Answers are grounded in this paper and cite their sources.
Küresel ısınmanın bir sonucu olarak bölgesel yağış miktarlarındaki değişimler belirgin biçimde hissedilmektedir. Ülkemizde bu etkinin en belirgin hissedildiği yerler Orta ve Doğu Karadeniz bölgesidir. Bu bölgedeki bölgesel yağış rejimindeki zamansal ve mekânsal değişimlerin araştırılması ve modellenmesi bölgesel su yönetimi ve orman kaynaklarının sürdürülebilirliği açısından stratejik bir öneme sahiptir. Bu amaç doğrultusunda, Orta ve Doğu Karadeniz Bölgesi’ndeki illerin (Artvin, Bayburt, Giresun, Gümüşhane, Rize, Samsun, Tokat ve Trabzon) 2015-2024 yılları arasındaki günlük yağış miktarının modellenmesi ve tahmini araştırılmıştır. Bu süreçte makine öğrenmesi modellerinden CatBoost, XGBoost, LightGBM ve POA-VMD-LSTM’in yağış miktarı modelleme ve tahmin performansları model kıyaslama kriterlerinden MAE ve RMSE ile karşılaştırılmıştır. Sonuç olarak, söz konusu periyotta yağış miktarını en etkin modelleyen LightGBM modeli olurken, CatBoost modelinin gelecek tahmini konusundaki etkin performansı gözlemlenmiştir. Buna ek olarak, makine öğrenmesi modellerinin genel olarak yağış miktarı tahmini konusunda etkin performansa sahip olduğu görülmüştür.
No takes yet. Share an insight, caveat, or question.
Atalay et al. (2026) studied this question.
Synapse has enriched 10 related papers. Consider them for comparative context: