Irregular longitudinal data analysis with statistical and machine learning methods in asteroid dataset

İREM TANRIVERDİ

Irregular longitudinal data analysis with statistical and machine learning methods in asteroid dataset

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İSTATİSTİK ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2023

Tezin Dili: İngilizce

Öğrenci: İREM TANRIVERDİ

Danışman: Özlem İlk Dağ

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Asteroidlerin bilimsel olarak tanınması ve araştırılması, 18. yüzyılın sonlarına doğru önemli bir ivme kazanmıştır. Zaman içerisinde Dünya yörüngesine giren asteroidlerin özellikleri kaydedilmiş ve zararlı olup olmadıkları sınıflandırılmıştır. Bu kayıtlar sayesinde bir asteroidin Dünyaya yönlenmesi tahmin edilebilir. Ancak, bu tür uzun süreli gözlemler sonucunda ortaya çıkan verilerin boylamsal yapısına uygun analiz yöntemlerinin kullanılması büyük önem taşımaktadır. Buna rağmen, önceki çalışmalarda, Dünyaya Yakın Asteroitler (DYA) verilerindeki özgül tekrarlamaların ve veri bağımlılığının göz ardı edildiği yöntemlerin kullanıldığını görmekteyiz. Bu tez, yukarıda belirtilen eksiklikleri gidermek amacıyla DYA verisi üzerinde çeşitli istatistiksel ve makine öğrenmesi yöntemlerinin uygulanmasını önermektedir. NASA aracılığıyla düzensiz zaman aralıklarıyla gözlemlenen 751 asteroidin verisini analiz ediyoruz. Tez içeriği, genelleştirilmiş lineer karma model, marjinal model, karar ağacı, tarihsel rastgele orman, GPBoost ve Spline gibi boylamsal veri yapısına uygun çeşitli algoritmaların kapsamlı uygulamasını ve karşılaştırmasını sunmaktadır. Elde ettiğimiz sonuçlara göre, modellerin doğruluğu 0.89 ile 0.99 arasında değişmektedir. GPBoost modeli en yüksek performansa sahipken, marjinal model en düşük performansa sahiptir. Ardından, DYA verileri farklı grup boyutları ve düzenli zaman noktaları ile simülasyonu gerçekleştirildi. Sonuç olarak grup ve zaman boyutları arttıkça model performansları da artmaktadır. En yüksek performansa sahip model GPBoost, küçük örneklem boyutları için ise en düşük performansa sahip model ise karar ağacıdır.