Derin öğrenme yöntemleri ile tokat iline ait iklim verilerinin tahmin edilmesi

Bu tez çalışmasında, Tokat iline ait 25 yıllık detaylı meteorolojik veriler kullanılarak farklı zaman ölçeklerinde (günlük, haftalık ve aylık) sıcaklık tahmini yapan derin öğrenme modelleri geliştirilmiştir. Zaman serisi verilerinin karmaşık yapısını öğrenmek ve geleceğe yönelik öngörülerde bulunmak amacıyla LSTM (Uzun Kısa Süreli Bellek), GRU (Kapı Kontrollü Tekrarlayan Birim) ve BiLSTM (Çift Yönlü LSTM) gibi gelişmiş tekrarlayan sinir ağı mimarileri kullanılmıştır. Modelleme süreci boyunca veri ön işleme, eksik veri tamamlama, normalizasyon ve özellik seçimi gibi adımlar dikkatle yürütülmüştür. Eksik veriler doğrusal enterpolasyon ve hareketli ortalama gibi tekniklerle tamamlanmış, model girişinde kullanılacak değişkenler doluluk oranı ve istatistiksel tutarlılık temelinde belirlenmiştir. Her bir model farklı mimari yapı, giriş değişkeni kombinasyonu ve zaman adımı senaryoları ile eğitilmiş; performansları RMSE (Kök Ortalama Kare Hata), MAE (Ortalama Mutlak Hata) ve R² (Açıklık Katsayısı) gibi istatistiksel ölçütlerle değerlendirilmiştir. Çalışma sonucunda, çok değişkenli girişlerle oluşturulan modellerin, sadece sıcaklık değerini kullanan tek değişkenli modellere kıyasla daha düşük hata oranlarıyla daha başarılı tahminler sunduğu görülmüştür. Ayrıca, haftalık ve özellikle aylık zaman dilimlerinde yapılan tahminlerin kısa vadeli günlük tahminlere göre daha dengeli ve genellenebilir çıktılar ürettiği belirlenmiştir. Son aşamada, tüm meteorolojik değişkenleri eşzamanlı olarak tahmin edebilen çok çıktılı bir BiLSTM modeli geliştirilerek, çoklu hedefli tahminlerin başarımı da analiz edilmiştir. Bu çalışma, farklı derin öğrenme mimarilerinin meteorolojik zaman serileri üzerindeki etkinliğini sistematik bir şekilde incelemekte ve Türkiye'deki yerel iklim verileriyle uzun vadeli tahminler yapılabileceğini göstermektedir. Elde edilen bulgular, iklim modellemesi, erken uyarı sistemleri ve sürdürülebilir çevresel planlama alanlarında gelecekte yapılacak çalışmalara ışık tutabilecek niteliktedir.