PREDICTING KONYA'S AIR TEMPERATURE: GENETIC PROGRAMMING, GRADIENT BOOSTING AND RANDOM FOREST APPROACHES

Kazım Kumaş; Ali Özhan Akyüz

Makale detayları

PREDICTING KONYA'S AIR TEMPERATURE: GENETIC PROGRAMMING, GRADIENT BOOSTING AND RANDOM FOREST APPROACHES

Yazarlar:

Kazım Kumaş | Ali Özhan Akyüz

Yayıncı:

Isparta University of Applied Sciences

Ana Başlıklar:

Makine Mühendisliği (Diğer)

Dergi:

Uluslararası Sürdürülebilir Mühendislik ve Teknoloji Dergisi Vol.8 Issue 2, pp.182-191

Belge Tipi:

Makale

Yayın Tarihi:

12/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001337808

pISSN:

2618-6055

Anahtar kelimeler:

Özet:

 Average temperature prediction is important in many areas, such as climate change, agriculture, and energy management. It is also necessary for estimating energy demand, managing energy, and developing sustainable energy policies. In this study, using monthly average air temperature data between 1960-2017, temperature predictions were performed for Konya province using genetic programming, gradient boosting, and random forest techniques. The predicted average monthly temperature values between 2018-2021 were compared with the real values. Then, future predictions for the years 2022-2025 were also performed. Metrics such as R², RMSE, and MAE were used in model evaluations. R²0.9477, RMSE1.950 and MAE1.500 for the genetic programming model, R²0.9663, RMSE1.564 and MAE1.203 for the gradient boosting model, and R²0.9905, RMSE0.833 and MAE0.625 for the random forest model. The same algorithms gave good results for future prediction of the average air temperature between 2022 and 2025. In conclusion, the applied machine learning methods gave successful results in monthly average air temperature predictions for Konya province, and these findings show that machine learning techniques can be used effectively in air temperature prediction.

 Average temperature prediction is important in many areas, such as climate change, agriculture, and energy management. It is also necessary for estimating energy demand, managing energy, and developing sustainable energy policies. In this study, using monthly average air temperature data between 1960-2017, temperature predictions were performed for Konya province using genetic programming, gradient boosting, and random forest techniques. The predicted average monthly temperature values between 2018-2021 were compared with the real values. Then, future predictions for the years 2022-2025 were also performed. Metrics such as R², RMSE, and MAE were used in model evaluations. R²0.9477, RMSE1.950 and MAE1.500 for the genetic programming model, R²0.9663, RMSE1.564 and MAE1.203 for the gradient boosting model, and R²0.9905, RMSE0.833 and MAE0.625 for the random forest model. The same algorithms gave good results for future prediction of the average air temperature between 2022 and 2025. In conclusion, the applied machine learning methods gave successful results in monthly average air temperature predictions for Konya province, and these findings show that machine learning techniques can be used effectively in air temperature prediction.

 Average temperature prediction is important in many areas, such as climate change, agriculture, and energy management. It is also necessary for estimating energy demand, managing energy, and developing sustainable energy policies. In this study, using monthly average air temperature data between 1960-2017, temperature predictions were performed for Konya province using genetic programming, gradient boosting, and random forest techniques. The predicted average monthly temperature values between 2018-2021 were compared with the real values. Then, future predictions for the years 2022-2025 were also performed. Metrics such as R², RMSE, and MAE were used in model evaluations. R²0.9477, RMSE1.950 and MAE1.500 for the genetic programming model, R²0.9663, RMSE1.564 and MAE1.203 for the gradient boosting model, and R²0.9905, RMSE0.833 and MAE0.625 for the random forest model. The same algorithms gave good results for future prediction of the average air temperature between 2022 and 2025. In conclusion, the applied machine learning methods gave successful results in monthly average air temperature predictions for Konya province, and these findings show that machine learning techniques can be used effectively in air temperature prediction.

 Ortalama sıcaklık tahmini iklim değişikliği, tarımsal ve enerji yönetimi gibi birçok alanda önemlidir. Ayrıca, enerji talep tahminleri, enerji yönetimi ve sürdürülebilir enerji politikalarının geliştirilmesi için de gereklidir. Bu çalışmada, 1960-2017 yılları arasındaki aylık ortalama hava sıcaklığı verileri kullanılarak Konya ili için genetik programlama, gradient boosting ve random forest teknikleri ile sıcaklık tahminleri gerçekleştirilmiştir. 2018-2021 yılları arasındaki her ay için tahmin edilen ortalama sıcaklık değerleri gerçek değerlerle karşılaştırılmıştır. Ardından, 2022-2025 yılları için gelecek tahminleri de yapılmıştır. Model değerlendirmelerinde R², RMSEve MAE gibi metrikler kullanılmıştır. Genetik programlama modeli için R²0.9477, RMSE1.950 ve MAE1.5000, gradient boosting modeli için R²0.9663, RMSE1.564 ve MAE1.203, random forest modeli için ise R² 0.9905, RMSE0.833 ve MAE0.625 değerleri elde edilmiştir. 2022-2025 yılları arasındaki ortalama hava sıcaklığı içinde aynı algoritmalar gelecek tahmini iyi sonuçlar vermiştir. Sonuç olarak, uygulanan makine öğrenimi yöntemleri, Konya ili için aylık ortalama hava sıcaklığı tahminlerinde başarılı sonuçlar vermiştir ve bu bulgular, hava sıcaklığı tahmininde makine öğrenimi tekniklerinin etkili bir şekilde kullanılabileceğini göstermektedir.

Makale detayları

PREDICTING KONYA'S AIR TEMPERATURE: GENETIC PROGRAMMING, GRADIENT BOOSTING AND RANDOM FOREST APPROACHES

Yazarlar:

Kazım Kumaş | Ali Özhan Akyüz

Yayıncı:

Isparta University of Applied Sciences

Ana Başlıklar:

Makine Mühendisliği (Diğer)

Dergi:

Uluslararası Sürdürülebilir Mühendislik ve Teknoloji Dergisi Vol.8 Issue 2, pp.182-191

Belge Tipi:

Makale

Yayın Tarihi:

12/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001337808

pISSN:

2618-6055

Air temperature

Genetic programming

Gradient boosting

Random forestHava sıcaklığı

Genetik programlama

Gradient boosting

Random forest

Sayı

Makale detayları

Yazarlar: Kazım Kumaş | Ali Özhan Akyüz

Yayıncı: Isparta University of Applied Sciences

Ana Başlıklar: Makine Mühendisliği (Diğer)

Dergi: Uluslararası Sürdürülebilir Mühendislik ve Teknoloji Dergisi Vol.8 Issue 2, pp.182-191

Belge Tipi: Makale

Yayın Tarihi: 12/2024

Belge Dili: İngilizce

Document ID (Org No.): 2001337808

pISSN: 2618-6055

Sayı

Yazarlar:

Kazım Kumaş | Ali Özhan Akyüz

Yayıncı:

Isparta University of Applied Sciences

Ana Başlıklar:

Makine Mühendisliği (Diğer)

Dergi:

Uluslararası Sürdürülebilir Mühendislik ve Teknoloji Dergisi Vol.8 Issue 2, pp.182-191

Belge Tipi:

Makale

Yayın Tarihi:

12/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001337808

pISSN:

2618-6055