Time Series Prediction of Temperature Using Seasonal ARIMA and LSTM Models
Hakan Koçak · Gazi Journal of Engineering Sciences · 2024
Precise quantitative understanding and monitoring of temperature is indispensable due to its tremendous impact on almost every aspect of our lives.This work investigates prediction capabilities of two machine learning techniques, namely Seasonal Autoregressive Integrated Moving Average (SARIMA) and Long Short-Term Memory (LSTM) and compares them in predicting monthly mean temperature time series data for a weather station in Ankara, Türkiye from January 2010 to March 2023.The comparison of forecasting performance was based on mean square error (MSE), root mean square error (RMSE) and mean absolute error (MAE).The results showed that both models can capture the variations of time series data.Both models exhibited reasonably good performance in predicting monthly mean temperature, but the ARIMA model gave the least forecast error compared to the LSTM model. ARIMA ve LSTM Modelleri ileSıcaklık Zaman Serileri Tahmini ÖZ Hava sıcaklığının insan hayatının hemen her alanındaki büyük öneminden dolayı sıcaklığın nicel olarak anlaşılması ve takip edilmesi oldukça elzemdir.Bu çalışmada Ankara'da bulunan bir meteorolojik hava istasyonundan elde edilen Ocak 2010 ila Mart 2023 tarihleri arasındaki gözlem verileri kullanarak Mevsimsel Otoregresif Entegre Hareketli Ortalama (Seasonal Autoregressive Integrated Moving Average -SARIMA) ve Uzun Kısa-Vadeli Hafıza Ağları (Long Short-Term Memory-LSTM) makine öğrenmesi metotlarıyla aylık ortalama hava sıcaklığının kestirimi yapılmış ve bu metotların sıcaklık tahmini konusundaki başarısı karşılaştırılarak irdelenmiştir.Modellerin tahmin başarıları Ortalama Karesel Hata (OKH), Karekök Ortalama Karesel Hata (KOKH) ve Ortalama Mutlak Hata (OMH) performans metrikleri kullanarak yapılmıştır.Araştırma sonucunda her iki yöntemin de aylık ortalama sıcaklık kestiriminde iyi derecede performans gösterdiği ortaya çıkmıştır.Bununla birlikte ARIMA modelinin LSTM modeline göre hata oranının kriter olarak ele alınan üç metrik (OKH, KOKH, OMH) için de daha düşük olduğu, dolayısıyla daha iyi performansa sahip olduğu görülmüştür.