Ders Notları
YSA ile Hava Sıcaklığı Tahmini
Bu çalışmada Yapay Sinir Ağları (YSA) ile hava sıcaklığının tahmini yapılmıştır. İleri beslemeli yapay sinir ağları modeli kullanılmıştır.
Ortamın sıcaklığı en düşük hata ile Matlab programında geliştirilen uygulama ile tespit edilmeye çalışılmıştır. Geliştirilen sistem için Karabük ilinden alınan sıcaklık verileri eğitim verileri olarak kullanılmıştır. Ayrıca sistem için girişten çıkışa doğru ileri beslemeli YSA ‘nın simulink modellemesi yapılmıştır.
1. GİRİŞ Â
Hızla geliÅŸen teknoloji, gündelik yaÅŸantıyı oldukça etkilemektedir. Özellikle son yıllarda bilgisayar bilimlerinde, yazılım ve donanım alanında çok hızlı geliÅŸmeler yaÅŸanmaktadır. Bilgisayar kullanımının yaygınlaÅŸması ve yeni ortaya çıkan yazılımların daha üst seviyelerde donanıma ihtiyaç göstermesi ile yeni ürünlere olan talep de artmaktadır. Bilgisayar bilimlerindeki bu ilerleme, insan gibi düşünen ve davranan sistemlerin geliÅŸtirilmesine yönelik olarak 1950'li yıllardan beri sürmektedir. Yapay zeka olarak isimlendirilen bu alan, insan düşünme ve davranışlarını taklide yönelik olduÄŸundan, nöroloji, psikoloji ve mühendislik gibi farklı disiplinleri kapsayan geniÅŸ bir alana yayılmıştır (Gözütok, 2005). Yapay Sinir AÄŸlan (YSA)' da, Yapay Zeka biliminin altında araÅŸtırmacıların çok yoÄŸun ilgi gösterdikleri bir araÅŸtırma alanıdır. YSA' ları örnekler ile öğrenebilme ve genelleme yapabilme özellikleri onlara çok esnek ve güçlü araçlar olma özelliÄŸi saÄŸlamaktadır. Yapay Sinir AÄŸları kavramı beynin çalışma ilkelerinin sayısal bilgisayarlar üzerinde taklit edilmesi fikri ile ortaya çıkmış ve ilk çalışmalara beyni oluÅŸturan biyolojik hücrelerin yada literatürdeki ismiyle nöronların matematiksel olarak modellenmesi üzerinde yoÄŸunlaÅŸmıştır. Bu çalışmaların, ortaya çıkardığı bulgular, her bir nöronun komÅŸu nöronlardan bazı bilgiler aldığı ve bu bilgilerin biyolojik nöron dinamiÄŸinin öngördüğü biçimde bir çıktıya dönüştürüldüğü ÅŸeklindedir. Bugün yapay sinir aÄŸlan olarak isimlendirilen alan, birçok nöronun belirli biçimlerde bir araya getirilip bir iÅŸlevin gerçekleÅŸmesi üzerindeki yapısal olduÄŸu kadar matematiksel ve felsefî sorunlara yanıt arayan bir bilim dalı olmuÅŸtur. Bu çalışmanın amacı; Yapay sinir aÄŸlarının özelliklerinden yola çıkarak hava sıcaklığı tahmininde bulunmaktır (Aydın, 2005). Â
2.  YAPAY ZEKA VE YAPAY SİNİR AÄžLARI Â
İnsanlığın doÄŸayı araÅŸtırma ve taklit etme çabalarının en son ürünlerinden bir tanesi Yapay Sinir AÄŸlan (YSA) teknolojisidir. Yapay Sinir AÄŸlan, basit biyolojik sinir sisteminin çalışma Åžeklini simule etmek için tasarlanan programlardır (YurtoÄŸlu, 2006). Simule edilen sinir hücreleri nöronlar içerirler ve bu nöronlar çeÅŸitli ÅŸekillerde birbirlerine baÄŸlanarak ağı oluÅŸtururlar. Bu aÄŸlar öğrenme, hafızaya alma ve veriler arasındaki iliÅŸkiyi ortaya çıkarma kapasitesine sahiptirler. DiÄŸer bir ifadeyle, YSA, normalde bir insanın düşünme ve gözlemlemeye yönelik doÄŸal yeteneklerini gerektiren problemlere çözüm üretmektedir. Bir insanın, düşünme ve gözlemleme yeteneklerim gerektiren problemlere yönelik çözümler üretebilmesinin temel sebebi ise insan beyninin ve dolayısıyla insanın sahip olduÄŸu yaÅŸayarak veya deneyerek öğrenme yeteneÄŸidir (SağıroÄŸlu, 2001). Örneklerden elde ettikleri bilgiler ile kendi deneyimlerini oluÅŸturur ve daha sonra benzer konularda benzer kararlan verirler (Öztemel, 2003). Literatürde 100'den fazla yapay sinir ağı modeli vardır. Bazı bilim adamları, beynimizin güçlü düşünme, hatırlama ve problem çözme yeteneklerini bilgisayara aktarmaya çalışmışlardır. Bazı araÅŸtırmacılar ise, beynin fonksiyonlarını kısmen yerine getiren birçok modelleri oluÄ¢turmaya çalıĢmıĢlardır (Elmas, 2003). YSA da özellikle eksik, belirsiz, karmaşık ve bulanık bilgileri iÅŸlemekteki baÅŸarıları nedeniyle, birçok endüstriyel probleme uygulanabilmektedir. Yapılardaki paralellikten dolayı çok hızlı çalışabilmeleri, onların özellikle gerçek zamanlı olaylarda çalıĢmalarını saÄŸlamaktadır (Bayır, 2008). Sinir hücreleri bir grup halinde iÄ¢lev gördüklerinde aÄŸ (network) olarak adlandırılırlar ve böyle bir grupta binlerce nöron bulunur. Yapay nöronların birbirleriyle baÄŸlantılar aracılığıyla bir araya gelmeleri yapay sinir ağını oluÅŸturmaktadır. Yapay sinir ağıyla aslında biyolojik sinir ağının bir modeli oluÅŸturulmak istenmektedir (Saraç, 2004). Â
3. YSA İLE HAVA SICAKLIÄžI TAHMİNİ Â
 3.1.  Ysa  Modelinin Yapısı ve Parametreleri  Â
Yapay sinir ağı ile hava sıcaklığı tahmin işlemleri yapılırken sıcaklığın etkileyen etmenler meterolojik olarak sıcaklık hesaplığında ortamda sıcaklığı etkileyen parametreler olarak aşağıda gösterildiği gibi 4 giriş parametresi vardır.
GiriÅŸ Parametreleri;
ï‚· Su buharı basıncı Â
 Bağıl nem
 Rüzgar şiddeti
ï‚· Hava basıncı Â
Â
Sistemin Çıkışı ;
  Sıcaklık
Â
Yukarda verilen parametrelerin Hava sıcaklığını etki ettikleri tespit edilmiÅŸtir. Bunların etkisi ile tasarlanacak YSA sisteminin vereceÄŸi çıkış olarak ise sıcaklığı elde etmiÅŸ olunacaktır. Bunun için tasarlanacak sistem için blok diyagramı aÅŸağıda gösterilmiÅŸtir.Â
Â
Åžekil 1:  Tasarlanan Sistem için YSA blok diyagramı       Â
Â
Blok diyagramından da anlaşılacağı üzere sıcaklık tahmin iÅŸleminde su buhar basıncı, bağıl nem, rüzgar ÅŸiddeti, hava basıncı olmak üzere sistem 4 giriÅŸli tek çıkışlı ÅŸeklinde ileri beslemeli YSA modeli kullanılacaktır. Bu parametreler ilgili veriler Karabük meteoroloji istasyonundan 1 günlük saat alınan 66 eÄŸitim parametresi kullanılarak Bu parametrelere karşılık tahmin iÅŸlemini gerçekleÅŸtirmek için 17 tane ise test eÄŸitim verisi kullanılmıştır. Â
3.2.  Örneklerin Toplanması Â
Ağın öğrenmesini istenilen olay için daÄŸa önceden gerçekleÅŸtirilmiÅŸ örneklerin bulunması aÅŸamasıdır. Ağın eÄŸitilmesi için örnekler toplandığı gibi(ham eÄŸitim verisi) ağın test edilmesi içinde (test eÄŸitim verisi) örnekler toplanması gereklidir. EÄŸitim setinden örnekler tek tek gösterilerek ağın olayı öğrenmesi saÄŸlanılır. AÄŸ olayı öğrendikten sonra test setindeki örnekler gösterilerek ağın performansı ölçülür. Ağın hiç görmediÄŸi bu örnekler karşısındaki baÅŸarısı ağımızın performansını gösterecektir.  Â
Åžekil 2: YSA da sıcaklık tahmini için kullanılacak olan 31 adet ham test eÄŸitim verisi  Â
Sıcaklık tahmini için 1. aÅŸama olarak örneklerin toplama iÅŸlemi gerçekleÅŸtirilecektir. Yapay Sinir Ağını‘nın eÄŸitiminde kullanılmak üzere Karabük Meteoroloji istasyonundan alınan 66 tane test eÄŸitim verisinden 40 tanesi 4 giriÅŸli tek çıkışlı  Ysa ‘da kullanılacaktır. Öncelikle YSA bu ham eÄŸitim verilerini projenin gerçekleÅŸtirildiÄŸi Matlab programında eÄŸitilmesi gerçekleÅŸtirilecektir. Örnekler 4x40 boyutunda matris olarak aÄŸa gösterilip öncelikle bu ham eÄŸitim verisinde elde edilen çıkış deÄŸeri ise 1x40 matris olarak matlab programında uygulamaya verilmiÅŸtir. Örnekler normalize edilmiÅŸ olacaktır. Åžekil 2 deki YSA sistemi  için alınan ilk 32  tane ham eÄŸitim verisi tablo halinde gösterilmiÅŸtir. Aynı sistemde gösterilecek 34 adet ham eÄŸitim verisinin diÄŸer kısmı da aÅŸağıda gösterilmiÅŸtir.   Â
Â
Åžekil 3: EÄŸitim Verisi  Â
Hava sıcaklığı tahmini için Ä¢ekil 3 teki eÄŸitim verisi YSA’ nın öğrenmesi saÄŸlandıktan sonra baÅŸarı düzeyini test etmek için sıcaklığı tahmin kabiliyetini ölçmek için ise Sistem için 17 tane test eÄŸitim verisi kullanılacaktır. Bu test eÄŸitim verileri Åžekil 4 te gösterilmiÅŸtir. Â
Åžekil 4: Kullanılacak test veri listesi Â
Ağın öğrenmeye baÅŸlaması ve yukarda anlatılan öğrenme kuralına uygun olarak ağırlıkların güncellenmesi için aÄŸa örnekler (Girdi –çıktı deÄŸerleri ) belirli bir düzeneÄŸe göre gösterilir.Â
Â
Â
Sunulan girdiye baÄŸlı olarak ağın çıktı deÄŸerleri hesaplanılır. EÄŸitim verilerinden yola çıkarak çıkış verileri tahmin edilmeye çalışılır. İleri hesaplamada en önemli olay en düşük hata ile çıkış deÄŸerleri tahmin edilmeye çalışılır, zaten YSA ‘nın en temel kuralı da budur. Â
Åžekil 5: Sistem için tasarlanan YSA mimarisi Â
YSA eÄŸitim verilerini kullanarak gerekli öğrenmeyi saÄŸladıktan sonra öğrenme setindeki örneklerin aÄŸa uygulanması ile öğrenme iÅŸlemi gerçekleÅŸtirilir. YSA ‘nın buna baÄŸlı olarak yani test eÄŸitim verilerinin aÄŸa uygulanması ile test eÄŸitim verisindeki çıkışı belli bir hata deÄŸeri ile tahmin etme iÅŸlemi Ysa’nın öğrenme yeteneÄŸini gösterir. Burada ağırlıklar öğrenmede rast gele atanır. Öğrenme gerçekleÅŸtirildikten sonra öğrenmeye baÄŸlı olarak YSA ‘nın eÄŸitilmesi iÅŸleminde de ağırlıklar çıkışa baÄŸlı olarak sistemli bir ÅŸekilde güncellenecektir. İleri beslemeli YSA hata istenilen düzeyin altına indiÄŸi zaman veya belli bir iterasyon sayısı tamamlandığında öğrenme ve ağın eÄŸitimi bitmiÄ¢ olur. YSA ile Hava sıcaklığı Tahmini için 8000 iterasyon sonunda YSA ‘nın eÄŸitimi tamamlanmıştır.  YSA ile hava sıcaklığının tahmin edilmesi iÅŸlemin gerçekleÅŸtirilmesinde Matlab programı kullanılarak gerçekleÅŸtirilmiÅŸ olundu. Hava sıcaklığı tahmini için sırası ile aÅŸağıdaki aÅŸamalar sırası ile test edilmiÅŸtir. EÄŸitim verileri daha iyi bir sonuç elde edilmesi için Matlabda normalize edildi. Åžekil 6 da 8000 iterasyon sonucu hava sıcaklığı tahmini için eÄŸitim deÄŸerleri gösterilmiÅŸtir. Görüldüğü gibi sistem iyi bir performans elde etmiÅŸtir. Â
Åžekil 6: Yapay Sinir Ağı ile elde edilen Performans       Â
Â
Deney verileri ile eÄŸitimin tamamlanmasından sonra, ağın güvenilirliÄŸini sınamak amacıyla, eÄŸitim kümesinden gerçek çıkış ile yapay sinir ağının hesaplamış olduÄŸu çıkış karşılaÅŸtırılarak, görsel bir ÅŸekilde Grafiksel olarak gösterilmiÅŸtir. Elde edilen YSA çıkıĢı ile EÄŸitim verisinin çıkışı grafiksel olarak gösterilmiÅŸtir. Yani hava sıcaklığı baÅŸarılı bir ÅŸekilde tahmin edilmiÅŸtir. Â
Åžekil 7:  Hava  Sıcaklığı Tahmini için Tahmin edilen YSA çıkışı  Â
EÄŸitim sonucu tahmin edilen hava sıcaklığı deÄŸeri mavi çizgi ile gerçek sıcaklık deÄŸeri ise sistemde kırmızı çizgi ile gösterilmektedir. Â
SONUÇ VE ÖNERİLER Â
Bu çalışmadaki temel amaç YSA kullanarak en düşük hata ile hava sıcaklığı tahmininde bulunmaktır. YSA kullanılarak elde edilen sıcaklık tahmin işlemi çalışması için Karabük ilinden alınan ham eğitim verilerinden (YSA giriş parametreleri ve çıkış parametreleri ) yararlanılarak en az hata ile hava sıcaklığı tahmini gerçekleştirildi. Sonuçlar grafiksel olarak gösterilip sistem için giriş çıkış ifadelerinden yararlanılarak sisteme ait simulink modellemesi gerçekleştirilmiştir. Bu konu ile ilgili YSA alanında kar erimesinin tahmin edilmesi gibi meteoroloji alanı ile ilgili projeler mevcuttur. Burada ise ileri beslemeli YSA kullanılarak gerçekleştirilen uygulama ile başka veri tahminlerinde kullanılabilinir. Matlab da gerçekleştirilen bu yazılım günlük hayatta borsa tahmini ve daha farklı meteorolojik olayların tahmininde kullanılabilinir.
Â
(Faydalı bir çalışma olduğunu düşündüğüm bu çalışma bana ait değildir. Tamamen alıntıdır. KAYNAK: Hande Erkaymaz, Ömer Yaşar - 5th International Computer & Instructional Technologies Symposium, 22-24 September 2011 Fırat University, ELAZIĞ- TURKEY )
Â
 ysa, matlab, 'matlab ysa', 'yapay sinir ağları', 'ysa ile hava sıcaklığı', 'ysa ile tahmin', 'Hande Erkaymaz', 'Ömer Yaşar', 'International Computer & Instructional Technologies Symposium', 'and kapısı ve ysa', 'and gate ysa', 've kapısı matlab', 'and gate ve kapısı', 'xor kapısı ve ysa', 'xor gate ysa', 'özel veya kapısı matlab', 'xor gate özel veya kapısı', 'matlab ysa uygulamaları', 'yapay zeka', 'ysa uygulaması', 'artificial neual networks', 'iki girişli tek çıkışlı', 'sinüsoidal fonksiyon', 'sinüzoydal fonksiyon ysa matlab', 'iki giriş tek çıkışlı sinüsoidal fonksiyonun ysa uygulaması', 'matlab uygulamaları', 'ysa uygulamaları', 'yapay sinir ağı uygulamaları',  'Ali Osman Gökcan', 'Ali Osman Hoca', 'Ali Osman','ali osman matlab'