PM10 parametresinin makine öğrenmesi algoritmaları ile mekânsal analizi, Kayseri ili örneği
Spatial analysis of PM10 parameter with machine learning algorithms, the case of Kayseri province
- Tez No: 741395
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZNUR BEGÜM GÖKÇEK, DR. ÖĞR. ÜYESİ YEŞİM DOKUZ
- Tez Türü: Yüksek Lisans
- Konular: Çevre Mühendisliği, Environmental Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Niğde Ömer Halisdemir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Çevre Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
Hava kirliliğinin son yıllarda artışı ile birlikte alınacak olan erken önlemler dâhilinde hava kirliliği tahmininin yapılması insan ve çevre sağlığına verilebilecek zararın en aza indirilmesinde önemlidir. Bu çalışmada günlük ortalama hava kirliliği miktarının, önemli bir hava kirletici olan PM10 konsantrasyonu üzerinden tahminlenmesi ve hava kirliliğinin çevresel ve mekânsal modellenmesi amaçlanmıştır. Tahminleme modeli, Orta Anadolu Bölgesinde yer alan Kayseri ilinde bulunan 3 istasyondan alınan 2010-2018 yılları arasında ölçülen PM10 (partikül madde) konsantrasyonu verileri kullanılarak makine öğrenmesi algoritmaları (kNN SVR, RF, ANN, Lineer Regresyon) ile eğitilmiştir. Kayseri'deki 3 istasyonun 2010-2018 yılları arasındaki PM10 konsantrasyon değerleri girdi olarak verilmiş ve 2019 yılına ait PM10 konsantrasyon değerleri tahmin edilmiştir. En iyi sonuçlar 3 istasyon için de SVR algoritması ile elde edilmiş olup Trafik bölgesi için R2:0.85, RMSE:17.57, MAE:10.17; Hürriyet bölgesi için R2:0.73, RMSE:34.91, MAE:24.61 ve OSB bölgesi için R2:0.82, RMSE:41.71, MAE:21.62 olduğu tespit edilmiştir. Tahmini konsantrasyon sonuçlarının mekânsal dağılımı (CBS) ile sağlanarak, hava kirliliğinin iyileştirilmesine yönelik stratejiler oluşturulmuştur.
Özet (Çeviri)
With the increase of air pollution in recent years, it is important to make an estimation of air pollution within the scope of early measures to be taken in minimizing the damage to human and environmental health. In this study, it is aimed to estimate the daily average amount of air pollution from the PM10 concentration, which is an important air pollutant, and to model the environmental and spatial air pollution. The prediction model was trained with machine learning algorithms (kNN SVR, RF, ANN, Linear Regression) using PM10 (particulate matter) concentration data measured between 2010-2018 from 3 stations in Kayseri, Central Anatolia. PM10 concentration values of 3 stations in Kayseri between 2010-2018 were given as input and PM10 concentration values for 2019 were estimated. The best results were obtained with SVR algorithm for all three stations. For the traffic zone, R2: 0.85, RMSE: 17.57, MAE: 10.17; For Hürriyet region, R2: 0.73, RMSE: 34.91, MAE: 24.61 and for OSB region R2: 0.82, RMSE: 41.71, MAE: 21.62. The spatial distribution of the estimated concentration results obtained was provided by the Geographical Information System (GIS), and spatial strategies were created to improve air pollution on land use.
Benzer Tezler
- Konya ili hava kalitesinin derin öğrenme teknikleriyle değerlendirilmesi
Evaluation of air quality in Konya province with deep learning techniques
YAHYA KOÇAK
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT KÖKLÜ
- Makine öğrenmesi yöntemleri ile hava kirliliği tahmini: Manisa ve Zonguldak örneği
Air pollution prediction with machine learning methods: Manisa and Zonguldak example
BÜŞRA DUYGU ÇELİK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NURSAL ARICI
- Kabil'in hava kalitesi tahmininde makine öğrenmesi algoritmalarının kullanılması
Using machine learning algorithms in prediction of air quality in kabul
SAKHIDAD FAIZI
Yüksek Lisans
Türkçe
2021
Çevre MühendisliğiNiğde Ömer Halisdemir ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. FEHİMAN ÇİNER
DR. ÖĞR. ÜYESİ AHMET EMİN KARKINLI
- 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
- 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