Geri Dön

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

  1. Tez No: 741395
  2. Yazar: NURAY ŞAŞA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ÖZNUR BEGÜM GÖKÇEK, DR. ÖĞR. ÜYESİ YEŞİM DOKUZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Çevre Mühendisliği, Environmental Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Niğde Ömer Halisdemir Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Çevre Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Konya ili hava kalitesinin derin öğrenme teknikleriyle değerlendirilmesi

    Evaluation of air quality in Konya province with deep learning techniques

    YAHYA KOÇAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MURAT KÖKLÜ

  2. 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

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. NURSAL ARICI

  3. 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

    Türkçe

    2021

    Çevre MühendisliğiNiğde Ömer Halisdemir Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    PROF. DR. FEHİMAN ÇİNER

    DR. ÖĞR. ÜYESİ AHMET EMİN KARKINLI

  4. 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

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Bilişim Sistemleri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SÜLEYMAN EKEN

  5. 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

    Türkçe

    2023

    Meteorolojiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜSEYİN TOROS