Hava kirliliğinin makine öğrenmesi yöntemleriyle tahmin edilmesi
Prediction of air pollution using machine learning methods
- Tez No: 970844
- Danışmanlar: DR. ÖĞR. ÜYESİ COŞKUN PARİM
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Hava kirliliği, insan sağlığı, ekosistemler ve genel çevre kalitesi üzerinde geniş kapsamlı etkileri olan, günümüzün en kritik çevresel sorunlarından biridir. Sanayi faaliyetleri, kentleşme, araç emisyonları, enerji üretimi ve tarım gibi insan kaynaklı etkenlerle atmosfere salınan zararlı kimyasal ve fiziksel maddeler, güvenli sınırların üzerinde kirletici yoğunluklarına yol açabilmektedir. Özellikle yoğun nüfuslu veya sanayileşmiş bölgelerde hava kirliliği seviyelerinin önceden tahmin edilmesi, halk sağlığını korumak ve çevresel sürdürülebilirliği sağlamak için büyük önem taşımaktadır. Bu çalışma, önemli bir hava kirletici olan Partikül Madde (PM10) yoğunluğunu çeşitli makine öğrenmesi teknikleri kullanarak tahmin etmeyi amaçlamaktadır. Çalışmada kullanılan veri seti, 2018 ile 2020 yılları arasında Yalova ilinde bulunan hava kalitesi izleme istasyonundan saatlik olarak elde edilmiştir. PM10'a ek olarak, SO₂, NO, NO₂, NOx ve O₃ gibi diğer hava kirleticiler ile birlikte hava sıcaklığı, rüzgar hızı, rüzgar yönü, bağıl nem ve hava basıncı gibi meteorolojik değişkenler de değerlendirmeye alınmıştır. Veri seti kronolojik olarak %70 eğitim ve %30 test alt kümelerine ayrılmıştır. PM10 üzerindeki etkisi en yüksek olan değişkenleri belirlemek için özellik seçimi yöntemleri uygulanmıştır. Birden fazla makine öğrenmesi modeli eğitilerek, R², MSE, RMSE ve MAE gibi performans ölçütleri ile değerlendirilmiştir. Sonuç olarak, bu çalışma farklı modellerin başarımlarını karşılaştırarak PM10 yoğunluğunu en doğru şekilde tahmin eden yaklaşımı belirlemekte ve veri odaklı hava kalitesi yönetimine katkı sağlamayı hedeflemektedir.
Özet (Çeviri)
Air pollution is one of the most critical environmental issues of our time, with far reaching impacts on human health, ecosystems, and overall environmental quality. The release of harmful chemical and physical substances into the atmosphere— originating from industrial activities, urbanization, vehicle emissions, energy production, and agriculture can result in pollutant concentrations that exceed safe limits. Especially in densely populated or industrial regions, predicting air pollution levels in advance is essential for taking timely measures to protect public health and ensure environmental sustainability. This study focuses on estimating the concentration of Particulate Matter (PM10), a major air pollutant, using various machine learning techniques. The data used in the study consists of hourly observations collected between 2018 and 2020 from a monitoring station located in Yalova, a city of strategic industrial and ecological importance in Türkiye. In addition to PM10, other air pollutants such as SO₂, NO, NO₂, NOx, and O₃ are included, along with meteorological variables such as air temperature, wind speed, wind direction, relative humidity, and air pressure. The dataset is split chronologically into 70% training and 30% testing subsets. Feature selection methods are applied to determine the most relevant variables influencing PM10 concentrations. Multiple machine learning models are trained and evaluated using performance metrics including R², MSE, RMSE and MAE. The study ultimately compares these models to identify the most effective approach for accurate PM10 prediction, contributing to proactive air quality management strategies.
Benzer Tezler
- Hava kirliliğinin makine öğrenmesi yöntemleriyle tahmini
Prediction of air pollution with machine learning methods
AYÇA GÜVEN
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri MühendisliğiBursa Uludağ ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. BETÜL YAĞMAHAN
- Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi
Analysis of container port operations using machine learning methods
ÜSTÜN ATAK
Doktora
Türkçe
2022
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU
PROF. DR. TOLGA KAYA
- 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
- Havacılık sektöründe istatistiksel proses kontrol: Uçak bakım süreçlerinin iyileştirilmesine yönelik bir uygulama
Statistical process control in the aviation sector: An implementation to improve aircraft maintenance processes
HAMİT HAMİDETTİN KUMURKAN
Yüksek Lisans
Türkçe
2021
İşletmeİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN YILDIRIM
- 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
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NURSAL ARICI