data, Support Vector Machines come to the fore in general; In precipitation analysis, the LSTM model produced the most successful results. Keywords: Time Series Analysis, Temperature Forecasting, Precipitation Forecasting, LSTM, Machine Learning, Data Pre-Processing
Tez (Doktora-PhD) - Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, İnşaat Mühendisliği Anabilim Dalı, 2022.
Kaynakça var.
Bu tez çalışmasında sıcaklık ve yağış verilerinin tahmini için zaman serisi analizi üzerinde 3 farklı yöntem ile analiz yapılmıştır. Türkiye Doğu Anadolu Bölgesi'nde bulunan 14 farklı il için Türkiye Meteoroloji Genel Müdürlüğü tarafından toplanan maksimum, minimum, ortalama sıcaklık ve ortalama yağış verilerden Destek Vektör Makinaları (SVR), Rastgele Orman Algoritması ve zaman serisi analiz için kullanılan özelleşmiş bir derin sinir ağı modeli olan Uzun Kısa Süreli Bellek Hafıza Ağı kullanılmıştır. Çalışma için kullanılan veriler her bir il için farklılık göstermekle birlikte ortalama 60 yıllık verileri kapsamaktadır. Yapılan veri ön işlem aşamalarından sonra yapılan modellemerde veri setleri üzerinde kullanılan algoritmaların başarıları karşılaştırılmıştır. Ananlizler sonucu elde edilen değerlendirmeler, veri sayısının fazla olması nedeniyle sıcaklık tahmini üzerinde yapılan çalışmaların daha olumlu sonuçlar verdiğini göstermiştir. Yağış analizlerinde kullanılan ortalama yağış verilerinde ise, veri sayısının az olması nedeniyle kullanılan modellerin başarısının daha düşük kaldığı görülmüştür. Bununla birlikte sıcaklık verilerinde 3 model de birbirine yakın sonuçlar verirken, Destek Vektör Makinalarının genele bakıldığında ön plana çıktığı; yağış analizinde ise LSTM modelinin en başarılı sonuçları ürettiği gözlemlenmiştir. Anahtar Kelimeler: Zaman Serisi Analizi, Sıcaklık Tahmini, Yağış Tahmini, LSTM, Makine Öğrenmesi, Veri Önİşleme
In this thesis study, 3 different methods were analyzed on time series analysis for the forecasting of temperature and precipitation data. Support Vector Machines (SVR), Random Forest, Long Short Term Memory Network, a specialized deep neural network model used for algorithm and time series analysis, from the maximum, minimum, average temperature and average precipitation data collected for 14 different provinces in the Eastern Anatolia Region of Turkey was used. Although the data used for the study differ for each province, it covers an average of 60 years of data. The successes of the algorithms used on the data sets were compared in the modeling made after the data preprocessing stages. The results obtained as a result of the analyzes showed that the studies on temperature estimation gave more positive results due to the large number of data. In the average precipitation data used in precipitation analysis, it was observed that the success of the models used was lower due to the low number of data. However, while it is seen that 3 models produce results close to each other in temperature data, Support Vector Machines come to the fore in general; In precipitation analysis, the LSTM model produced the most successful results. Keywords: Time Series Analysis, Temperature Forecasting, Precipitation Forecasting, LSTM, Machine Learning, Data Pre-Processing