Ders Notları

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  

Hızla gelişen teknoloji, gündelik yaşantıyı oldukça etkilemektedir. Özellikle son yıllarda bilgisayar bilimlerinde, yazılım ve donanım alanında çok hızlı gelişmeler yaşanmaktadır. Bilgisayar kullanımının yaygınlaşması 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 geliştirilmesine yönelik olarak 1950'li yıllardan beri sürmektedir. Yapay zeka olarak isimlendirilen bu alan, insan düşünme ve davranışlarını taklide yönelik olduğundan, nöroloji, psikoloji ve mühendislik gibi farklı disiplinleri kapsayan geniş bir alana yayılmıştır (Gözütok, 2005). Yapay Sinir Ağlan (YSA)' da, Yapay Zeka biliminin altında araştırmacıların çok yoğun ilgi gösterdikleri bir araştırma alanıdır. YSA' ları örnekler ile öğrenebilme ve genelleme yapabilme özellikleri onlara çok esnek ve güçlü araçlar olma özelliği sağlamaktadır. Yapay Sinir Ağları kavramı beynin çalışma ilkelerinin sayısal bilgisayarlar üzerinde taklit edilmesi fikri ile ortaya çıkmış ve ilk çalışmalara beyni oluşturan biyolojik hücrelerin yada literatürdeki ismiyle nöronların matematiksel olarak modellenmesi üzerinde yoğunlaşmıştır. Bu çalışmaların, ortaya çıkardığı bulgular, her bir nöronun komşu nöronlardan bazı bilgiler aldığı ve bu bilgilerin biyolojik nöron dinamiğinin öngördüğü biçimde bir çıktıya dönüştürüldüğü şeklindedir. Bugün yapay sinir ağlan olarak isimlendirilen alan, birçok nöronun belirli biçimlerde bir araya getirilip bir işlevin gerçekleşmesi üzerindeki yapısal olduğu kadar matematiksel ve felsefî sorunlara yanıt arayan bir bilim dalı olmuştur. Bu çalışmanın amacı; Yapay sinir ağlarının özelliklerinden yola çıkarak hava sıcaklığı tahmininde bulunmaktır (Aydın, 2005).  

2.   YAPAY ZEKA VE YAPAY SİNİR AĞLARI  

İnsanlığın doğayı araştırma ve taklit etme çabalarının en son ürünlerinden bir tanesi Yapay Sinir Ağlan (YSA) teknolojisidir. Yapay Sinir Ağlan, basit biyolojik sinir sisteminin çalışma Şeklini simule etmek için tasarlanan programlardır (Yurtoğlu, 2006). Simule edilen sinir hücreleri nöronlar içerirler ve bu nöronlar çeşitli şekillerde birbirlerine bağlanarak ağı oluştururlar. Bu ağlar öğrenme, hafızaya alma ve veriler arasındaki ilişkiyi ortaya çıkarma kapasitesine sahiptirler. Diğer bir ifadeyle, YSA, normalde bir insanın düşünme ve gözlemlemeye yönelik doğal 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 olduğu yaşayarak veya deneyerek öğrenme yeteneğidir (Sağıroğlu, 2001). Örneklerden elde ettikleri bilgiler ile kendi deneyimlerini oluşturur 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 araştırmacılar ise, beynin fonksiyonlarını kısmen yerine getiren birçok modelleri oluĢturmaya çalıĢmıĢlardır (Elmas, 2003). YSA da özellikle eksik, belirsiz, karmaşık ve bulanık bilgileri işlemekteki başarıları nedeniyle, birçok endüstriyel probleme uygulanabilmektedir. Yapılardaki paralellikten dolayı çok hızlı çalışabilmeleri, onların özellikle gerçek zamanlı olaylarda çalıĢmalarını sağlamaktadır (Bayır, 2008). Sinir hücreleri bir grup halinde iĢlev gördüklerinde ağ (network) olarak adlandırılırlar ve böyle bir grupta binlerce nöron bulunur. Yapay nöronların birbirleriyle bağlantılar aracılığıyla bir araya gelmeleri yapay sinir ağını oluşturmaktadır. Yapay sinir ağıyla aslında biyolojik sinir ağının bir modeli oluşturulmak istenmektedir (Saraç, 2004).  

3. YSA İLE HAVA SICAKLIĞI TAHMİNİ  

 3.1.   Ysa  Modelinin Yapısı ve Parametreleri   

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;

 Su buharı basıncı  

 Bağıl nem

 Rüzgar şiddeti

 Hava basıncı  

 

Sistemin Çıkışı ;

   Sıcaklık

 

Yukarda verilen parametrelerin Hava sıcaklığını etki ettikleri tespit edilmiştir. Bunların etkisi ile tasarlanacak YSA sisteminin vereceği çıkış olarak ise sıcaklığı elde etmiş olunacaktır. Bunun için tasarlanacak sistem için blok diyagramı aşağıda gösterilmiştir. 

 

Şekil 1:  Tasarlanan Sistem için YSA blok diyagramı             

 

Blok diyagramından da anlaşılacağı üzere sıcaklık tahmin işleminde su buhar basıncı, bağıl nem, rüzgar şiddeti, hava basıncı olmak üzere sistem 4 girişli tek çıkışlı şeklinde ileri beslemeli YSA modeli kullanılacaktır. Bu parametreler ilgili veriler Karabük meteoroloji istasyonundan 1 günlük saat alınan 66 eğitim parametresi kullanılarak Bu parametrelere karşılık tahmin işlemini gerçekleştirmek için 17 tane ise test eğitim verisi kullanılmıştır.  

3.2.  Örneklerin Toplanması  

Ağın öğrenmesini istenilen olay için dağa önceden gerçekleştirilmiş örneklerin bulunması aşamasıdır. Ağın eğitilmesi için örnekler toplandığı gibi(ham eğitim verisi) ağın test edilmesi içinde (test eğitim verisi) örnekler toplanması gereklidir. Eğitim setinden örnekler tek tek gösterilerek ağın olayı öğrenmesi sağlanılır. Ağ olayı öğrendikten sonra test setindeki örnekler gösterilerek ağın performansı ölçülür. Ağın hiç görmediği bu örnekler karşısındaki başarısı ağımızın performansını gösterecektir.    

Şekil 2: YSA da sıcaklık tahmini için kullanılacak olan 31 adet ham test eğitim verisi    

Sıcaklık tahmini için 1. aşama olarak örneklerin toplama işlemi gerçekleştirilecektir. Yapay Sinir Ağını‘nın eğitiminde kullanılmak üzere Karabük Meteoroloji istasyonundan alınan 66 tane test eğitim verisinden 40 tanesi 4 girişli tek çıkışlı  Ysa ‘da kullanılacaktır. Öncelikle YSA bu ham eğitim verilerini projenin gerçekleştirildiği Matlab programında eğitilmesi gerçekleştirilecektir. Örnekler 4x40 boyutunda matris olarak ağa gösterilip öncelikle bu ham eğitim verisinde elde edilen çıkış değeri ise 1x40 matris olarak matlab programında uygulamaya verilmiştir. Örnekler normalize edilmiş olacaktır. Şekil 2 deki YSA sistemi  için alınan ilk 32  tane ham eğitim verisi tablo halinde gösterilmiştir. Aynı sistemde gösterilecek 34 adet ham eğitim verisinin diğer kısmı da aşağıda gösterilmiştir.     

 

Şekil 3: Eğitim Verisi   

Hava sıcaklığı tahmini için Ģekil 3 teki eğitim verisi YSA’ nın öğrenmesi sağlandıktan sonra başarı düzeyini test etmek için sıcaklığı tahmin kabiliyetini ölçmek için ise Sistem için 17 tane test eğitim verisi kullanılacaktır. Bu test eğitim verileri Şekil 4 te gösterilmiştir.  

Şekil 4: Kullanılacak test veri listesi  

Ağın öğrenmeye başlaması ve yukarda anlatılan öğrenme kuralına uygun olarak ağırlıkların güncellenmesi için ağa örnekler (Girdi –çıktı değerleri ) belirli bir düzeneğe göre gösterilir. 

 

 

Sunulan girdiye bağlı olarak ağın çıktı değerleri hesaplanılır. Eğitim verilerinden yola çıkarak çıkış verileri tahmin edilmeye çalışılır. İleri hesaplamada en önemli olay en düşük hata ile çıkış değerleri tahmin edilmeye çalışılır, zaten YSA ‘nın en temel kuralı da budur.  

Şekil 5: Sistem için tasarlanan YSA mimarisi  

YSA eğitim verilerini kullanarak gerekli öğrenmeyi sağladıktan sonra öğrenme setindeki örneklerin ağa uygulanması ile öğrenme işlemi gerçekleştirilir. YSA ‘nın buna bağlı olarak yani test eğitim verilerinin ağa uygulanması ile test eğitim verisindeki çıkışı belli bir hata değeri ile tahmin etme işlemi Ysa’nın öğrenme yeteneğini gösterir. Burada ağırlıklar öğrenmede rast gele atanır. Öğrenme gerçekleştirildikten sonra öğrenmeye bağlı olarak YSA ‘nın eğitilmesi işleminde de ağırlıklar çıkışa bağlı olarak sistemli bir şekilde güncellenecektir. İleri beslemeli YSA hata istenilen düzeyin altına indiği zaman veya belli bir iterasyon sayısı tamamlandığında öğrenme ve ağın eğitimi bitmiĢ olur. YSA ile Hava sıcaklığı Tahmini için 8000 iterasyon sonunda YSA ‘nın eğitimi tamamlanmıştır.  YSA ile hava sıcaklığının tahmin edilmesi işlemin gerçekleştirilmesinde Matlab programı kullanılarak gerçekleştirilmiş olundu. Hava sıcaklığı tahmini için sırası ile aşağıdaki aşamalar sırası ile test edilmiştir. Eğitim verileri daha iyi bir sonuç elde edilmesi için Matlabda normalize edildi. Şekil 6 da 8000 iterasyon sonucu hava sıcaklığı tahmini için eğitim değerleri gösterilmiştir. Görüldüğü gibi sistem iyi bir performans elde etmiştir.  

Şekil 6: Yapay Sinir Ağı ile elde edilen Performans             

 

Deney verileri ile eğitimin tamamlanmasından sonra, ağın güvenilirliğini sınamak amacıyla, eğitim kümesinden gerçek çıkış ile yapay sinir ağının hesaplamış olduğu çıkış karşılaştırılarak, görsel bir şekilde Grafiksel olarak gösterilmiştir. Elde edilen YSA çıkıĢı ile Eğitim verisinin çıkışı grafiksel olarak gösterilmiştir. Yani hava sıcaklığı başarılı bir şekilde tahmin edilmiştir.  

Şekil 7:  Hava  Sıcaklığı Tahmini için Tahmin edilen YSA çıkışı   

Eğitim sonucu tahmin edilen hava sıcaklığı değeri mavi çizgi ile gerçek sıcaklık değeri ise sistemde kırmızı çizgi ile gösterilmektedir.  

SONUÇ VE ÖNERİLER  

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.

 

(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 )

 

 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'