İstatiksel ve derin öğrenme modellerinin mevcut ve gelecekteki küresel ortalama deniz seviyesi artışını tahmin etmedeki uygulaması

Son yıllarda okyanuslarda ve atmosfer sıcaklığının yükselmesinde etkili olan iklim değişikliği önemli bir sorun haline gelmiştir. Bu eğilim deniz seviyesinin gelecekte mevcut deniz seviyesine kıyasla daha da hızlı bir oranda yükselmesinin beklendiğini göstermektedir. Deniz seviyesindeki artış potansiyel olarak ani gelişen büyük doğal afetlere sebebiyet verebilir. Bu sebeple deniz seviyesinin artışı insanların yaşadıkları çevre şartları, sel baskınlarının önlenmesi ve kıyı gelişimi gibi alanlarda gelecek planlaması için çok önemlidir. Bu çalışma geleneksel ve derin öğrenmeli zaman serisi metodlarını (mevsimsel otoregresif entegre hareketli ortalama (SARIMA)), derin öğrenme yöntemlerinden uzun kısa süreli bellek (LSTM) sinir öğrenmesi ve kapılı yinelemeli (GRU) sinir öğrenmesini kullanarak şu anda ve gelecekteki deniz seviyesi artışını değerlendirmeye odaklanmaktadır. Modeller 1993 ve 2023 aylık deniz seviyesi artış bilgileri kullanılarak eğitilmiş ve test edilmiş daha sonrasında ise 2050'ye kadar deniz seviyesi artışı tahmin edilmiştir. Toplamda 366 adet deniz seviyesi artış verisi kullanılmıştır. Bunların 288 adedi yani Ocak 1993'den Aralık 2016'ya kadar olan verisi (%78'i) eğitim aşamasında kullanılmış ve Ocak 2017'den Haziran 2023'e kadar 78 adet deniz seviyesi artış verisi (22'si) test aşamasında kullanılmıştır. Bulgular göstermektedir ki deniz seviyesi artışı tahmini test aşamasında bütün geliştirilmiş modellerde gerçek verilere yakın olarak gerçekleşmiştir fakat uzun kısa süreli bellek modeli (LSTM) en yakın tahminleri sağlamıştır. Ortalama deniz seviyesi yükselmesi ortalama mutlak yüzde hata, ortalama mutlak hata ve kök ortalama kare hata parametreleri uzun kısa süreli bellek (LSTM) modeli için sırasıyla %0.0631, 0.0958 cm ve 0.0073 cm, kapılı yinelemeli (GRU) model için ise %0.0899, 0.0084 cm ve 0.0109 cm olarak gözlemlenmiştir. Test aşamasında en az gerçek tahmine yaklaşan model ise %0.1335 ortalama mutlak yüzde hata ile, 0.0058 ortalama mutlak hata ve 0.0073 cm kök ortalama kare hata ile mevsimsel otoregresif entegre hareketli ortalama (SARIMA) modeli olmuştur. 1993 Ocak ayı temel olarak alındığında en iyi sonucu veren LSTM modeline göre 2040 yılında deniz seviyesi 17.218 cm ve 2050 Haziran ayında ise 21.236 cm olacağı tahmin edilmektedir. Bu sebeplerle bu tez içerisinde geliştirilen algoritmalar deniz seviyesi tahmininde etkili bir model olarak öne çıkmaktadır ve bu çalışma iklim değişimi sebepli deniz seviyesi artış oranını azaltma stratejilerinde karar vericiler için gelişmiş modeller kullanılması sebebiyle önemli olacaktır. Anahtar kelimeler: Derin öğrenme, küresel ısınma, GRU, LSTM, SARIMA, deniz seviyesi artışı