Hava kalitesi tahmininde derin öğrenme modellerinin karşılaştırmalı analizi
Comparative analysis of deep learning models in air quality prediction
- Tez No: 751454
- Danışmanlar: DR. ÖĞR. ÜYESİ EFNAN ŞORA GÜNAL
- 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: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Donanım Bilim Dalı
- Sayfa Sayısı: 75
Özet
Hava kalitesi tahmini, belirli kirleticilerin, gözlem birimlerindeki sensörler yardımı ile elde edilen verilerinin, gelişen derin öğrenme ve makine öğrenmesi gibi teknikler kullanılarak modellenmesidir. Tez çalışması ile, hava kalitesi indeksi ve 𝑃𝑀10, 𝑆02, 𝑂3, 𝐶𝑂, 𝑁𝑂2 gibi hava kirletici verileri ile güncel derin öğrenme modellerinin tahmin performanslarının karşılaştırılması amaçlanmıştır. Bu amaç ile ANN, CNN, LSTM, ResNets ve Auto Regressive modeller ile karşılaştırmalı analiz yapılmıştır. Deneysel çalışmada, tek bir zaman adımı ve birden çok zaman adımı için tahminlerin yapıldığı iki yöntem uygulanmıştır. Her iki yöntemde de tüm öznitelikler ve AQI için tahminler yapılarak tüm sonuçlar için karşılaştırmalı analizler gerçekleştirilmiştir. Tek adımlı tahmin yönteminde model performanslarının mevsimsel trend üzerindeki davranışları analiz edilmiştir. AQI'in tahmininde en iyi tahmin performansını veren model LSTM olmuştur. Tüm özniteliklerin tahmininde en iyi performansı CNN modeli göstermiştir. Çok adımlı tahmin yöntemi ile ise ileri dönem zaman serisinin tek seferde tahmini gerçekleştirilmiştir. Ayrıca, modelin yalnızca tek adımlı tahminler yaptığı, çıktısının girdi olarak geri beslendiği otoregresif model ile analiz yapılmıştır. Öznitelik olarak AQI'in tahmin edildiği tüm ileri dönem tahmin performansları karşılaştırıldığında LSTM en iyi tahmin performansı sergilemektedir. Tüm özniteliklerin tahmin edildiği ileri dönem tahminlerinde saat bazlı olarak en iyi performans CNN modeli ile elde edilmiştir.
Özet (Çeviri)
Air quality prediction is the modeling of the data obtained with the help of sensors in the observation units of certain pollutants, using techniques such as advanced deep learning and machine learning. With the thesis study, it is aimed to compare the prediction performances of current deep learning models with air quality index and air pollutant data such as 𝑃𝑀10, 𝑆02, 𝑂3, 𝐶𝑂 and 𝑁𝑂2. For this purpose, comparative analysis was performed with several different models, including convolutional and recurrent neural networks (CNNs and RNNs), LSTM, Residual nets and some autoregressive models. In this study, two methods were applied in which predictions were made for a single time step and for multiple time steps. In both methods, predictions were made for all features and AQI. In the one-step forecasting method, the behavior of the model performances on the seasonal trend was analyzed. The model that gave the best prediction performance in predicting AQI was LSTM. The CNN model showed the best performance in the prediction of all features. With the multi-step forecasting method, the future time series was predicted in one go. In addition, the analysis was made with the autoregressive model, in which the model made only onestep predictions and the output was fed back as input. When AQI is estimated as an attribute, LSTM shows the best forecast performance. The best performance has been obtained with the CNN model in the future predictions where all the features are predicted.
Benzer Tezler
- Hava kalitesi tahmininde veri görselleştirme ve derin öğrenme modellerinin karşılaştırılmalı analizi
Comparative analysis of data visualization and deep learning models in air quality forecasting
DAMLA MENGÜŞ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİHTER DAŞ
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Partikül madde konsantrasyonu tahmininde derin öğrenme yaklaşımlarının karşılaştırmalı incelenmesi
A comparative analysis of deep learning approaches for the prediction of particulate matter concentration
İPEK AKSANGÜR
Doktora
Türkçe
2023
Çevre MühendisliğiSakarya ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. BEYTULLAH EREN
DR. ÖĞR. ÜYESİ CANER ERDEN
- 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
- Deep learning based road segmentation from multi-source and multi-scale data
Çok kaynaklı ve çok ölçekli veriyle derin öğrenme tabanlı yol bölütlenmesi
OZAN ÖZTÜRK
Doktora
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER