Geri Dön

Destek vektör regresyon ile hava kirliliği tahmini

Air pollution prediction using support vector regression

  1. Tez No: 463905
  2. Yazar: MAHMUT ESAT EKİNCİ
  3. Danışmanlar: PROF. DR. AHMET SERMET ANAGÜN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Hava Kirliliği, Tahminleme, Destek Vektör Makinesi, Yapay Sinir Ağı, Çoklu Doğrusal Regresyon, Veri Madenciliği, Air Pollution, Prediction, Support Vector Machine, Artificial Neural Network, Multiple Linear Regression, Data Mining
  7. Yıl: 2017
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 144

Özet

Hava kirliliğinin tahminlenmesi, insan ve çevre sağlığına önemli zararlar veren hava kirliliğine karşı erken önlem alınması açısından oldukça önemlidir. Bu çalışmada günlük ortalama hava kirliliği miktarının, önemli bir hava kirletici olan SO2 (kükürtdioksit) konsantrasyonu üzerinden tahminlenmesi amaçlanmıştır. Tahminleme modeli, Denizli il merkezinde 2005-2015 yılları arasında ölçülen SO2, ve PM10 (partikül madde) konsantrasyonu ile sıcaklık, basınç, çiğ noktası, rüzgar, yağmur gibi meteorolojik verilerle kurulmuştur. Kirletici miktarı verileri Ulusal Hava Kalitesi İzleme Ağı'nın, meteorolojik veriler ise ABD Ulusal Okyanus ve Atmosfer Dairesi (NOAA)'nin veri tabanından çekilmiştir. Tahminleme çalışmasında, öncelikle radyal tabanlı, polinom, sigmoid ve Pearson VII gibi çeşitli çekirdek fonksiyonları ile çalıştırılan destek vektör regresyon yöntemi kullanılmıştır. Bununla beraber elde edilen sonuçları karşılaştırmak amacıyla, literatürde yaygın olarak kullanılan çok katmanlı sinir ağı ve çoklu doğrusal regresyon yöntemleri de kullanılmıştır.

Özet (Çeviri)

Prediction of air pollution is considerably important in terms of precautions to be taken against air pollution which cause significant harm to human and environmental health. In this study, it was aimed to predict the daily average concentration of SO2 (sulfur dioxide), which is an important air pollutant. The prediction model was built using historical meteorological data such as temperature, pressure, dew point, wind, precipitation and concentration of SO2 and PM10 (particulate matter) measured in Denizli city center between the years 2005-2015. Air pollutant concentrations data were retrieved from the database of the TR National Air Quality Monitoring System, while meteorological data were retrieved from the US National Oceanic and Atmospheric Administration (NOAA) database. In this prediction study, support vector regression method which was first run various kernel functions such as radial basis, polynomial, sigmoid and Pearson VII was used. In addition to these, multilayer neural network and multiple linear regression method, which are widely used in the literature, also was used in order to compare the results.

Benzer Tezler

  1. Makine öğrenimi algoritmaları kullanılarak Erzurum ili için kirletici madde tahmini

    Pollutant prediction for Erzurum province using machine learning algorithms

    CEVAHİR DURAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Meteorolojiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜSEYİN TOROS

  2. Veri madenciliği yöntemleri kullanarak hava kirliliği tahmini

    Prediction of air pollution using data mining methods

    KIYMET KAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE GÜNDÜZ ÖĞÜDÜCÜ

  3. Binalarda enerji tüketiminin makine öğrenmesi algoritmaları ile tahminlenmesi

    Prediction of energy consumption in buildings with machine learning algorithms

    ONUR SARIÇİÇEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    İnşaat MühendisliğiEge Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜLBEN ÇALIŞ

  4. Investigation of machine learning methods for prediction of ozone concentration to determine outdoor air quality level

    Dış ortam hava kalite seviyesini belirlenmesinde ozon konsantrasyonu tahmini için makine öğrenme yöntemlerinin incelenmesi

    WALEED KHALID MAHMOOD

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiÇukurova Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ERCAN AVŞAR

  5. Hava kirliliğinin makine öğrenmesi yöntemleriyle tahmini

    Prediction of air pollution with machine learning methods

    AYÇA GÜVEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Endüstri ve Endüstri MühendisliğiBursa Uludağ Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BETÜL YAĞMAHAN