Uzun kısa-süreli hafıza derin yapay sinir ağı ile giresun ili minimum sıcaklık öngörüsü

Son yıllarda zaman serisi öngörüsünde derin öğrenme yöntemlerinin klasik zaman serisi yöntemleri, bulanık zaman serisi yöntemleri ve diğer yapay sinir ağları yöntemlerine göre daha iyi sonuçlar verdiği görülmektedir. Derin öğrenmenin gelişimi ile yapay sinir ağlarında oluşan yenilikçi ağ modellerinden biri ve aynı zamanda bir derin öğrenme yöntemi olan uzun kısa-süreli hafıza yöntemi literatürde zaman serisi analizinde kullanılmaya başlanmıştır. Yapay sinir ağlarında olduğu gibi derin öğrenme yöntemlerinde de oluşturulan modele ait başlangıç değerleri ve modelin içerisindeki ağ ağırlık değerleri modelin zaman serisi öngörü performansına etki etmektedir. Bu değerlerin belirlenmesi öngörü doğruluğu konusunda önem arz etmekte olup literatürde çözülmesi gereken bir problem olarak karşımıza çıkmaktadır. Bu tez kapsamında; başlangıç değerlerinin üretilmesinde Xavier yöntemini, katman ağırlıklarının optimize edilmesinde ise Adam optimizasyon algoritmasını kullanan tek katmanlı uzun kısa-süreli hafıza yaklaşımı kullanılmış ve bu yaklaşımın öngörü performansını göstermek için Giresun ili günlük ortalama minimum sıcaklık gerçek hayat zaman serisi kullanılmıştır. Bu yaklaşım, literatürde var olan diğer bazı öngörü yöntemleri ile öngörü performansı açısından karşılaştırılmış ve yaklaşımın diğer yöntemlere göre daha üstün öngörü performansına sahip olduğu görülmüştür.