Kuraklık tahmininde veri ön işleme adımlarıyla güçlendirilmiş makine öğrenmesi yöntemleri

Kuraklık, dünya genelinde su kaynaklarının azalması, tarım verimliliğinin düşmesi ve ekosistem dengesinin bozulması gibi pek çok olumsuz etkiye neden olan karmaşık bir doğa olayıdır. Bu çalışma, kuraklık tespiti konusunda gelişmiş modellerin oluşturulmasını hedefleyerek, iklim değişiklikleriyle mücadelede bilimsel bir yaklaşım sunmayı amaçlamaktadır. Kuraklık üzerinde yapılan derinlemesine analiz, bilim dünyasına bu önemli konudaki anlayışımızı derinleştirmek ve sürdürülebilir çözümler geliştirmek adına önemli bir katkı sağlamayı amaçlamaktadır. Çeşitli sınıf dengesizliği işlemleri ve boyut azaltma tekniklerinin uygulanmasıyla kuraklık tespiti modelleri uygulanmıştır. Temel odak, sentetik azınlık üzerine örnekleme tekniği ile örnekleme yapmanın ve Near Miss ile örnekleme yapmanın kuraklık tahmin modelinin performansına etkisini değerlendirmektir. Ayrıca, Temel Bileşen Analizi ve Lineer Diskriminant Analizi, özellik boyutlarını azaltmak ve tahmin modelinin etkinliğini artırmak için kullanılmaktadır. Veri seti, sınıf dengesizliklerini ele almak için Sentetik Azınlık Üzerine Örnekleme Tekniği ve Near Miss yöntemleri kullanılarak ön işleme tabi tutulmaktadır. Daha sonra Temel Bileşen Analizi ve Lineer Diskriminant Analizi, özellik uzayını azaltmak ve kritik bilgileri korumak için uygulanmaktadır. Ön işlenmiş veri üzerinde makine öğrenmesi algoritmaları farklı kombinasyonlarla eğitilerek ve hibrit derin öğrenme modeli eğitilerek önerilen metodolojilerin etkinliği değerlendirilmektedir. Sonuçlar, Sentetik Azınlık Üzerine Örnekleme Tekniği tabanlı örnekleme yönteminin özellikle doğruluk, hassasiyet, duyarlılık ve F1 skoru açısından model performansını önemli ölçüde artırdığını göstermektedir. Ayrıca, boyut azaltma tekniklerinin birleşiminin, kuraklık tahmin modellerinin genel güvenilirliğini artırmada etkili olduğunu göstermektedir. Çalışmanın algoritmaları farklı kombinasyonlarla ve hazırlıklarla değerlendirmesine ek olarak bu algoritmaları hibrit kullanımıyla literatürden ayrışmaktadır. Yapay zekanın etkin kullanımında gerçek dünya problemlerine karşı yaklaşımıyla çalışma öne çıkacaktır. Bu çalışma, sınıf dengesizliği işlemleri ve boyut azaltma tekniklerinin sağlam kuraklık tespiti modellerinin geliştirilmesine katkı sağladığını göstermektedir. Bulgular, sınıf dengesizliklerini ele almak için uygun ön işleme adımlarının seçilmesi ve boyut azaltma tekniklerinin stratejik kullanımının, model etkinliğini artırmada önemli olduğunu vurgulamaktadır.