Destek vektör regresyon ile hava kirliliği tahmini
Air pollution prediction using support vector regression
- Tez No: 463905
- Danışmanlar: PROF. DR. AHMET SERMET ANAGÜN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- 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
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Makine öğrenimi algoritmaları kullanılarak Erzurum ili için kirletici madde tahmini
Pollutant prediction for Erzurum province using machine learning algorithms
CEVAHİR DURAK
Yüksek Lisans
Türkçe
2024
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN TOROS
- Veri madenciliği yöntemleri kullanarak hava kirliliği tahmini
Prediction of air pollution using data mining methods
KIYMET KAYA
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE GÜNDÜZ ÖĞÜDÜCÜ
- Binalarda enerji tüketiminin makine öğrenmesi algoritmaları ile tahminlenmesi
Prediction of energy consumption in buildings with machine learning algorithms
ONUR SARIÇİÇEK
Yüksek Lisans
Türkçe
2024
İnşaat MühendisliğiEge Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLBEN ÇALIŞ
- 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
2021
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERCAN AVŞAR
- Hava kirliliğinin makine öğrenmesi yöntemleriyle tahmini
Prediction of air pollution with machine learning methods
AYÇA GÜVEN
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri MühendisliğiBursa Uludağ ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. BETÜL YAĞMAHAN