Prediction of deep learning methods using wavelet transform
Dalgacık dönüşümü kullanılarak derin öğrenme yöntemleri ile tahminleme
- Tez No: 944844
- Danışmanlar: PROF. DR. SERPİL KILIÇ DEPREN
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: 92
Özet
Hava kirliliği, PM10 gibi partikül madde içeren yanma gazlarının salınması sonucu ortaya çıkmaktadır. Doğru ve güvenilir teknikler ile PM10 konsantrasyonlarının tahmini, sağlık risklerini düşürmek için göz önüne alınmalıdır. Ortam hava kalitesi ve halk sağlığı üzerindeki zararlı etkileri en aza indirmek için önleyici tedbirleri yürütmek üzere erken uyarı sistemlerinin potansiyelinin olması, PM10'u tahmin etme sayesinde mümkün hale gelmektedir. Bu çalışma, saatlik geçmiş hava kirletici konsantrasyonları ve meteorolojik verileri kullanarak, Ayrık Dalgacık Dönüşümü (DWT), Çok Katmanlı Algılayıcılar (MLP), Yinelemeli Sinir Ağları (RNN), Uzun Kısa Süreli Bellek (LSTM), Çift Yönlü LSTM (BiLSTM), Kapılı Yinelemeli Birim (GRU) ve Evrişimli Sinir Ağı (CNN) kullanarak 24 saat sonraki PM10 konsantrasyonunu tahmin etmek için bir yöntem önermektedir. İlk olarak, yüksek performanslı modelleri belirlemek için dalgacık tipleri kullanılır ve bu modeller arasında derin öğrenme tekniklerinde iyi performans gösterenler belirlenir. Modeller karşılaştırılırken RMSE, MAE ve R2 değerleri gibi performans parametreleri dikkate alınmıştır. En iyi model, en düşük RMSE (1,908), MAE (0,994), ve en yüksek R2 (%99)'ye sahip Dmey dalgacık dönüşümü kullanılan DWT-GRU-BiLSTM modeli olmuştur. Bu çalışmada kullanılan model, gelecekteki araştırmalarda bölgesel PM konsantrasyon seviyelerini doğru bir şekilde tahmin etmek için kullanılabilir. Sürdürülebilir akıllı çevre sistemleri kurmak ve önleyici eylemlerde bulunabilen kurum ve kuruluşların doğru zamanda harekete geçmesine yardımcı olmak için, uygulanan bu hibrit derin öğrenme algoritmalarının doğru tahminleme yeteneğinden yararlanılabilir. Hava kirliliğinin arttığı ve insan sağlığı için tehdit oluşturduğu mevcut ortamda, alınabilecek her türlü önleyici tedbir, tüm canlılar için yaşam kalitesini iyileştirecek, hava kirliliğinden kaynaklanan sağlık sorunlarını ve ölümleri azaltacak ve nihayetinde refah derecesini yükseltecektir. Ayrıca, bu bulgular İstanbul gibi yoğun nüfuslu, endüstriyel ve yoğun trafiğe sahip şehirlerin hava kalitesiyle ilgili ikna edici ampirik kanıtlar sunabilir.
Özet (Çeviri)
Air pollution can result from the release of combustion gases that contain particulate matter, such as PM10. Accurate and trustworthy techniques for PM10 level prediction are essential to lowering health risks. The potential creation of an early warning system to carry out preventative measures to minimize detrimental effects on ambient air quality and public health is made possible by the ability to estimate PM10. Using hourly historical air pollutant concentrations and meteorological data, this study suggests a method for predicting the PM10 concentration after 24 hours using Discrete Wavelet Transform (DWT), Multi-Layer Perceptron (MLP), Recurrent Neural Network (RNN), Long Short-Term Memory (LSTM), Bidirectional LSTM (BiLSTM), Gated Recurrent Unit (GRU), and Convolutional Neural Network (CNN). First, wavelet types are used to identify high-performing models, and among these models, those that perform well in deep learning techniques are identified. When comparing the models, performance parameters like RMSE, MAE, and R2 values are evaluated. The best model is the DWT-GRU-BiLSTM model using Dmey wavelet transform, which has the lowest RMSE (1.908), MAE (0.994), and highest R2 (99%). The model used in this study could be used to correctly estimate regional PM concentration levels in future research. To build sustainable smart environmental systems and help institutions and organizations that can take preventative actions to act at the right time, these implemented hybrid deep learning algorithms' ability to produce accurate future predictions can be utilized. In the current environment, where air pollution is increasing and posing a threat to human health, every preventive measure that can be taken into place will improve the quality of life for all living things, reduce health issues and deaths due to air pollution, and ultimately raise the degree of well-being. Additionally, these findings can offer compelling empirical evidence regarding the air quality of densely populated, industrial, and traffic-heavy cities like Istanbul.
Benzer Tezler
- Derin öğrenme metotları kullanarak rulmanların kalan faydalı kullanım ömrünün tahmini
Prediction the remaining useful life of bearings using deep learning methods
AHMET EKİZ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KAPLAN KAPLAN
- Dalgacık dönüşümü ve derin öğrenme yöntemleri ile hisse senedi fiyat tahmini
Stock price prediction with wavelet transform and deep learning methods
ÇAĞRI ÇOBAN
Yüksek Lisans
Türkçe
2023
EkonometriAydın Adnan Menderes ÜniversitesiEkonometri Ana Bilim Dalı
DOÇ. DR. ELVAN HAYAT
- Yapay zeka teknikleri ile manyetik rezonans görüntülerinden multipl skleroz hastalığının teşhisi ve gelecekteki aktivitesinin tahmini
Identification of multipl sclerosis and prediction of future activity from magnetic resonance images by artificial intelligence techniques
ZÜLEYHA YILMAZ ACAR
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH BAŞÇİFTÇİ
- Yapay zekâ yöntemleri kullanarak otomobil motor ses sinyallerinden arıza tespiti
Fault detection from automobile engine sound signals using artificial intelligence methods
FERİT AKBALIK
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDULNASIR YILDIZ
PROF. DR. ÖMER FARUK ERTUĞRUL
- Sakarya Havzasındaki kısa dönem meteorolojik kuraklığın hibrit modeller ile tahmin edilmesi
Prediction of short-term meteorological drought in the Sakarya Basin with hybrid models
ÖMER COŞKUN
Doktora
Türkçe
2023
İnşaat MühendisliğiErciyes Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. HATİCE ÇITAKOĞLU