Hava kirliliği parametrelerinin yapay sinir ağı (YSA) ve çoklu regresyon algoritması ile modellenmesi: Kocaeli örneği
Modeling of air pollution parameters with artificial neural network (ANN) and multiple regression algorithm: The case of Kocaeli
- Tez No: 743928
- Danışmanlar: PROF. DR. ARZU ERENER
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Jeodezi ve Jeoinformasyon Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 236
Özet
Hava kirliliği insan sağlığına ve doğaya zarar vermekte olup, nüfus artışının beraberinde getirdiği kentleşme, sanayileşme ve taşıt sayısı gibi faktörler kirletici oranlarını artırmaktadır. Hava kirliliğinin önlenmesi, tedbirlerin alınması ve planlamaların yapılabilmesi açısından belirli aralıklar ile oluşturulan haritalar ile değişimler incelenmelidir. Hava kirliliği ölçümü yapılamayan bir alanda etken faktörler kullanılarak tahmin modelleri geliştirmek bu anlamda oldukça önemlidir. Bu çalışma kapsamında 2008-2019 yılları arasında ölçülen PM10 ve SO2 konsantrasyon değerleri sezonsal olarak değerlendirilerek, Türkiye'nin en büyük sanayi kentlerinden biri olan Kocaeli için kirlilik oranlarındaki değişim analiz edilmiştir. Kirliliğe etki eden mekânsal, topografik, meteorolojik ve demografik veriler ile coğrafi bilgi sistemleri (CBS) teknolojisi ile 42 ayrı bağımsız değişken kullanılarak mevsimsel ortalamalar için tahmin modelleri oluşturulmuştur. Tahmin modellerinde çoklu regresyon analizi (ÇRA) ve yapay sinir ağı (YSA) yöntemleri uygulanmıştır. Çoklu regresyon analizinde regresyon varsayımlarının sağlanarak analizlerin yapılmasına dikkat edilmiş ve stepwise metodu ile modeller oluşturulmuştur. Yapay sinir ağı modellerinde ise gerekli normalizasyon işlemleri yapılmış ve ileri beslemeli geri yayılım algoritması kullanılarak denemeler sonucunda en iyi modeller oluşturulmuştur. Oluşturulan modellere 2018 yılı verileri sunularak 2019 yılına ait tahmin değerleri elde edilmiştir. Çalışma bulguları sonucunda elde edilen tahmin değerleri ile gerçek değerler arasında ortalama karesel hata (MSE), kök ortalama karesel hata (RMSE), ortalama hata (ME), ortalama yüzde hata (MPE), ortalama mutlak yüzde hata (MAPE) ve ortalama mutlak hata (MAE) hesaplanmıştır. Çalışma sonucunda hava kirliliği tahmininde YSA'nın, ÇRA'ya göre performansının daha yüksek olduğu tespit edilmiştir. Her mevsim için yöntemlere ait tahmin değerleri ile gerçek değerlerin yoğunluk haritaları CBS ile oluşturulmuştur.
Özet (Çeviri)
Air pollution harms both human health and the environment, and factors such as urbanization, industrialization, and an increase in the number of vehicles caused by population growth increase pollutant rates. Changes should be monitored using maps created at regular intervals in order to prevent air pollution, take precautions, and plan ahead of time. In this regard, it is critical to create prediction models based on effective factors in an area where air pollution cannot be measured. Within the scope of this study, PM10 and SO2 concentration values measured between 2008 and 2019 were evaluated seasonally, and the change in pollution rates for Kocaeli, one of Turkey's most populous industrial cities, was examined. Forecast models for seasonal averages were created by collecting 42 different independent variables affecting pollution using spatial, topographic, meteorological, and demographic data, as well as geographic information systems (GIS) technology. In prediction models, multiple regression analysis (MRA) and artificial neural network (ANN) methods were used. Attention was paid to the analysis in the multiple regression analysis by providing the regression assumptions, and models were created using the stepwise method. The necessary normalization processes were performed in the artificial neural network models, and the best models were created as a result of the experiments using the feed forward back propagation algorithm. Forecast values for 2019 were obtained by presenting 2018 data to the models developed. The mean square error (MSE), root mean square error (RMSE), mean error (ME), mean percent error (MPE), mean absolute percent error (MAPE) and mean absolute error (MAE) were calculated as the difference between the estimated values obtained from the study findings and the actual values. As a result of the research, it was determined that ANN outperforms MRA in estimating air pollution. GIS was used to create density maps of the actual values and estimation values for each season.
Benzer Tezler
- Evolutionary feature optimization for plant leaf disease detection by deep neural networks
Bitki yaprak hastalık teşhisi için derin sinir ağları ile evrimsel özellik optimizasyonu
JALAL SADOON HAMEED AL BAYATI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. BURAK BERK ÜSTÜNDAĞ
- A comparison of various interpolation methods in prediction and validation of marine gravity data
Deniz gravite verilerinin belirlenmesinde ve kontrol edilmesinde farklı interplasyon yöntemlerinin karşılaştırılması
MUHAMAD ALAIED
Yüksek Lisans
İngilizce
2021
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİHTER EROL
- Deep learning for wind energy systems using the hurst exponent and statistical parameters
Hurst üslü ve istatistiksel parametreleri kullanarak rüzgar enerjisi sistemleri için derin öğrenme
BEHNAZ ALAFI
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Kayseri ili hava kirliliği parametrelerinin özelleştirilmiş makine öğrenmesi metodu ile tahmini
Prediction of air pollution parameters in Kayseri province with customized machine learning methods
HİKMET COŞKUN
Yüksek Lisans
Türkçe
2022
Çevre MühendisliğiErciyes ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞÜKRÜ TANER AZGIN
- Yüksek gerilim kablolarında dielektrik kayıp parametrelerinin farklı işletme koşullarında deneysel ve yapay sinir ağları ile incelenmesi
Experimental investigation on dielectric loss parameters of high voltage cables in various operational conditions using artificial neural networks
CELAL FADIL KUMRU
Doktora
Türkçe
2016
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. CELAL KOCATEPE