Hava verilerinin analizi ve bir tahmin sistemi önerisi

Abstract

Hava durumu; yaşantımızı, çevremizi ve pek çok endüstriyi doğrudan etkilemektedir. Saniyede milyarlarca hava verisinin toplandığı günümüzde doğru hava tahmini yapmak büyük önem taşımaktadır. Fakat, ülkemizde hava tahmini konusunda yeterli bilgi ve uygulama bulunmaktadır. Hava tahmini yapabilmesi için bilimsel metotlar ve teknolojik araçlar kullanılmalıdır. Bu bağlamda büyük veri teknolojileri ve makine öğrenme algoritmaları ile manuel analiz edilemeyecek ölçekteki hava verilerinden otomatik olarak yeni tahminler çıkarılmaktadır. Bu tahminler doğrultusunda karar destek mekanizmaları geliştirilmiştir. Çalışma kapsamında 5 günlük 24 adet/gün 1 saatlik aralıklar için hava sıcaklığı tahminleri oluşturulmuştur. 3 ayrı hava tahmin sitesinden ücretsiz alınan günlük minimum maksimum sıcaklık tahminleri üzerinden önce seçilen güne ait minimum maksimum sıcaklık tahminleri bulunmakta ve sonra seçilen yerleşkenin 3 yılına ait gerçek değerleri kullanılarak hedeflenen saatlik tahminler oluşturulmaktadır. Hava durumu verilerine meteoroloji yayın servisleri üzerinden erişim sağlanmıştır. Bu veri kümesi İstanbul'un 3 yıllık 2016-2018 sıcaklık verilerini içermektedir. Aynı zamanda yeni geliştirilen Python API kullanılarak, Accuweather, OpenWeatherMap, WeatherBit sitelerinden günden 4 adet minimum maksimum sıcaklık olacak şekilde 5 günlük hava sıcaklığı tahmin verileri toplanmıştır. Tahmin sistemi için 24saat/gün tahmin üreten bir fonksiyon kullanılmıştır. Tüm site tahmin minimum maksimum sıcaklık değerleri ve veri kümesinden 5 günlük 24 saat/gün verileri alınarak, ara değer fonksiyonu (map fonksiyonu) ile 5 günlük 24 saat/gün için tahminler oluşturulmuştur.

Weather forecast; it directly affects our lives, environment and many industries. In today's world, where billions of air data are collected per second, accurate weather forecasting is crucial. However, there is sufficient information and application about weather forecasting in our country. Scientific methods and technological tools should be used for forecasting. In this context, new forecasts are automatically extracted from the weather data that cannot be analyzed manually with big data technologies and machine learning algorithms. In line with these estimates, decision support mechanisms have been developed. Within the scope of the study, the air temperature forecasts were made for 24-hour intervals of 5 days / day. There are minimum maximum temperature forecasts for the selected day on the minimum daily maximum temperature forecasts obtained free of charge from 3 separate weather forecast sites, and then the targeted hourly forecasts are created by using the actual values of the selected campus for 3 years. Weather data is provided via meteorological broadcast services. This data set includes Istanbul's 3-year 2016-2018 temperature data. At the same time, the newly developed Python API, Accuweather, OpenWeatherMap, WeatherBit sites, 4 minimum maximum temperature of the day, 5-day weather temperature data were collected. For the estimation system, a function that produces a 24 hour / day estimate is used. All site estimation minimum maximum temperature values and 5 day 24 hours / day data were taken from the data set and forecasts for 5 days 24 hours / day were created with intermediate value function (map function).