Derin Öğrenme ve İstatistiksel Modelleme Yöntemiyle Sıcaklık Tahmini ve Karşılaştırılması

Abstract

Hava sıcaklığı tahmininin son yıllarda özellikle tarıma dayalı ekonomileriyle öne çıkan ülkeler için yüksek doğruluk içermesi önemlidir. Sürekli değişen hava şartları nedeniyle tahmin daha karmaşık hale gelmektedir. Bazı matematiksel ve istatistiksel teknikler sıcaklık tahmini sağlamada yetersiz olabilmektedir. Bu noktada derin öğrenme yöntemleri bu süreci daha başarılı hale getirmede son yıllarda kabul gören popüler yöntemler olarak karşımıza çıkmaktadır. Etkili bir iklim analizi gerçekleştiren derin yöntemler ile başarılı hava tahmini çalışmaları yapılabilmektedir. Bu makalenin amacı, meteorolojik verilere dayalı hava sıcaklığı tahmini için çeşitli derin öğrenme ve zamansal seri analizi yöntemlerinin uygulanabilirliğini göstermek ve performans sonuçlarını karşılaştırmaktır. Bu çalışmanın gerçekleştirilmesi için Türkiye’nin Doğu Anadolu Bölgesi’nde yer alan Bingöl ilinin Solhan ilçesine ait meteorolojik veriler kullanılarak, derin sinir ağı Uzun Kısa Süreli Bellek (LSTM) ve Otoregresif Entegre Hareketli Ortalama (ARIMA) modelleri ile analizler yapılmıştır. Gerçek veri kümesi üzerinde yapılan deney sonuçlarında geleceğe yönelik sıcaklık tahmininde başarılı sonuçlar elde edilmiştir. Bu modellerin tahmine dayalı performansları farklı değerlendirme metrikleri kullanılarak karşılaştırılmıştır. Gerçek değerler ile tahmini değerler arasındaki ilişkiyi gösteren R kare skoru değeri LSTM ağlarında 0.95, ARIMA modelinde ise 0.97 olarak hesaplanmıştır. Modellerin tahmin doğruluğunun yüksek olması, sıcaklık zaman serisi tahmini çalışmalarında bu modellerin başarılı bir şekilde uygulanabileceğini göstermiştir.