<?xml version="1.0" encoding="UTF-8"?><OAI-PMH xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/ http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd"><responseDate>2026-10-29T21:49:40Z</responseDate><request verb="GetRecord" identifier="oai:munzur-rdlopen.rawdatalibrary.net:munzur/5670" metadataPrefix="oai_dc">https://munzur-rdlopen.rawdatalibrary.net/oai/request</request><GetRecord><record><header><identifier>oai:munzur-rdlopen.rawdatalibrary.net:munzur/5670</identifier><datestamp>2026-10-28T15:31:56Z</datestamp><setSpec>openaire</setSpec><setSpec>driver</setSpec><setSpec>com_munzur_1</setSpec><setSpec>col_munzur_2</setSpec></header><metadata><oai_dc:dc xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><dc:title>Hindistan'daki Turistik Şehirlerin İklim Değişkenlerinin Tahminine Yönelik Hibrit ConvGRU Modeli</dc:title><dc:creator>Utku, Anıl</dc:creator><dc:subject>Bilgisayar Bilimleri, Yazılım Mühendisliği</dc:subject><dc:subject>Bilgisayar Bilimleri, Yapay Zeka</dc:subject><dc:description>Hava durumu tahmini tarım, sağlık, ulaşım, turizm, hava kalitesi ve endüstriyel üretim gibi alanlarda etkinliğin ve verimliliğin sağlanabilmesi açısından oldukça önemlidir. Geleneksel hava durumu tahmin modelleri uzun vadeli tahminlerde yetersiz kalmaktadır. Yapay zekâ yöntemleri, sıcaklık, nem, rüzgâr hızı ve hava basıncını gibi hava durumu verileri arasındaki karmaşık ilişkileri öğrenerek geleceğe dönük başarılı tahminler üretebilmektedir. Bu çalışmada, Hindistan'ın önemli turizm şehirlerinden olan Agra, Jaipur, Jodhpur, New Delhi ve Rishikesh'in sıcaklık, nem ve çiğ noktası gibi uzun vadeli iklim değişkenlerinin tahmin edilmesi amaçlanmıştır. Bu amaçla, geliştirilen ConvGRU hibrit modeli, RF, SVM, CNN, LSTM ve GRU modelleriyle kapsamlı bir şekilde karşılaştırılmıştır. 2010-2024 yılları arasına ait gerçek zamanlı ve güncel bir veriseti kullanılmıştır. Deneysel sonuçlar, ConvGRU’nun tüm şehirler ve iklim değişkenleri için 0,9’un üzerinde R2 değeriyle karşılaştırılan modellerden daha başarılı olduğunu göstermiştir.</dc:description><dc:date>2024</dc:date><dc:type>Article</dc:type><dc:identifier>https://rdlopen.rawdatalibrary.net/r/munzur/5670</dc:identifier><dc:identifier>https://doi.org/10.46387/bjesr.1480346</dc:identifier><dc:language>tr</dc:language><dc:relation>Mühendislik bilimleri ve araştırmaları dergisi (Online)</dc:relation><dc:rights>info:eu-repo/semantics/openAccess</dc:rights><dc:type>info:eu-repo/semantics/article</dc:type><dc:identifier>https://munzur-rdlopen.rawdatalibrary.net/tr/items/munzur/5670</dc:identifier></oai_dc:dc></metadata></record></GetRecord></OAI-PMH>