Page 78 - Çevre Şehir ve İklim Dergisi - Sayı 4

Yapay Zekâ Tabanlı Algoritmalar İle
Kentsel Dönüşüm Tahminlerinin Yapılması

Tablo 16. Yüz ölçümü değişkeni için geliştirilen YSA tabanlı modellerin eğitim,
doğrulama ve test veri setlerine ait performans istatistikleri

Eğitim ANN_5 ANN_10 ANN_15 ANN_20 GWO_5 GWO_10 GWO_15 GWO_20

RMSE
(dekar) 14806 14209 13832 12221 28593 43188 16110 17356
MAE (dekar) 8755 8783 8290 7794 25664 39532 10895 11129

NS 0,47 0,51 0,54 0,64 -0,98 -3,51 0,37 0,27

Doğrulama ANN_5 ANN_10 ANN_15 ANN_20 GWO_5 GWO_10 GWO_15 GWO_20
RMSE
(dekar) 9908 10123 9578 10224 28095 42245 8423 9892
MAE 6629 8533 7455 8247 25601 38626 5846 7214
(dekar)

NS 0,50 0,48 0,54 0,47 -3,00 -8,04 0,64 0,50

Test ANN_5 ANN_10 ANN_15 ANN_20 GWO_5 GWO_10 GWO_15 GWO_20
RMSE 9954 10239 8548 10706 30266 43342 10804 11642
(dekar)
MAE 7610 7608 6651 7803 27093 40588 8745 9773
(dekar)

NS 0,54 0,51 0,66 0,47 -3,27 -7,75 0,46 0,37
Tablo 16 incelendiğinde GWO_15 modeline ait performans
istatistiklerinin doğrulama veri setlerinde iyi sonuçlar verdiği, ancak eğitim
ve test veri setleri açısından bakıldığında ise yalın YSA modellerinin daha
iyi performanslar sergilediği görülmektedir. Farklı nöron sayıları kullanılarak
geliştirilen modellerden ise en yüksek doğruluğa sahip modelin 15 nöron
kullanılarak kurulan ANN_15 modeli olduğu belirlenmiştir. Genel olarak
değerlendirildiğinde regresyon tabanlı modeller ile YSA tabanlı modeller
karşılaştırılınca TreeNet yöntemi kullanılarak geliştirilen modelin YSA
modellerine kıyasla daha yüksek performans gösterdiği görülmektedir. Bu
karşılaştırmanın daha net görülebilmesi için yüz ölçümü değişkenine ait zaman
serileri hazırlanmıştır (Şekil 7).

Yıl 2 / Sayı 4 / Temmuz 2023 63