BİLDİRİLER

BİLDİRİ DETAY

Zeynep Beril ERSOY, Umut OKKAN
İSTATİSTİKSEL ÖLÇEK İNDİRGEMEDE TAHMİNLEYİCİ SEÇİMİNDE LASSO YAKLAŞIMININ UYGULANMASI
 
İstatistiksel ölçek indirgeme uygulamasının en önemli adımlardan biri de bağımlı değişken özelinde tahminleyicilerin optimum şekilde belirlenmesidir. Bu kapsamda literatürde re-analiz veri setleri üzerinden regresyon tabanlı otomatik tahminleyici seçimini konu alan çeşitli yaklaşımlar denenmiştir. Bunlar adımsal regresyon, Mallows Cp ve karar ağacı regresyonu gibi tekniklerdir. Fakat bu uygulamaların çoğunluğu kolinearite problemiyle başa çıkmada kısıtlı yetiye sahip olduklarından, en küçük mutlak büzülme ve seçim operatörü (Least Absolute Shrinkage and Selection Operator, LASSO) olarak bilinen ceza terimli regresyon yaklaşımının istatistiksel ölçek indirgeme modeli tahminleyicilerini seçmede daha avantajlı olabileceği düşünülmektedir. Hazırlanan çalışmada, CNRM-CM5, GFDL-ESM2M, EC-EARTH, HadGEM2-ES ve MPI-ESM-MR iklim modellerinin çıktılarını İzmir’de içmesuyu maksatlı işletilen Tahtalı barajı havzası ölçeğinde elde etmek için istatistiksel ölçek indirgeme modellerinin kurulumuna ihtiyaç duyulmuştur. Bunun için öncesinde iklim modellerini alansal çözünürlük bakımından temsil etme maksadıyla yeniden gridleme ile elde edilen ERA5 re-analiz veri seti varyasyonları oluşturulmuştur. Sonrasında farklı bağımlı değişkenler (aylık toplam yağış ve aylık ortalama sıcaklık) için LASSO tabanlı tahminleyici seçme prosedürü yeniden gridleme varyasyonları için işletilmiş ve her bir iklim modeline has tahminleyici setleri belirlenmiştir. Tahminleyicilere karar verme sürecinden sonra, bunlarla eğitimi ve doğrulaması yapılan yapay zekâ modellerinin sınanması basamağına geçilmiştir. Kullanılan modellerin içerisinden radyal tabanlı sinir ağı modelinin başarılı simülasyon performansı verdiği gözlenmiş ve böylece yerel ölçekte iklim modeli projeksiyonlarının türetilmesinde güvenilir bir transfer fonksiyonu vazifesi görebileceği kanıtlanmıştır. (Çalışma TÜBİTAK-1001 kapsamında 122Y083 numaralı proje numarası ile desteklenmektedir. ORCID NO: 0000-0003-1284-3825)

Anahtar Kelimeler: İstatistiksel Ölçek İndirgeme, Tahminleyici Seçme, LASSO



 


Keywords: