Modeling and forecasting air pollutants using artificial neural network approach
Yapay sinir ağları yöntemi kullanılarak hava kirleticilerinin modellenmesi ve tahminlenmesi
- Tez No: 143446
- Danışmanlar: PROF. DR. GÜRDAL TUNCEL, DOÇ. DR. GÜLEN GÜLLÜ
- Tez Türü: Yüksek Lisans
- Konular: Çevre Mühendisliği, Environmental Engineering
- Anahtar Kelimeler: Yapay Sinir Ağlan, NOx, Kısa Vadeli Tahminleme, Artificial Neural Networks, NOx, Short Term Forecasting
- Yıl: 2003
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Çevre Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 134
Özet
Bu tezde, yapay sinir ağlarının kentsel atmosferde azotoksitlerin (NOx) kısa vadeli tahminlenmesinde kullanımı incelenmiştir. Uygun bir sinir ağı yapısı ve algoritma seçimi için, sinir ağı yapıları, öğrenme algoritmaları ve geçmiş çalışmalar incelenmiştir. İstanbul'daki NOx seviyelerinin kısa vadeli tahminlenmesi için geri yayınım öğrenme algoritması ile çok katmanlı sinir ağı yapısı kullanılmıştır. Model, 1997-1999 yıllan arasında İstanbul'da ölçülen hava kalitesi verileri ve meteorolojik veriler kullanılarak geliştirilmiştir. Hava kalitesi verileri, İstanbul Büyükşehir Belediyesi, Çevre Koruma ve Geliştirme Dairesi Başkanlığı tarafından Prof. Dr. Mustafa Öztürk'ün yönetiminde gerçekleştirilen hava kalitesi izleme programından elde edilmiştir. Sıcaklık, rüzgar hızı, rüzgar yönü, bulutluluk, bulut taban yüksekliği, bağıl nem, basınç, güneşlenme şiddeti ve karışım yüksekliği gibi önemli meteorolojik veriler ise Devlet Meteoroloji İşleri Genel Müdürlüğü 'nden alınmıştır. Sinir ağı modelinin geliştirilmesinde Stuttgart Üniversitesi ile Tubingen Üniversitesi tarafından oluşturulan Java Neural Network Simulator (JavaNNS) kullanılmıştır, NOx konsantrasyonlarının tahminlenmesi için geliştirilen en uygun sinir ağı modelinin girdileri, bir saat önceki NOx seviyesi, sıcaklık, rüzgar hızı, güneşlenme şiddeti, bulut yüksekliği ve rüzgar yönünden oluşmaktadır. Modelin ağ yapısı sırasıyla girdi katmanı, gizli katman ve çıktı katmanında bulunan 11, 10 ve 1 düğümden oluşmaktadır. Geliştirilen bu model kullanılarak yapılan tahminler test setindeki değişimlerin %75'ini, %86'hk bir korelasyonla açıklamaktadır.
Özet (Çeviri)
In this thesis the potential use of artificial neural network for short-term prediction of nitrogen oxides (NOx) levels in urban atmosphere was analyzed. The neural network learning algorithms, network structures and the previous studies were investigated for an appropriate neural network structure and algorithm selection. Multilayer perception neural network structure with backpropagation learning algorithm was used for short-term prediction of NOx levels in Istanbul. The model was developed using the air quality data and key meteorological parameters in Istanbul during 1997-1999. The air quality data was obtained from an air quality monitoring program, which was conducted by the Istanbul Greater Metropolitan Municipality, Directorate of Environmental Protection and Improvement under the coordination of Prof. Dr. Mustafa Öztürk. The key meteorological parameters including temperature, wind speed, wind direction, cloud cover, base of lowest cloud, relative humidity, pressure, solarity and mixing height were obtained from the General Directorate of the Turkish State Meteorological Service. Java Neural Network Simulator (JavaNNS) that was established by the University of Stuttgart and University of Tubingen was used for the development of the neural network model. The input parameters of the optimum neural network model for prediction of NOx concentrations include previous hour NOx concentration, temperature, wind speed, solarity, cloud height and wind direction. The network structure of the model is 11, 10, 1 nodes in the input, hidden and output layer, respectively. Using the optimum model, the predictions for the test data set explain 75% of the variation with a correlation coefficient of 86%.
Benzer Tezler
- Metasezgisel yöntemler ve model tabanlı veri analizi problemlerinde uygulamaları
Metaheuristic methods, applications to modeling and analysis of numerical data
ÖZLEM İMİK ŞİMŞEK
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BARIŞ BAYKANT ALAGÖZ
- Derin öğrenme yöntemi ile hava kalitesi parametrelerinin tahmini: Sakarya örneği
Forecasting air quality parameters by deep learning method: A case study of Sakarya
AYŞEGÜL ATALI
Yüksek Lisans
Türkçe
2023
Çevre MühendisliğiSakarya ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. BEYTULLAH EREN
- Sürdürülebilir hava kalitesi için yapay zeka yöntemleri ile partiküler madde tahmininin modellenmesi
Modeling particulate matter estimation with artificial intelligence methods for sustainable air quality
SALİHA ÇELİKCAN BİLGİN
Yüksek Lisans
Türkçe
2023
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN TOROS
- Land based emission inventory and consistency analysis for WRF-Chem: Dilovası example
WRF-Chem için arazi bazlı emisyon envanteri ve tutarlılık analizi: Dilovası örneği
UMUR DİNÇ
Yüksek Lisans
İngilizce
2021
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN TOROS
- Understanding the dynamics of air pollution during forest fires in Antalya-Manavgat: A WRF-CHEM analysis
Antalya-Manavgat'ta orman yangınlarında hava kirliliğinin dinamiklerini anlamak: WRF-CHEM analizi
YİĞİTALP KARA
Yüksek Lisans
İngilizce
2024
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN TOROS