Akademik Veri Yönetim Sistemi
IV. Uluslararası Ordu Bilimsel Araştırmalar Kongresi , Ordu, Türkiye, 14 - 16 Şubat 2025, ss.313-320, (Tam Metin Bildiri)
Bu çalışmada, Samsun'un Atakum ilçesi için 2010-2022 yılları arasındaki aylık ortalama hava sıcaklığı tahmini yapay sinir ağları (YSA’lar) kullanılarak gerçekleştirilmiştir. Sıcaklık tahmininde bağımlı değişken olarak sıcaklık değeri belirlenirken, bağımsız değişkenler olarak bulutluluk miktarı, nisbi nem, 10 metre ve 2 metre seviyelerindeki rüzgâr hızı kullanılmıştır. Model olarak geri beslemeli bir ağ yapısına sahip olan Doğrusal Olmayan Otoregresif Dışsal Girdili (NARX) Yapay Sinir Ağı tercih edilmiştir. NARX modeli, zaman serisi verilerinin tahmininde etkili olması ve geçmiş bilgileri kullanarak gelecek tahminleri yapabilmesi nedeniyle seçilmiştir. Çalışmada kullanılan veri seti eğitim ve test aşamalarında dengeli bir dağılım sağlamak amacıyla, %60 eğitim, %10 doğrulama ve %30 test verisi olarak üçe ayrılmıştır. Model, 5 kez çalıştırılmış ve her çalıştırma sonrası elde edilen tahmin değerlerinin ortalaması alınarak istatistiksel performans metrikleri hesaplanmıştır. Modelin doğruluk analizini yapmak amacıyla dört farklı değerlendirme metriği kullanılmıştır: Ortalama Karesel Hata (MSE), Kök Ortalama Karesel Hata (RMSE), Ortalama Mutlak Hata (MAE) ve Ortalama Mutlak Yüzde Hata (MAPE). Modelin en iyi sonuçları, MSE = 0.0059, RMSE = 0.0767, MAE = 0.0603 ve MAPE = 11.6318 olarak hesaplanmıştır. Bu sonuçlar, modelin gerçek sıcaklık değerleri ile yüksek oranda uyum sağladığını ve YSA tabanlı tahmin yöntemlerinin sıcaklık tahmini için etkili bir yaklaşım sunduğunu göstermektedir. Özellikle düşük MSE ve RMSE değerleri, modelin hata oranının düşük olduğunu, MAE ve MAPE değerleri ise modelin genel doğruluk seviyesinin tatmin edici olduğunu ortaya koymaktadır. Bu çalışmanın bölgesel iklim analizlerine ve hava tahminlerinin doğruluğunu artırmaya yönelik çabalara önemli katkılar sunacağı öngörülmektedir. YSA’ların meteorolojik tahminlerde başarılı sonuçlar verdiği gözlemlenmiş ve özellikle zaman serisi tahminlerinde geri beslemeli ağ yapılarının avantaj sağladığı belirlenmiştir. Gelecekte, tahmin doğruluğunu daha da artırmak amacıyla daha karmaşık modellerin, ek bağımsız değişkenlerin ve farklı algoritmaların kullanılması planlanmaktadır. Ayrıca, derin öğrenme modelleri ve hibrit yöntemlerin entegrasyonu ile daha hassas tahminler yapılabilir. Sonuç olarak, bu çalışma, YSA’ların meteorolojik tahminler üzerindeki etkinliğini ortaya koyarak bölgesel iklim analizlerinde kullanılabilecek güçlü bir yöntem sunduğunu göstermektedir. Yapay zekâ tabanlı yaklaşımların iklim değişikliği analizlerinde ve uzun vadeli hava tahminlerinde kullanım potansiyeli yüksek olup, bu tür çalışmaların ilerleyen dönemlerde daha geniş kapsamlı veri setleri ve gelişmiş modellerle desteklenmesi önerilmektedir.