Çarpışma Riski Bulunan Asteroitlerin Makine Öğrenmesi ile Tespiti

Authors : Ömer Can ESKİCİOĞLU, Ali Hakan ISIK, Onur SEVLİ

Pages : 1431-1449

Doi:10.31202/ecjse.1135651

View : 16 | Download : 13

Publication Date : 2022-12-31

Article Type : Research Paper

Abstract :Asteroitler geçmişten günümüze kadar insanların dikkatini çekmektedir. Kadim medeniyetlerin inanç ve kültürlerinde de geniş yer almaktadır. İnsanoğlunun keşfetme ve merak duygusu bu cisimlere olan ilgisinin artmasına neden olmaktadır. Teknolojinin belirli bir seviyeye gelmesiyle asteroitlerin tespiti, teşhisi ve materyalleri net bir şekilde bulunabilmektedir. Bu cisimlerin izleyecekleri rota ve çarpışma etkileri sürekli olarak gözlem gerektirmektedir. Çalışmamızda Kaggle’da bulunan ve kaynağı NASA-JPL olan bir asteroit veri seti kullanılarak Dünya’ya çarpma ihtimali olan asteroitlerin sınıflandırılması yapılmıştır. Veri setinde 4687 asteroit verisi bulunmaktadır. Veriler üzerinde eksik verileri doldurulması, anomali tespit etme ve normalizasyon gibi ön işleme aşamaları uygulanmıştır. Daha sonra korelasyon yardımıyla tehlikelilik durumları için verisetinden 19 adet öznitelik tespit edilmiştir. Öznitelikler ile Karar Ağacı, Naive Bayes, Lojistik Regresyon, Rastgele Orman, Destek Vektör Makineleri, K-En Yakın Komşu, Xgboost ve Adaboost makine öğrenmesi algoritmaları kullanılarak asteroit sınıflandırması yapılmıştır. Farklı nöron ve katman sayılarına sahip yapay sinir ağı ile veriler eğitilmiş ve sınıflandırma algoritmaları ile karşılaştırılmıştır. Karşılaştırma sonucunda en yüksek başarımı %99.80 ile AdaBoost algoritması ile sağlanmıştır. Çalıştırılan tüm sınıflandırma algoritmalarında ızgara-arama yöntemi kullanılarak hiperparametre optimizasyonu yapılmıştır. Böylelikle sürekli gözlem gerektiren ve yüksek miktardaki verilerin daha performanslı bir şekilde işlenmesini sağlayan bir yöntem önerilmiştir.
Keywords : Asteroit Sınıflandırması, Anomali Tespiti, Kara Ağaçları, Yapay Sinir Ağları