Meteorolojik parametrelerin hava kirliliğine etkilerinin yapay sinir ağları modeli ile incelenmesi
Başlık çevirisi mevcut değil.
- Tez No: 201518
- Danışmanlar: YRD. DOÇ. DR. ARSLAN SARAL
- Tez Türü: Yüksek Lisans
- Konular: Çevre Mühendisliği, Environmental Engineering
- Anahtar Kelimeler: Hava kirliliği, yapay sinir ağları, MLP, modelleme, meteorolojik faktörler, Air pollution, artificial neural networks, MLP, modelling, meteorological factors
- Yıl: 2006
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Çevre Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 108
Özet
Hava kirliliği özellikle büyük şehirler için kış aylarında önemli bir sorun olarak kendisini göstermektedir. Kirleticilerin atmosfere bırakılma miktarı yanında olumsuz atmosferik şartlar büyük şehirlerde hava kirliliğinin insan sağlığı için olumsuz konsantrasyon değerlerine ulaşmasına neden olmaktadır. İstanbul ilinin geçmişi göz önüne alındığında bu tür olumsuzluklar özellikle kış aylarında sıkça gözlemlenmiştir. Hava kirliliği modellemesi ile kirletici konsantrasyonların doğru bir şekilde tahmininin yapılması kirliliğin olumsuz etkilerinin azaltılmasında ya da gerekli önlemlerin alınmasında etkili olacaktır. Bu çalışmada İstanbul ili ele alınarak, hava kirliliği konularında giderek daha yaygın uygulama olanağı bulan ve başarılı sonuçlar veren Yapay Sinir Ağları (YSA) modelleri kullanılarak hava kirliliğinin çeşitli meteorolojik parametreler bazında modellenmesi ve hava kirliliğinin tahmini yapılmıştır. SO2, NOx, PM10 ve CO kirletici parametreleri için uygun modeller oluşturulmuş ve bu modeller yardımı ile meteorolojik parametrelerdeki değişimin kirletici konsantrasyonlarına olan etkileri incelenmiştir. Kullanılan meteorolojik parametreler kuru termometre sıcaklığı, deniz seviyesi basıncı, bağıl nem, bulutluluk seviyesi, hakim rüzgar yönü ve rüzgar hızıdır. Bu bağımsız parametrelerle, SO2, NOx, PM10 ve CO konsantrasyonları modellenen ve tahmin edilen hava kirliliği parametreleri olarak kullanılmıştır. Veri tabanı olarak 2003 ? 2005 yılları arasındaki veriler zaman sıralı olarak kullanılmış ve bu veri seti ile en uygun modeller oluşturulmuştur. Yeterli sayıda gizli katman nöron sayısı olmayan modellerin verileri genelleyemediği, diğer yandan fazla sayıda gizli katman nöron içeren modellerin eğitme setini ezberlediği ve genelleme yapabilme kabiliyetinin azaldığı gözlemlenmiştir. Model sonuçları incelendiğinde SO2, NOx, PM10 ve CO'in kış aylarındaki yüksek değerlerden ilkbahar ve yaz aylarına doğru düşüş eğilimi ve yine kış aylarına doğru yükseliş eğilimi YSA modeli ile oldukça iyi temsil edilebilmektedir. Herbir kirletici için en iyi model kullanılarak meteorolojik parametrelerdeki değişimin kirletici konsantrasyonu üzerindeki etkileri incelendiğinde modellerin genel olarak başarılı tahminler yapabildiği görülmüştür.
Özet (Çeviri)
Air pollution shows itself as a serious problem in big cities especially for winter seasons. Beside the amount of pollution emission into the atmosphere, stable atmospheric conditions cause the air pollution episodes in big cities. As in the case of İstanbul, there were frequently occuring air pollution episodes in the previous years. When considering this point of view, it is obvious that air pollution modelling and prediction in advance have great importance in preventing the occurance of air pollution episodes or will provide sufficient time to take the necessary precautions. In this study, İstanbul metropolitan city was taken as the study area, and Artifical Neural Networks (ANN), was used in modelling and predicting air pollution on the basis of various meteorological parameters. Best models are constructed to predict the concentrations of SO2, NOx, PM10 and CO pollutants and their variation through the meteorological parameters. The meteorological parameters used in this study are dry bulb temperature, sea level pressure, relative humidity, cloudness, wind speed, wind direction and dew point. The data between the years 2003 and 2005 were used in time series form as data base in this study. ANN models without enough hidden layer neurons can not generalize the data. On the other hand, the models having too many hidden layer neurons tend to memorize the training set and again missing the generalization ability. Test results show that the trend of pollutants from seasonal variations can be correctly represented by the neural networks. And the effects of the meteorological parameters on the pollutant concentrations were genarally correctly represented by the neural networks models.
Benzer Tezler
- Hava kirliliği tahmininde çoklu regresyon analizi ve yapay sinir ağları yönteminin karşılaştırılması
Comparation of multiple regression analysis and neural network methods for predicting air pollution
AHMET GÜRKAN YÜKSEK
Doktora
Türkçe
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolCumhuriyet Üniversitesiİşletme Ana Bilim Dalı
PROF.DR. DERVİŞ KARABOĞA
- Deep learning for wind energy systems using the hurst exponent and statistical parameters
Hurst üslü ve istatistiksel parametreleri kullanarak rüzgar enerjisi sistemleri için derin öğrenme
BEHNAZ ALAFI
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- 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
- Quantification of Saharan dust influences on Eastern Mediterranean air quality via atmospheric modeling
Sahra tozunun Doğu Akdeniz hava kalitesi üzerindeki etkilerinin atmosfer modeliyle belirlenmesi
BURCU KABATAŞ
Doktora
İngilizce
2016
Meteorolojiİstanbul Teknik Üniversitesiİklim ve Deniz Bilimleri Ana Bilim Dalı
PROF. DR. ALPER ÜNAL
- Impacts of geothermal power plants on air quality, climate change and biodiversity
Jeotermal enerji santrallerinin hava kalitesi, iklim değişikliği ve biyoçeşitlilik üzerindeki etkileri
MERVE DÖNDÜ AYDIN
Yüksek Lisans
İngilizce
2024
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURÇAK KAYNAK TEZEL
PROF. DR. MICHAEL LEUCHNER