Sınıflama Algoritmalarının Yağışın Varlığını Kestirme Konusundaki Performanslarının Karşılaştırması. (Turkish)

Predicting rainfall is important issue that concerns everyone especially weather forecasters, farmers and those who work in agriculture sector. Although artificial intelligence and machine learning applications, which have gained great momentum in recent years, are applied in precipitation forecasting, as in many other areas, it is still a challenging task to make high-accuracy rainfall prediction. Changes in the precipitation regime due to climate change, the effects of which we have felt more and more in recent years, make this difficult task even more challenging. In this study, the performances obtained by applying 10 classifier algorithms from 5 different categories on the data set were compared. In addition to that, different scenarios were created by removing some of the parameters from the original data set and the performance differences of the classification algorithms for each of the scenarios were noted. The results have shown that the Functions category was the most successful category in 3 of the 4 scenarios and MLP (Multi Layer Perceptron) algorithm which belongs to that category was the most successful classifier with the rate of 84.4%. Also, highest accuracy rates were between 83.4% and 84.8% considering all four scenarios. This shows that removing some of the parameters from the original parameter set does not have a significant impact on the classification accuracy. The study results have shown that machine learning techniques achieved good performance in predicting rainfall and could be used for that purpose. [ABSTRACT FROM AUTHOR]

Yağış tahmini başta hava tahmincileri, tarım ve ziraatla uğraşanlar olmak üzere tüm herkesi ilgilendiren önemli bir konudur. Son yıllarda büyük ivme yakalayan yapay zeka ve makine öğrenmesi uygulamaları diğer birçok alanda olduğu gibi yağış tahmininde de tatbik edilmekle beraber yüksek doğruluklu yağış kestirimi yapmak hala zorlu bir görev olarak karşımızda durmaktadır. Son yıllarda etiklerini daha fazla hissettiğimiz iklim değişikliği nedeniyle oluşan yağış rejimindeki değişiklikler bu zorlu görevi daha da zorlu hale getirmektedir. Bu çalışmada veri seti üzerinde 5 farklı kategoriden 10 adet sınıflayıcı algoritma uygulanarak elde edilen performanslar karşılaştırılmıştır. Araştırmada ayrıca ana veri setinden bazı parametreler çıkarılarak farklı senaryolar oluşturulmuş, her bir senaryo için sınıflama algoritmaları uygulanarak performanslarındaki değişimler gözlemlenmiştir. Araştırma sonucunda tüm senaryolar göz önüne alındığında Fonksiyonlar kategorisi dört senaryodan üçünde en başarılı kategori olmuş ve en iyi performansa sahip sınıflayıcının da bu kategoriden MLP (Çok Katmanlı Yapay Sinir Ağı) sınıflayıcısı olduğu ortaya çıkmıştır. Araştırmada ayrıca oluşturulan senaryolar için en yüksek ortalama doğruluk oranlarının %83,4 ila %84,8 arasında değiştiği görülmüştür. Bu durum, veri setinden bazı parametrelerin çıkarılmasının sonuca büyük oranda etki etmediğini göstermektedir. Elde edilen bu sonuçlar, makine öğrenmesi yöntemlerinin yağışın varlığının kestirimi konusunda iyi derecede performans sağladığını ve bu amaçla kullanılabileceğini göstermiştir. [ABSTRACT FROM AUTHOR]

Copyright of Journal of Intelligent Systems: Theory & Applications is the property of Journal of Intelligent Systems: Theory & Applications and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)