Kabil'in hava kalitesi tahmininde makine öğrenmesi algoritmalarının kullanılması
Loading...
Date
2021
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Niğde Ömer Halisdemir Üniversitesi / Fen Bilimleri Enstitüsü
Access Rights
info:eu-repo/semantics/openAccess
Abstract
Günümüzde, insanların çeşitli faaliyetleri sonucu meydana gelen üretim ve tüketim aktiviteleri sırasında ortaya çıkan hava kirliliği her gün artan bir çevre sorunudur. Bu sorun, atmosferdeki hava bileşiklerinin değişmesi, küresel iklim değişimi, asit yağışları, ozon tabakasının seyrelmesi, yaban hayatı ve insanlar üzerindeki olumsuz etkiler oluşturarak ekosisteme zarar vermektedir. Hava kirliliğini etkileyen parametrelerin belirlenerek bir model içerisinde değerlendirilmesi, kirliliğe karşı alınabilecek önlemleri yönlendirebilmekte ve hava kalitesi ve standartlarının iyileştirilebilmesi için üretilecek çözüm süreçlerini kolaylaştırmaktadır. Hava kirliliğinin birçok parametreye bağlı olması, her parametrenin ölçülememesi/temin edilememesi bu konuda makine öğrenmesi tekniklerinin kullanılmasının temel nedenidir. Bu tez çalışmasında da Kabil iline ait Sıcaklık, Çiy noktası, Nem, Rüzgâr Hızı ve Basınç meteoroloji parametreleri ile PM2.5, PM10, CO, SO2, NO2, O3 kirleticilerinden oluşan bir veri seti kullanılmıştır. Veri seti literatürde iyi bilinen, Lineer Regresyon, Yapay Sinir Ağları, Destek Vektör Makinaları, Karar Ağaçları ve Gauss Süreç Regresyonu yöntemleriyle modellenmiş ve modellerin başarısı karşılaştırılmıştır.
Today, air pollution that occurs during production and consumption activities that occur as a result of various activities of people is an environmental problem that is increasing day by day. This problem harms the ecosystem by creating changes in air compounds in the atmosphere, global climate change, acid precipitation, depletion of the ozone layer, adverse effects on wildlife and humans. Determining the parameters affecting air pollution and evaluating them in a model can guide the measures that can be taken against pollution and facilitate the solution processes to be produced in order to improve air quality and standards. The fact that air pollution depends on many parameters and that every parameter cannot be measured/provided is the main reason for using machine learning techniques in this regard. In this thesis, a data set consisting of the temperature, dew point, humidity, wind speed and pressure meteorological parameters of the province of Kabul and pollutants PM2.5, PM10, CO, SO2, NO2, O3 was used. The data set was modeled with the well-known methods of Linear Regression, Artificial Neural Networks, Support Vector Machines, Decision Trees and Gaussian Process Regression and the success of the models was compared.
Today, air pollution that occurs during production and consumption activities that occur as a result of various activities of people is an environmental problem that is increasing day by day. This problem harms the ecosystem by creating changes in air compounds in the atmosphere, global climate change, acid precipitation, depletion of the ozone layer, adverse effects on wildlife and humans. Determining the parameters affecting air pollution and evaluating them in a model can guide the measures that can be taken against pollution and facilitate the solution processes to be produced in order to improve air quality and standards. The fact that air pollution depends on many parameters and that every parameter cannot be measured/provided is the main reason for using machine learning techniques in this regard. In this thesis, a data set consisting of the temperature, dew point, humidity, wind speed and pressure meteorological parameters of the province of Kabul and pollutants PM2.5, PM10, CO, SO2, NO2, O3 was used. The data set was modeled with the well-known methods of Linear Regression, Artificial Neural Networks, Support Vector Machines, Decision Trees and Gaussian Process Regression and the success of the models was compared.
Description
Keywords
Hava kirliliği, Makine öğrenmesi, Kabil, Karbon monoksit, Kükürt dioksit, Partikül madde, Air pollution, Machine Learning, Kabul, Carbon monoxide, Sulfur dioxide, Particulate matter
Journal or Series
WoS Q Value
Scopus Q Value
Volume
Issue
Citation
Faızı, S. (2021). Kabil'in hava kalitesi tahmininde makine öğrenmesi algoritmalarının kullanılması. (Yüksek Lisans Tezi) Niğde Ömer Halisdemir Üniversitesi, Fen Bilimleri Enstitüsü, Niğde
