Mustafa TİMUR, FATİH AYDIN, T. Çetin AKINCI

İstanbul Göztepe bölgesinin makine öğrenmesi yöntemi ile rüzgâr hızının tahmin edilmesi

Rüzgâr ölçümleri, birçok alan için gereklidir. Bunlara örnek olarak meteoroloji, iklim, tarım, endüstriyel uygulamalar ve bilimsel araştırmalar verilebilir. Ölçümlerdeki çok ufak gibi görünen bir fark bile yatırımın ekonomikliğini etkileyebilmektedir ve planlanan yatırım için risk getirebilmektedir. Bu amaçla yapılan çalışmaların ileriye yönelik ve çok hassas dengeler üzerine kurulması gerekmektedir. Bu çalışmada makine öğrenmesi yöntemi kullanılarak İstanbul Göztepe bölgesi için rüzgâr tahminleri yapılmıştır. Tahminlerin yapılması için Bagging metodu esas alınarak, sınıflandırma işlemi için REPTree öğrenme ağacı kullanılmaktadır. Bagging sınıflandırıcının parametrelerindeki değişiklik ile diğer sınıflandırıcılara göre en yüksek öğrenmeyi gerçekleştirmektedir. Yapılan çalışmada korelasyon katsayısı 0.9114 ve Root mean squared error değeri 0.6591 olarak elde edilmiştir. Burada korelasyon katsayısının 0.5 ile 1.0 arasında olması aralarında yüksek bir ilişki olduğunu göstermektedir. Ayrıca root mean squared error değerinin 0’a yakın olması çok önemli hataların yapılmadığını göstermektedir.

PDF

___

1. Alpaydın, E., 2004, Introduction to Machine Learning, The MIT Press, Printed and bound in the United States of America. ISBN 0-262-01211-1.

2. Glossary of Terms, Machine Learning, 1998, 271-274.

3. Ian H.Witten, Eibe Frank., 2005, Data mining : practical machine learning tools and techniques – 2nd ed. p. cm. – Morgan Kaufmann series in data management systems. ISBN: 0-12-088407-0.

4. Amasyalı, M.F., 2008, Yeni Makine Öğrenmesi Metotları ve İlaç Tasarımına Uygulamaları, Thesis (Phd). Yıldız of Technical University.

5. Breiman, L., 1996, Bagging Predictors, Machine Learning, 24, 123–140.

6. Efron, B., Tibshirani, R., 1993, An Introduction to the Bootstrap. Boca Raton, FL: Chapman & Hall/CRC.

7. Yakupoğlu, Ç., Atıl, H., 2006, A Study on Bootstrap Method and It’s Application II. Confidence Interval, Hypothesis Testing and Regression Analysis with Bootstrap Method, Ege Üniv. Ziraat Fak. Derg., 43(2):63-72 ISSN 1018-8851.

8. Mitchell, T.M. 1980, The need for biases in learning generalizations. CBM-TR 5-110, Rutgers University, New Brunswick, NJ.

9. WEKA, Available: http://www.cs.waikato.ac.nz/ml/weka/ [Erişim Tarihi: 08 Mart 2011].

10. WEKA, Class REPTree, http://weka.sourceforge.net/doc/weka/classifiers/trees/REPTree.html [Erişim Tarihi: 01 Haziran 2011].

11. Cohen, J. 1988, Statistical power analysis for the behavioral sciences (2nd ed.) Hillsdale, NJ: Lawrence Erlbaum Associates.

12. Kılıçaslan, Y., Güner E.S., and Yıldırım, S., 2009, “Learning-based pronoun resolution for Turkish with a comparative evaluation” Computer Speech & Language Volume 23, Issue 3, Pages 311-331.