Projelere dön
Fırtına Sınıflandırma (ML & Deep Learning)
Atmosferik ve oşinografik verilerle deniz durumu ve fırtına şiddetini sınıflandıran ML/DL modelleri.
Machine LearningDeep LearningTime SeriesPython
Detaylar
Proje hakkında
Deniz durumu analizini regresyon yerine çok sınıflı zaman serisi sınıflandırma problemi olarak ele aldım. Doğu Akdeniz'den (Antalya) topladığım uzun vadeli atmosferik ve deniz verilerini 36 saatlik pencerelerle analiz ettim. Normal, Hafif, Orta, Şiddetli ve Aşırı olmak üzere 5 şiddet kategorisi belirledim.
Klasik makine öğrenmesi yöntemlerinden (SVM, Random Forest, XGBoost) derin öğrenme mimarilerine (1D CNN, LSTM, Mamba, PatchTST) kadar kapsamlı bir model karşılaştırması gerçekleştirdim.
Öne Çıkanlar
Önemli noktalar
- Zamansal değişimleri modellemek doğru sınıflandırma için kritik
- Karmaşık atmosfer-okyanus etkileşimleri için doğrusal olmayan sınıflandırıcılar gerekli
- Aşırı olayların nadir görülmesi nedeniyle sınıf dengesizliği önemli bir zorluk
- PatchTST ifade gücü ve genelleme arasında en iyi dengeyi sağladı
Teknolojiler
Kullanılan araçlar
PythonPyTorchPatchTSTCNNscikit-learnMiniROCKET