Hava Kalitesinin İncelenmesi ve Eğitilebilir Algoritmalarda Modellenmesinin Araştırılması; Çerkezköy Örneği
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: İstanbul Üniversitesi-Cerrahpaşa, Mühendislik Fakültesi, Çevre Mühendisliği Bölümü, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: Hüseyin Özel
Danışman: Hüseyin Kurtuluş Özcan
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Hava kirliliğine neden olan kirleticiler gün geçtikçe artan miktarlarda atmosfere salınmaya devam etmektedir. Yoğun nüfusa sahip bölgelerde hava kirliliğine bağlı kısa ve uzun vadede çeşitli sağlık sorunları ortaya çıkmaktadır. Şehir ölçeğinde hava kalitesinin yüksek tutulabilmesi için hava kirliliğinin ölçümlerle takip edilmesi ve sonuçlara istinaden gereken önleyici politikaların uygulanması gerekmektedir. Hava kalitesinin belirlenmesinde matematiksel modeller kullanılarak hava kirleticilerinin ölçümü yapılabildiği gibi teknolojinin gelişimi ile yapay zekâ modelleri ile de kirleticilerin ölçüm sonuçları tahmin edilmektedir. Bu çalışmada kentleşmenin ve sanayinin iç içe olduğu Çerkezköy lokasyonunda PM10 ve PM2.5 kirleticilerinin zamansal değişimi analiz edilerek, ANFIS (Adaptif Sinirsel Bulanık Çıkarım Sistemi), SVR (Destek Vektör Regresyonu), CART (Kümeleme ve Regresyon Ağaçları), RF (Rastgele Orman), KNN (K-En Yakın Komşu Algoritması) ve ELM (Aşırı Öğrenme Makinesi) makine öğrenmesi metotları ile konsantrasyonlarının tahmin edilmesi amaçlanmıştır. Bu amaçla; çalışmanın birinci bölümünde hava kirleticiler (PM10, PM2.5, SO2, NO, NO2, NOx, CO) ve meteorolojik parametrelerden (sıcaklık, rüzgâr hızı, rüzgâr yönü ve toplam yağış) 4 yıllık (2016, 2017, 2018, 2019) veri tabanı oluşturulmuştur. Hava kalitesi indeksi değerleri de ele alınarak verilerin zamansal değerlendirmesi yapılmış ve birbirleri ile olan ilişkisi incelenmiştir. Ayrıca 2020 yılında COVID-19 pandemisi kaynaklı kısıtlamaların hava kalitesine olan etkileri araştırılmıştır. Çerkezköy ile benzer şehirleşme ve sanayileşmeye sahip bölgeler ile şehirleşme ve sanayiden uzak bölgeler karşılaştırılarak, kirletici kaynakları ve nedenleri belirlenmeye çalışılmıştır. Çalışmanın ikinci bölümünde 6 farklı makine öğrenmesi yöntemi kullanılarak, "R" yazılım ortamında, PM10 ve PM2.5 konsantrasyonları modellenmiş ve tahmin edilmiştir. Kirletici veriler, meteorolojik veriler, kirletici ve meteorolojik veriler olmak üzere 3 farklı veri seti hazırlanarak modellemede kullanılmış ve farklı sonuçlar elde edilmiştir. Tahmin sonuçları R, MAE ve RMSE istatistiksel performans parametreleri kullanılarak karşılaştırılmıştır. PM10 ve PM2.5 tahmini için ANFIS metodunun diğer metotlardan daha başarılı olduğu görülmüştür.