Makine öğrenmesi yöntemleri ile hava kirliliği tahmini: Manisa ve Zonguldak örneği
Air pollution prediction with machine learning methods: Manisa and Zonguldak example
- Tez No: 739567
- Danışmanlar: PROF. DR. NURSAL ARICI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 95
Özet
Dünyadaki artan nüfusla beraber meydana gelen enerji kullanımındaki artış, şehirleşme ve ısınma aktiviteleri sonucunda ortaya çıkan hava kirliliği her geçen gün artarak büyük bir çevre sorunu haline gelmiştir. Hava kirliliği problemi, atmosferde bulunan hava bileşiklerinin değişmesine, asit yağmurlarına, ozon tabakasının incelmesine, doğada bulunan tüm canlılar üzerindeki olumsuz etkilere sebep olarak ekosisteme ciddi zarar vermektedir. Hava kirliliğinin önceden bir model oluşturularak değerlendirilmesi, oluşan kirliliğe karşı önlemler almakta ve hava kalitesinin iyileştirme çözüm süreçlerini kolaylaştırmakta büyük önem taşımaktadır. Hava kirliliğinin birçok parametreden etkilenmesi, her parametrenin ölçülememesi ve modellemeler sonunda elde edilen yüksek doğruluk bu konuda makine öğrenmesi tekniklerinin kullanılmasının temel nedenidir. Bu tez çalışmasında Zonguldak ve Manisa iline ait 2016-2021 yılları arasında ölçülen PM10, SO2, CO, NO2, NOX, O3 kirleticileri ile Sıcaklık, Nem, Yağış, Rüzgâr Hızı ve Basınç meteoroloji parametrelerinden oluşan bir veri seti kullanılmıştır. Veri seti literatürde iyi bilinen Destek Vektör Makinaları, Karar Ağaçları, Naif Bayes, Rastgele Orman, K-En Yakın Komşu ve Uzun Kısa Süreli Bellek yöntemleriyle modellenmiş ve Kök Ortalama Kare Hatası (KOKH), Ortalama Mutlak Hata (OMH), ve Açıklayıcılık Katsayısı (𝑅2) ile modellerin başarısı karşılaştırılmıştır. İki istasyon için LSTM %87 değeri ile diğer yöntemlerden daha iyi sonuç verdiği görülmüştür. En düşük performansı ise %36 değer ile Naif Bayes olmuştur.
Özet (Çeviri)
With the increase in energy use, urbanization, and heating activities that occur with the increasing world population, air pollution has become a major environmental problem, increasing day by day. The problem of air pollution causes serious damage to the ecosystem by causing changes in air compounds in the atmosphere, acid rain, depletion of the ozone layer, and negative effects on all living creatures. Estimating air pollution using a model is crucial in taking measures for possible pollution and facilitating air quality improvement processes. The fact that air pollution is dependent on many parameters, the inability to measure all parameters and the high accuracy obtained at the end of the modelling are the main reasons for using machine learning techniques in this regard. In this thesis, a data set consisting of PM10, SO2, CO, NO2, NOX, O3 pollutants and meteorological parameters of Temperature, Humidity, Precipitation, Wind Speed and Pressure measured between 2016-2021 in Zonguldak and Manisa provinces are used. The data set was modelled with Support Vector Machines, Decision Trees, Naive Bayes, Random Forest, K-Nearest Neighbor and Long Short-Term Memory methods, which are well known in the literature. Model performances measured and compared using accuracy, Root Mean Square Error (RMSE), Mean Absolute Error (MAE), and Explanatory Coefficient (𝑅2) metrics. The LSTM, gives better results than other methods with a 0.87 accuracy value for both stations. The lowest performance is Naive Bayes with an accuracy value of 0.36.
Benzer Tezler
- Veriler arası analitik kullanarak PM10 konsantrasyonları ve meteorolojik bilgilerden hava kalitesi tahmin etme
Prediction of air quality from PM10 concentrations and meteorological information using cross data analytics
MUHAMMED ŞARA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SÜLEYMAN EKEN
- 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
- 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
- IoT tabanlı akıllı şehirlerde derin öğrenme ve mobil tabanlı akıllı park sistemi yaklaşımı
Deep learning and mobile-based smart parking system approach in IoT-based smart cities
HİKMET CANLI
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SİNAN TOKLU
- Yapay sinir ağlarıyla Türkiye'deki yenilenebilir enerji potansiyeline bağlı olarak uzun süreli elektrik üretim tahmini
Estimatation on long-term electricity generation depending on renewable energy potential in Turkey with artificial neural networks
MERVE GÜLER
Yüksek Lisans
Türkçe
2023
EnerjiSivas Cumhuriyet ÜniversitesiEnerji Bilimleri ve Teknoloji Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DERYA BETÜL ÜNSAL ÇELİMLİ