The Investigation of Missing Data Imputation Methods for Air Pollution Data

Akbayır D., Esin E. M.

6. INTERNATIONAL BOĞAZİÇİ SCIENTIFIC RESEARCH CONGRESS, İstanbul, Türkiye, 18 - 19 Ocak 2025, cilt.1, ss.522-536, (Tam Metin Bildiri)

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Cilt numarası: 1
  • Basıldığı Şehir: İstanbul
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.522-536
  • Maltepe Üniversitesi Adresli: Evet

Özet

Makine öğrenmesine dayalı olarak tasarlanmış sistemler; anlamlı sayıda ve eksiksiz veri setlerine ihtiyaç duyar. Büyük hacimli verilerin düzenli olarak elde edilebileceği kaynaklardan birisi de sensör ağlarıdır. Sensor ağları; bir ya da daha fazla türden veriyi toplayan terminaller ile toplanılan veriyi değerlendirme merkezine ulaştıran düzeneklerdir. Normal şartlarda etkin olarak kullanılabilen bu düzeneklerde, zaman içinde sensör arızaları veya iletişim kopuklukları nedeniyle iletilecek verilerin bir kısmı kaybolabilir. Veriyi temsil eden zaman serilerinde ortaya çıkmış bu tür gedikler; veri setinin anlamında zayıflıklar meydana getireceğinden, böyle eksikli verilerle yapılan makine öğrenmesi de zayıflamış olur. Bu nedenle olmayan verilerin sentetik olarak tamamlanması gerekir. Literatürde yer alan çeşitli eksik veri doldurma yöntemleri bulunmaktadır. Bu çalışmada; saatlik hava kirliliğini ölçen bir sensör ağından edinilen verileri temsil eden zaman serilerinin eksik değerlerinin doldurulmasında kullanılan MICE-Bayesian Ridge, Doğrusal Regresyon, Rastgele Orman ve Doğrusal İnterpolasyon adlı dört farklı yöntemin etkinlikleri değerlendirmektedir. Çalışmada kullanılan yöntemlerin performansı, eksik veri oranlarının farklı seviyelerinde karşılaştırılmış ve doldurulan verilerin doğruluğu RMSE ve MAE metrikleriyle değerlendirilmiştir. Ayrıca, eksik veri doldurma yöntemlerinin güçlü ve zayıf yönleri analiz edilerek görselleştirme teknikleri yardımıyla açıklanmıştır. Sonuçlar, MICE-Bayesian Ridge yönteminin ise eksik veri bağımlılıklarını daha etkin modellediğini göstermektedir. Çalışmadan elde edilen sonuçların; yöntemlerin güçlü ve Bu doküman 2026/01/08 07:40:57 tarihinde (95.0.240.18) bookcites.com adresinden indirilmiştir. ISARC INTERNATIONAL SCIENCE AND ART RESEARCH CENTER 523 zayıf yönlerinin belirlenmiş olması nedeniyle, araştırmacılara yöntem seçiminde faydalanabilecekleri değerli bir kılavuz sunulmuş olacağı değerlendirilmektedir. Anahtar Kelimeler: Veri doldurma, eksik veri, makine öğrenmesi algoritmaları, zaman serisi verisi, hava kalitesi verisi, MICE, Rastgele Orman, Doğrusal Regresyon, İnterpolasyon, zaman serisi veri tamamlamasıolması nedeniyle, araştırmacılara yöntem seçiminde
faydalanabilecekleri değerli bir kılavuz sunulmuş olacağı değerlendirilmektedir.
Anahtar Kelimeler: Veri doldurma, eksik veri, makine öğrenmesi algoritmaları, zaman
serisi verisi, hava kalitesi verisi, MICE, Rastgele Orman, Doğrusal Regresyon, Doğrusal
İnterpolasyon, zaman serisi veri tamamlaması