Tez No	İndirme	Tez Künye	Durumu
633211		A multigene genetic programming approach on weather forecasting / Çoklu gen genetik programlama yaklaşımı ile hava tahmini Yazar:NESLİHAN ÇEVİK Danışman: PROF. DR. AHMET SERMET ANAGÜN Yer Bilgisi: İzmir Ekonomi Üniversitesi / Lisansüstü Eğitim Enstitüsü / Endüstri Mühendisliği Ana Bilim Dalı Konu:Endüstri ve Endüstri Mühendisliği = Industrial and Industrial Engineering Dizin:Doğrusal olmayan regresyon = Nonlinear regression ; Yapay sinir ağları = Artificial neural networks	Onaylandı Yüksek Lisans İngilizce 2020 71 s.
Hava durumu ve hava durumu tahminlerinin kesinliği, özellikle yolcu taşımacılığı alanında ve günlük yaşamımızda çok önemli bir role sahiptir, çünkü hizmetin kalitesini ve güvenliğini doğrudan etkiler. Bu çalışmada amaç, farklı tahmin yaklaşımları analizler sonucu elde edilen tahmin hatalarını kullanarak karşılaştırmaktır. Veriler, TC Tarım ve Orman Bakanlığı, İzmir Meteoroloji Genel Müdürlüğü Adnan Menderes Havalimanı tarafından 2015-2017 yılları için, sekiz bağımsız değişken ile günlük ortalama sıcaklık ve rüzgar hızı iki bağımlı değişken olacak şekilde sağlanmıştır. Çoklu Gen Genetik Programlama Yaklaşımı ve Gaussian Regresyonunun, SVR ve ANN ile karşılaştırıldığında daha düşük RMSE değerleriyle daha başarılı bir performansa sahip olduğunu göstermiştir.
Weather and precision of weather forecasts have a very important role in our daily lives especially in the field of transportation since it directly affects the quality and the safety of the service. In this study, the aim was to compare the forecast errors executed by different forecasting approaches. The data has been provided by Republic of Turkey Ministry of Agriculture and Forestry, General Directorate of Meteorology for Izmir Adnan Menderes Airport with eight independent variables and the daily average temperature and daily average wind speed as the dependent variables for the years 2015-2017. Results show that Multi-Gene Genetic Programming Approach and Gaussian Regression with kernels; Rational Quadratic and Squared Exponential models have lower RMSE values compared with the SVR and ANN.