Prediction of weather using data mining techniques

Tarım, enerji şirketleri ve günlük yaşam dahil olmak üzere çeşitli endüstrilerdeki kullanımlarının bir sonucu olarak hava tahmini giderek daha önemli hale geldi. Hava durumu tahmini, önceki on yılda dünya için gerçek zamanlı bir meydan okuma haline geldi. Sürekli değişen meteorolojik koşullar nedeniyle tahmin yapmak giderek zorlaşmaktadır. Hava tahmini, atmosferin mevcut durumunun gelecekte nasıl değişeceğinin tahminidir. Etkili hava durumu analizi için hava değişimlerini üreten çok sayıda katkıda bulunan unsuru anlamak çok önemlidir. Rüzgar yönü, rüzgar hızı, nem, yağış, sıcaklık vb. gibi meteorolojik verilerin kaydedilmesi işlemi hava tahmini olarak bilinir. Makine öğrenimi teknikleri bozulmalara karşı daha dayanıklı olduğundan, bu projede sıcaklık, yağış vb. gibi hava durumunu tahmin etmek ve her iki yaklaşımı karşılaştırmak ve analiz etmek için doğrusal regresyon ve LSTM uyguladık. Aynısı için iki farklı veri seti kullandık. Her yaklaşımdan aldığımız sonuca ulaşmak oldukça şaşırtıcıydı. Doğrusal regresyon yaklaşımında, yağış ve sıcaklık tahminini gerçekleştirirken sırasıyla 96,32 mm ve 2,69 santigrat derece ortalama mutlak hata elde ederken, derin öğrenme yaklaşımında ortalama mutlak hata 0,002268 derece santigrat, 0,003266 km/sa ve 0,003069 Pascal idi. sırasıyla sıcaklık, rüzgar hızı ve basınç tahmini. Sonuçlar arasındaki farkı açıkça görebildik.