BibTex RIS Cite

Estimation of Monthly Mean Ambient Temperatures with Support Vector Machines

Year 2016, Volume: 11 Issue: 1, 1 - 7, 01.03.2016

Abstract

In this study, the support vector machines (SVMs) have been used for the estimation of monthly mean ambient
temperature in Elazığ (38.41˚ N, 39.14˚ E), Turkey. The model was trained and tested for four years (2002-2005)
of some monthly mean meteorological values. Inputs of the network were relative humidity, local pressure,
vapour pressure, and wind velocity monthly values and the output was the monthly mean outdoor temperature.
The efficiency of the proposed method was demonstrated by using the 4-fold cross validation test. The proposed
SVM model produced the most accurate results for partition 4 that’s why the minimum root-mean squared
(RMS), coefficient of variation (COV) and mean error function (MEF) and maximum coefficient of multiple
determinations (R2) values were obtained for these partitions. It is found that RMS value is 0.7691, the R2 value
is 0.9980, COV value is 5.5586, and MEF value is 1.6339 for partition 4. These results testify that the SVM can
be a valuable tool for monthly ambient temperature prediction in particular and other meteorological predictions
in general.

Aylık Ortalama Dış Hava Sıcaklığının Destek Vektör Makineleri ile Tahmini

Year 2016, Volume: 11 Issue: 1, 1 - 7, 01.03.2016

Abstract

Bu çalışmada, Elazığ ilinin aylık ortalama dış hava sıcaklığının tahmini için destek vektör makineleri (support
vector machines (SVMs)) yöntemi kullanıldı. Model, dört yıllık (2002-2005) bazı aylık ortalama meteorolojik
değerler için eğitildi ve test edildi. Modelin giriş değerleri bağıl nem, yerel basınç, buhar basıncı ve rüzgar
hızlarının aylık değerleri iken çıkış değeri ise aylık ortalama dış hava sıcaklığıdır. Önerilen metodun verimi, 4-
katlı (kısımlı) çapraz geçerlilik testi kullanılarak gösterildi. Bu kısımlar içinde minimum ortalama karekök
(RMS), değişim katsayısı (COV) ve ortalama hata fonksiyonu (MEF) değerleri ile maksimum çoklu saptama
katsayısı (R2) değerlerine sahip olan 4. kısım çapraz geçerlilik için en doğru sonuçları veren SVM modeli
kuruldu. 4. kısım için sırasıyla RMS, R2, COV ve MEF değerleri 0.7691, 0.9980, 5.5586 ve 1.6339 olarak
bulundu. Bu sonuçlar, destek vektör makinesinin (SVM) kısmi olarak aylık ortalama dış hava sıcaklık tahmini
için genel olarak da başka meteorolojik tahminler için faydalı bir araç olabileceğini kanıtlamaktadır.

There are 0 citations in total.

Details

Other ID JA66YM99RV
Journal Section Articles
Authors

H. Esen This is me

A. Sengur This is me

Publication Date March 1, 2016
Submission Date March 1, 2016
Published in Issue Year 2016 Volume: 11 Issue: 1

Cite

APA Esen, H., & Sengur, A. (2016). Estimation of Monthly Mean Ambient Temperatures with Support Vector Machines. Turkish Journal of Science and Technology, 11(1), 1-7.
AMA Esen H, Sengur A. Estimation of Monthly Mean Ambient Temperatures with Support Vector Machines. TJST. March 2016;11(1):1-7.
Chicago Esen, H., and A. Sengur. “Estimation of Monthly Mean Ambient Temperatures With Support Vector Machines”. Turkish Journal of Science and Technology 11, no. 1 (March 2016): 1-7.
EndNote Esen H, Sengur A (March 1, 2016) Estimation of Monthly Mean Ambient Temperatures with Support Vector Machines. Turkish Journal of Science and Technology 11 1 1–7.
IEEE H. Esen and A. Sengur, “Estimation of Monthly Mean Ambient Temperatures with Support Vector Machines”, TJST, vol. 11, no. 1, pp. 1–7, 2016.
ISNAD Esen, H. - Sengur, A. “Estimation of Monthly Mean Ambient Temperatures With Support Vector Machines”. Turkish Journal of Science and Technology 11/1 (March 2016), 1-7.
JAMA Esen H, Sengur A. Estimation of Monthly Mean Ambient Temperatures with Support Vector Machines. TJST. 2016;11:1–7.
MLA Esen, H. and A. Sengur. “Estimation of Monthly Mean Ambient Temperatures With Support Vector Machines”. Turkish Journal of Science and Technology, vol. 11, no. 1, 2016, pp. 1-7.
Vancouver Esen H, Sengur A. Estimation of Monthly Mean Ambient Temperatures with Support Vector Machines. TJST. 2016;11(1):1-7.