Konya İli Hava Kalitesinin Derin Öğrenme Teknikleriyle Değerlendirilmesi
Yükleniyor...
Dosyalar
Tarih
2023
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi Fen Bilimleri Ensititüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Today, air pollution is a major global problem for life on earth. Among the biggest reasons
for the increase in this problem are factors such as population growth and increased
industrialization. Air pollution poses a major risk to life on earth. It can have many
harmful effects on health, including respiratory and heart diseases and even death. In
order to prevent and solve this problem, both international organizations and local
authorities implement various measures related to air pollution. Some of these measures
include the installation of air quality monitoring stations to regularly measure pollutants
such as SO2, PM2.5 and PM10. However, in order to have an idea about the concentration
levels of these substances in the future by taking only these measurements as reference,
it would be more advantageous to utilize computer-aided systems than statistical methods
in order to obtain the results in a healthier and closer to reality. The most prominent
among the methods to be used in this context is deep learning algorithms, which are a
subclass of machine learning. In this study, it is aimed to predict the PM10 parameter for
1, 2, 8, 24 hours and 1 week by using air quality monitoring data from 3 different
measurement stations in Konya province and deep learning methods. In order to avoid
missing data in the data set and to increase the success level of the model, the missing
data were completed with the K-Nearest Neighbor method as a pre-processing process,
and then Feed Forward Neural Networks (FNN), Long Short Term Memory (LSTM) and
Bidirectional Long Short Term Memory (Bi-LSTM) algorithms were used.
Günümüzde hava kirliliği dünya üzerindeki canlı yaşam için küresel boyutta önemli bir sorundur. Bu sorunun artmasının en büyük nedenleri arasında nüfus artışı, sanayileşmenin artışı gibi faktörler sayılabilir. Hava kirliliği yeryüzündeki yaşam için büyük bir risk oluşturmaktadır. Solunum, kalp hastalıkları ve hatta ölüm de dahil sağlık üzerinde birçok zararlı etkisi olabilmektedir. Bu sorunun önlenmesi ve çözümü için hem uluslararası kuruluşlar hem de yerel idarelerin hava kirliliğiyle alakalı çeşitli tedbirler uygulamaktadır. Bu tedbirlerin bir kısmı SO2, PM2.5 ve PM10 gibi kirleticileri düzenli olarak ölçmek için hava kalitesi izleme istasyonlarının kurulmasını içermektedir. Fakat sadece bu ölçümleri referans alarak bu maddelerin gelecekte hangi konsantrasyon seviyelerinde olacağı hakkında fikir sahibi olabilmek için bilgisayar destekli sistemlerden faydalanmak, sonuçların daha sağlıklı ve gerçeğe en yakın olacak şekilde elde edilebilmesi için istatistiksel yöntemlere göre daha avantajlı olacaktır. Bu bağlamda kullanılacak yöntemler arasında en çok öne çıkanı ise makine öğrenmesinin alt sınıfı olan derin öğrenme algoritmalarıdır. Bu çalışmada Konya ilinde bulunan 3 farklı ölçüm istasyonuna ait hava kalitesi izleme verileri ve derin öğrenme yöntemlerinin kullanılmasıyla PM10 parametresinin 1, 2, 8, 24 saatlik ve 1 haftalık tahmin edilmesi amaçlanmıştır. Kullanılan veri setinde eksik verilerin bulunması ve bu eksik verilerin sonucu olumsuz etkilememesi, modelin başarı seviyesinin artırılması için ön işlem olarak K-En Yakın Komşu yöntemi ile eksik verilerin tamamlanması sağlanmış, sonrasında ise İleri Beslemeli Sinir Ağları (FNN), Uzun Kısa Süreli Bellek (LSTM) ve Çift Yönlü Uzun Kısa Süreli Bellek (Bi-LSTM) algoritmaları kullanılmıştır.
Günümüzde hava kirliliği dünya üzerindeki canlı yaşam için küresel boyutta önemli bir sorundur. Bu sorunun artmasının en büyük nedenleri arasında nüfus artışı, sanayileşmenin artışı gibi faktörler sayılabilir. Hava kirliliği yeryüzündeki yaşam için büyük bir risk oluşturmaktadır. Solunum, kalp hastalıkları ve hatta ölüm de dahil sağlık üzerinde birçok zararlı etkisi olabilmektedir. Bu sorunun önlenmesi ve çözümü için hem uluslararası kuruluşlar hem de yerel idarelerin hava kirliliğiyle alakalı çeşitli tedbirler uygulamaktadır. Bu tedbirlerin bir kısmı SO2, PM2.5 ve PM10 gibi kirleticileri düzenli olarak ölçmek için hava kalitesi izleme istasyonlarının kurulmasını içermektedir. Fakat sadece bu ölçümleri referans alarak bu maddelerin gelecekte hangi konsantrasyon seviyelerinde olacağı hakkında fikir sahibi olabilmek için bilgisayar destekli sistemlerden faydalanmak, sonuçların daha sağlıklı ve gerçeğe en yakın olacak şekilde elde edilebilmesi için istatistiksel yöntemlere göre daha avantajlı olacaktır. Bu bağlamda kullanılacak yöntemler arasında en çok öne çıkanı ise makine öğrenmesinin alt sınıfı olan derin öğrenme algoritmalarıdır. Bu çalışmada Konya ilinde bulunan 3 farklı ölçüm istasyonuna ait hava kalitesi izleme verileri ve derin öğrenme yöntemlerinin kullanılmasıyla PM10 parametresinin 1, 2, 8, 24 saatlik ve 1 haftalık tahmin edilmesi amaçlanmıştır. Kullanılan veri setinde eksik verilerin bulunması ve bu eksik verilerin sonucu olumsuz etkilememesi, modelin başarı seviyesinin artırılması için ön işlem olarak K-En Yakın Komşu yöntemi ile eksik verilerin tamamlanması sağlanmış, sonrasında ise İleri Beslemeli Sinir Ağları (FNN), Uzun Kısa Süreli Bellek (LSTM) ve Çift Yönlü Uzun Kısa Süreli Bellek (Bi-LSTM) algoritmaları kullanılmıştır.
Açıklama
Anahtar Kelimeler
Hava kirliliği, Hava kalitesi, Yapay sinir ağları, Tahmin, LSTM, Bi-LSTM, FNN, Air pollution, Air quality, Artificial neural networks, Forecasting
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Koçak, Y., (2023). Konya İli Hava Kalitesinin Derin Öğrenme Teknikleriyle Değerlendirilmesi. (Yüksek Lisans Tezi). Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya.
