Çevre kirliliğinin izlenmesinde makine öğrenmesi algoritmaları kullanımı
Use of machine learning algorithms in monitoring environmental pollution
- Tez No: 942780
- Danışmanlar: PROF. DR. SEDAT BALLIKAYA, DOÇ. DR. HASAN TİRYAKİ
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Mühendislik Bilimleri Ana Bilim Dalı
- Bilim Dalı: Mühendislik Bilimleri Bilim Dalı
- Sayfa Sayısı: 64
Özet
Artan nüfus, sanayileşme, toksik atıkların bertarafı ve sağlıksız tarımsal faaliyetler toprak kirliliğini artırarak çevresel dengeyi bozmaktadır. Bunlardan biri de hidrokarbon kirliliğidir. Hem ekosistemlerin doğal yapılarında kalabilmesi hem de insan sağlığının olumsuz etkilenmemesi için oluşan hidrokarbon kirliliğinin sınırlarının belirlenmesi, izlenmesi ve doğru şekilde müdahale edilmesi gerekmektedir. Kimyasal deneyler yapmak bir yöntem iken bir diğer yöntem de belirli zaman aralıklarında ortamın elektriksel özelliklerini incelemektir. Kimyasal deneylere göre daha geniş alanları tarayabilen ve alınan numunelere zarar vermeden bunu yapabilen jeofizik spektral indüklenmiş polarizasyon (SIP) yöntemi son yıllarda popüler hale gelmiştir. Zamanla hidrokarbonlarla kirlenen alanlarda manyetit gibi çeşitli metalik mineraller artmaktadır. Özellikle manyetit olmak üzere farklı tipteki metalik minerallerin elektriksel özelliklerini tespit edebilen SIP yöntemi bu tip çevre kirliliğinin sınırlarını belirlemek için kullanılmaktadır. Bu yöntemi geliştirmek için laboratuvar deneylerine ihtiyaç duyulmaktadır. Ancak bu deneyler genellikle zaman alıcı ve maliyetli olabilmektedir. Verilerle oluşturulan örüntüleri ve ilişkileri öğrenen makine öğrenmesi algoritmaları, bazı işlemleri daha etkili bir şekilde gerçekleştirme, zaman kaybını önleme ve maliyetleri en aza indirme potansiyeline sahiptir. Bu tezde, laboratuvar ortamında toplanan metalik bir mineral olan manyetitin elektriksel tepkileri kullanılmıştır. SIP sonuçları farklı makine öğrenmesi algoritmalarıyla test edilmiş ve algoritmaların performansları hakkında değerlendirmeler yapılmıştır. Tezde kullanılan makine öğrenmesi algoritmalarının performansları gerçek verilerle karşılaştırılmış ve bu süreçte %95'in üzerinde başarı gösteren 13 algoritma belirlenmiştir. Rastgele Komite ve Rastgele Ağaç algoritmalarının en düşük hata oranlarına sahip olduğu ve hızlı çalışma süreleriyle en iyi performansı gösterdiği belirlenmiştir. Ayrıca diğer algoritmaların başarı oranının %95 ve üzeri olduğu da dikkate alınmalıdır. Bu tez, hidrokarbonlardan kaynaklanan çevre kirliliği analizlerinde kullanılan SIP yöntemi (laboratuvar koşullarında) için bir ölçek oluşturmak amacıyla makine öğrenmesi algoritmalarının nasıl kullanılabileceği konusunda önemli bilgiler sunmaktadır. Son olarak, laboratuvar çalışmalarının zaman ve maliyetini azaltma ve elde edilen verilerin insan kaynaklı hatalardan arındırılmasına yardımcı olma potansiyeline sahip olan makine öğrenmesi algoritmalarının, çevre kirliliği sınırlarının belirlenmesi ve izlenmesinde kullanılabilecek ölçeğin oluşturulmasında kullanılması önerilmektedir.
Özet (Çeviri)
Increasing population, industrialization, disposal of toxic wastes, and unhealthy agricultural activities increase soil pollution and disrupt the environmental balance. Hydrocarbon pollution is one of them. For both ecosystems to remain in their natural structure, and for human health not to be adversely affected, the boundaries of the hydrocarbon pollution that occurs must be determined, monitored, and intervened correctly. While conducting chemical experiments is one method, another method is to examine the electrical properties of the environment at certain time intervals. The geophysical spectral induction polarization (SIP) method, which can scan larger areas compared to chemical experiments and do this without damaging the samples taken, has become popular in recent years. Various metallic minerals - such as magnetite - increase in areas contaminated with hydrocarbons over time. The SIP method, which can detect the electrical properties of different types of metallic minerals, especially magnetite, is used to determine the boundaries of this type of environmental pollution. Laboratory experiments are needed to develop this method. However, these experiments can usually be time-consuming and costly. Machine learning algorithms that learn patterns and relationships formed with data have the potential to perform some operations more effectively, prevent loss of time, and minimize costs. In this thesis, electrical responses of magnetite, a metallic mineral, collected in a laboratory environment were used. SIP results were tested with different machine learning algorithms and evaluations were made about the performances of the algorithms. The performances of the machine learning algorithms used in the thesis were compared with real data, and 13 algorithms that showed over 95% success were determined in this process. It was determined that Random Committee and Random Tree algorithms had the lowest error rates and exhibited the best performance with fast working times. In addition, it should be taken into account that the success rate of other algorithms was 95% and above. This thesis provides important information on how machine learning algorithms can be used to create a scale for the SIP method (in laboratory conditions)used in environmental pollution analyses caused by hydrocarbons. Finally, it is recommended that machine learning algorithms, which have the potential to reduce the time and costs of laboratory studies, and help the obtained data to be free from human-induced errors, be used to create the scale to can be used for determining and monitoring environmental pollution limits.
Benzer Tezler
- Filtration performance of ceramic membranes at whey processing and risk assessment of end-product
Seramik membranların peynir altı suyu işlenmesinde filtrasyon performansı ve son ürünün risk analizi
FURKAN AYTEKİN
Yüksek Lisans
İngilizce
2020
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. DERYA YÜKSEL İMER
- Theoretical and experimental analysis of turbocharger in tractor engines
Traktör motorlarında turboşarj uygulamasının teorik ve deneysel yöntemlerle incelenmesi
ZAFER ÇANGA
Doktora
İngilizce
2016
Makine MühendisliğiSelçuk ÜniversitesiTarım Makineleri ve Teknolojileri Mühendisliği Ana Bilim Dalı
PROF. DR. KAZIM ÇARMAN
- Türkiye'de OECD testlerine tabi tutulan tarım traktörlerinde Avrupa Birliği enerji etiketinin oluşturulması
EU energy label creation for the agricultural tractors subjected to the OECD tests in Turkey
SELÇUK OLUM
Doktora
Türkçe
2022
EnerjiAnkara ÜniversitesiTarım Makineleri ve Teknolojileri Mühendisliği Ana Bilim Dalı
PROF. DR. ERGİN DURSUN
- Yeşil liman yaklaşımı ve liman işletmelerinde sürdürülebilirlik
Green port approach and sustainability in port authorities
GİZEM DİLEK GÜLTEPE MATARACI
Yüksek Lisans
Türkçe
2016
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. FATMA GÜLEN İSKENDER
- Gemı̇ ana makı̇nelerı̇nde yapılan modı̇fı̇kasyonların enerjı̇ verı̇mlı̇lı̇ğı̇ne olan etkı̇sı̇
Impact of modifications and upgrades on marine main engines energy efficiency
RESUL ŞANAL
Yüksek Lisans
Türkçe
2021
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU