Parçacık sürü optimizasyonlu adaptif ağ tabanlı nötrosofik tereddütlü bulanık çıkarım sistemi ile İstanbul biyokütle tesisleri çevresinde no₂ tahmini
Particle-swarm-optimized adaptive network-based neutrosophic hesitant fuzzy inference system for no₂ prediction near biomass facilities in Istanbul
- Tez No: 1021675
- Danışmanlar: PROF. DR. ŞÜKRAN ŞEKER
- Tez Türü: Doktora
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Biyokütle enerji tesisleri, yenilenebilir enerji üretimi ve atık yönetimi açısından önemli bir seçenek sunmakla birlikte, yanma süreçlerinden kaynaklanan azot dioksit (NO2) emisyonları nedeniyle yerel hava kalitesi bakımından dikkatle değerlendirilmelidir. Bu çalışmada, İstanbul'daki biyokütle enerji tesisleri çevresinde günlük ortalama NO2 düzeylerinin tahmini amacıyla, Parçacık Sürü Optimizasyonu (PSO) ile iyileştirilmiş Adaptif Ağ Tabanlı Nötrosofik Tereddütlü Bulanık Çıkarım Sistemi (ANNHFIS-PSO) önerilmiştir. Çalışma alanı, 2023 yılı biyokütle kaynaklı elektrik üretiminde en yüksek paya sahip olması nedeniyle Eyüp ilçesi olarak belirlenmiştir. Modelde, 1 Ocak 2019–31 Aralık 2023 dönemine ait günlük güneş radyasyonu, hava sıcaklığı, bağıl nem, azot oksitler (NOx) ve partikül madde (PM10) verileri girdi, NO2 verisi ise çıktı değişkeni olarak kullanılmıştır. Önerilen yapı, yapay sinir ağı tabanını nötrosofik tereddütlü üyelik temsiliyle birleştirerek çevresel verilerdeki doğrusal olmayan ilişkileri ve belirsizlikleri daha esnek biçimde modellemeyi amaçlamaktadır. Model başarısı, Çok Katmanlı Algılayıcı-Yapay Sinir Ağı (MLP-ANN), Uzun Kısa Süreli Bellek (LSTM), ANFIS-PSO, ANFIS-GS ve ANNHFIS-GS modelleri ile karşılaştırılmıştır. Test veri kümesinde ANNHFIS-PSO modelinin 3.6488 µg/m3 Kök Ortalama Kare Hata (RMSE) ve 0.8938 belirlilik katsayısı (R2) değeri üretmesi, önerilen yaklaşımın karşılaştırılan modeller arasında en iyi genel performansı sağladığını göstermiştir. Elde edilen karşılaştırmalı performans sonuçları ve sayısal bulgular, ANNHFIS-PSO modelinin biyokütle tesisleri çevresindeki günlük NO2 düzeylerinin tahmininde etkili bir yaklaşım sunduğunu ortaya koymaktadır.
Özet (Çeviri)
Biomass energy facilities represent an important option in terms of renewable energy generation and waste management; however, they should also be carefully evaluated with respect to local air quality because of nitrogen dioxide (NO2) emissions arising from combustion processes. In this study, an Adaptive Network-Based Neutrosophic Hesitant Fuzzy Inference System improved by Particle Swarm Optimization (ANNHFIS-PSO) is proposed to predict daily mean NO2 levels in the vicinity of biomass energy facilities in Istanbul. Eyüp district was selected as the study area because it had the largest share of biomass-based electricity generation in 2023. In the model, daily solar radiation, air temperature, relative humidity, nitrogen oxides (NOx), and particulate matter (PM10) data for the period from 1 January 2019 to 31 December 2023 were used as inputs, while NO2 data were used as the output variable. The proposed structure aims to model nonlinear relationships and uncertainties in environmental data more flexibly by combining a neural-network basis with a neutrosophic hesitant membership representation. Model performance was compared with those of Multilayer Perceptron-Artificial Neural Network (MLP-ANN), Long Short-Term Memory (LSTM), ANFIS-PSO, ANFIS-GS, and ANNHFIS-GS models. On the test dataset, the ANNHFIS-PSO model achieved a Root Mean Square Error (RMSE) of 3.6488 µg/m3 and a coefficient of determination (R2) of 0.8938, indicating the best overall performance among the compared models. The findings show that the ANNHFIS-PSO model provides an effective approach for predicting daily NO2 levels around biomass facilities.
Benzer Tezler
- Parçacık sürü optimizasyonlu pisagor kararsız bulanık adaptif ağ tabanlı modelin geliştirilmesi ve İstanbul için kuraklık tahmini
Development of a particle swarm optimization based pythagorean hesitant fuzzy adaptive network based model for drought prediction in Istanbul
YUNUS EMRE SAADCI
Doktora
Türkçe
2026
Mühendislik BilimleriYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ŞÜKRAN ŞEKER
- Kablosuz algılayıcı ağlarda kapasiteye dayalı akıllı ve adaptif ağ yapılandırılması
Selection the optimum cluster head in the wireless sensor networks and adaptive clustering via optimization algorithms
AMIR NASER
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL HAKKI ÇAVDAR
- Adaptif parçacık sürü optimizasyonu ve karınca kolonisi algoritması kullanarak öz ayarlamalı PID denetleyici tasarımı
Design of self tuning PID controller using adaptive particular swarm optimization and ant colony optimization
OĞUZHAN KAPUKAYA
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MAHİT GÜNEŞ
- Adaptif kısıtlama faktörlü parçacık sürü optimizasyonu
Particle swarm optimization with adaptive restriction factor
ERDİ YALÇIN
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. PAKİZE ERDOĞMUŞ
- Controller parameter tuning for an adaptive cruise control system based on particle swarm optimization approach
Adaptif seyir sistemi kontrolcüsü parametrelerinin parçacık sürü optimizasyonu yöntemi ile belirlenmesi
ERHAN ÖZKAYA
Yüksek Lisans
İngilizce
2019
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HİKMET ARSLAN