IOT DESTEKLİ HAVA DURUMU VERİLERİ İLE YAPAY ZEKÂ TABANLI HAVA TAHMİN SİSTEMİNİN GELİŞTİRİLMESİ

Abstract

Son yıllarda, hava durumu tahmini süreçleri büyük veri analitiği ve yapay zekâ (AI) algoritmalarının artan gücü ile önemli ilerlemeler kaydetmiştir. Özellikle Nesnelerin İnterneti (IoT) teknolojilerinin entegrasyonu, çevresel verilerin toplanması ve bu verilerin işlenmesi süreçlerine büyük katkı sağlamıştır. Bu çalışmada, IoT sensörlerinden toplanan hava durumu verilerinin yapay zekâ temelli algoritmalar ile işlenerek hava tahmin modellerinin geliştirilmesi hedeflenmiştir. Çalışmanın veri seti, Fırat Üniversitesi'nde kurulan hava istasyonunda belirli tarihler arasında toplanan yaklaşık 600.000 adet hava durumu bilgisinden oluşmaktadır. Bu veriler, sıcaklık, nem, basınç, rüzgâr hızı gibi çeşitli meteorolojik parametreleri içermektedir. Çalışmada, dört farklı makine öğrenmesi ve derin öğrenme algoritması kullanılarak hava durumu tahmini yapılmıştır: Destek Vektör Makineleri (SVM), K-En Yakın Komşu (KNN), Uzun Kısa Süreli Bellek (LSTM) ve XGBoost algoritmaları. Modeller, elde edilen verilerle eğitilmiş ve her bir algoritmanın performansı, doğruluk oranları ile karşılaştırılmıştır. Sınıflandırma sonuçları değerlendirildiğinde, SVM ve KNN modelleri %98 doğruluk oranı ile başarılı sonuçlar vermiştir. LSTM modeli ise %99 doğruluk oranına ulaşmış, en yüksek doğruluk oranı ise %100 ile XGBoost algoritması tarafından elde edilmiştir. Bu sonuçlar, farklı makine öğrenmesi tekniklerinin hava tahmini süreçlerine nasıl katkı sağlayabileceğini ve IoT cihazlarından elde edilen verilerin nasıl daha etkili bir şekilde kullanılabileceğini göstermektedir.