Yıl: 2022 Cilt: 10 Sayı: 4 Sayfa Aralığı: 807 - 826 Metin Dili: Türkçe DOI: 10.36306/konjes.1082866 İndeks Tarihi: 16-12-2022

ATMOSFERİK PARTİKÜL MADDELERİN MAKİNE ÖĞRENMESİ İLE TAHMİNİ: BEŞİKTAŞ, İSTANBUL ÖRNEĞİ

Öz:
Hava kirliliği, insan sağlığına ve çevreye olumsuz etkileri nedeniyle uzun yıllardır tartışılmakta olan bir problemdir. Bu problemi çözmek ve gereken önlemleri almak amacıyla hava kalitesinin değerlendirilmesi önem arz etmektedir. Hava kalitesi değerlendirilirken kirletici konsantrasyonları analiz edilerek, toplum açısından herkesin anlayabileceği bir indeks sistemi kullanılmaktadır. Ulusal Hava Kalitesi İndeksi kapsamında kalite indeksi hesaplanan beş temel kirleticiden biri, ciddi solunum yolu hastalıklarına sebep olan atmosferik partikül maddelerdir. Bu çalışmada çapı 2,5 mikrondan küçük olan ve PM2,5 olarak adlandırılan atmosferik partikül maddelerin oluşumunda trafik yoğunluğu, meteorolojik koşullar ve NOX, SO2, PM10 hava kirleticilerinin etkisi araştırılmıştır. Bu amaçla İstanbul Büyükşehir Belediyesi tarafından farklı alanlarda verilerin paylaşıldığı açık veri portalından yararlanılarak Beşiktaş bölgesindeki hava kalitesi izleme istasyonu incelenmiştir. Atmosferik partikül maddelerin tahmininde Çoklu Doğrusal Regresyon (ÇDR), Rassal Orman (RO), Destek Vektör Makineleri (DVM) ve Yapay Sinir Ağları (YSA) kullanılmıştır. Regresyon denkleminde farklı bağımsız değişkenlerin incelendiği farklı modeller geliştirilmiştir. Geliştirilen modeller ve kullanılan makine öğrenme algoritmaları determinasyon katsayısı (R2), düzeltilmiş R2, ortalama mutlak hata, ortalama hata karesi ve ortalama hata karesi kökü performans ölçütlerine göre karşılaştırılmıştır. Meteorolojik parametreler, trafik yoğunluğu, tarih ve PM10 konsantrasyonunun bağımsız değişken olarak kullanıldığı model, incelenen tüm performans ölçütlerine göre diğer modellere üstünlük sağlamıştır. Algoritmalar karşılaştırıldığında ise performans ölçütlerinin modellere göre değişiklik gösterdiği görülmüş ancak en iyi performans ortalamasına sahip teknik RO, en kötü performans ortalamasına sahip teknik ise ÇDR olarak bulunmuştur.
Anahtar Kelime: Hava Kalitesi Makine Öğrenmesi Doğrusal Regresyon Rassal Orman Algoritması Destek Vektör Makineleri Yapay Sinir Ağları

Prediction of Atmospheric Particulate Matter By Machine Learning: A Case Study of Beşiktaş, İstanbul

Öz:
Air pollution is a problem that has been discussed for many years due to its negative effects on human health and the environment. It is important to evaluate air quality to eliminate all these negative effects and take the necessary precautions. When evaluating air quality, pollutant concentrations are analyzed and an index system that can be understood by everyone in the society is used. One of the five main pollutants whose quality index is calculated within the scope of the National Air Quality Index is atmospheric particulate matter, which causes serious respiratory diseases. In the study, the effects of traffic density, meteorological conditions, and NOX, SO2, PM10 pollutants on the formation of atmospheric particulate matter, which is less than 2.5 microns in diameter and called PM2,5 were investigated. For this purpose, the air quality monitoring station in Beşiktaş Region was examined by using the open data portal where data in different areas are shared by the Istanbul Metropolitan Municipality. Multiple Linear Regression (MLR), Random Forest (RF), Support Vector Machines (SVM) and Artificial Neural Networks (ANN) were used in the prediction of atmospheric particulate matter. Different models have been developed in which different independent variables were examined in the regression model. The developed models and the machine learning algorithms were compared according to coefficient of determination (R2), adjusted R2, mean absolute error, mean squared error and root mean square error performance criteria. The model, in which meteorological parameters, traffic density, date and PM10 concentration were used as independent variables, outperformed other models in terms of all performance criteria examined. When the results obtained were examined, it was seen that the algorithm performances varied according to the models. However, according to all performance criteria, the technique with the best average performance was found to be RF, while the technique with the worst performance average was found to be MLR.
Anahtar Kelime:

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık
0
0
0
APA YAĞMUR E (2022). ATMOSFERİK PARTİKÜL MADDELERİN MAKİNE ÖĞRENMESİ İLE TAHMİNİ: BEŞİKTAŞ, İSTANBUL ÖRNEĞİ. , 807 - 826. 10.36306/konjes.1082866
Chicago YAĞMUR ECE ATMOSFERİK PARTİKÜL MADDELERİN MAKİNE ÖĞRENMESİ İLE TAHMİNİ: BEŞİKTAŞ, İSTANBUL ÖRNEĞİ. (2022): 807 - 826. 10.36306/konjes.1082866
MLA YAĞMUR ECE ATMOSFERİK PARTİKÜL MADDELERİN MAKİNE ÖĞRENMESİ İLE TAHMİNİ: BEŞİKTAŞ, İSTANBUL ÖRNEĞİ. , 2022, ss.807 - 826. 10.36306/konjes.1082866
AMA YAĞMUR E ATMOSFERİK PARTİKÜL MADDELERİN MAKİNE ÖĞRENMESİ İLE TAHMİNİ: BEŞİKTAŞ, İSTANBUL ÖRNEĞİ. . 2022; 807 - 826. 10.36306/konjes.1082866
Vancouver YAĞMUR E ATMOSFERİK PARTİKÜL MADDELERİN MAKİNE ÖĞRENMESİ İLE TAHMİNİ: BEŞİKTAŞ, İSTANBUL ÖRNEĞİ. . 2022; 807 - 826. 10.36306/konjes.1082866
IEEE YAĞMUR E "ATMOSFERİK PARTİKÜL MADDELERİN MAKİNE ÖĞRENMESİ İLE TAHMİNİ: BEŞİKTAŞ, İSTANBUL ÖRNEĞİ." , ss.807 - 826, 2022. 10.36306/konjes.1082866
ISNAD YAĞMUR, ECE. "ATMOSFERİK PARTİKÜL MADDELERİN MAKİNE ÖĞRENMESİ İLE TAHMİNİ: BEŞİKTAŞ, İSTANBUL ÖRNEĞİ". (2022), 807-826. https://doi.org/10.36306/konjes.1082866
APA YAĞMUR E (2022). ATMOSFERİK PARTİKÜL MADDELERİN MAKİNE ÖĞRENMESİ İLE TAHMİNİ: BEŞİKTAŞ, İSTANBUL ÖRNEĞİ. Konya mühendislik bilimleri dergisi (Online), 10(4), 807 - 826. 10.36306/konjes.1082866
Chicago YAĞMUR ECE ATMOSFERİK PARTİKÜL MADDELERİN MAKİNE ÖĞRENMESİ İLE TAHMİNİ: BEŞİKTAŞ, İSTANBUL ÖRNEĞİ. Konya mühendislik bilimleri dergisi (Online) 10, no.4 (2022): 807 - 826. 10.36306/konjes.1082866
MLA YAĞMUR ECE ATMOSFERİK PARTİKÜL MADDELERİN MAKİNE ÖĞRENMESİ İLE TAHMİNİ: BEŞİKTAŞ, İSTANBUL ÖRNEĞİ. Konya mühendislik bilimleri dergisi (Online), vol.10, no.4, 2022, ss.807 - 826. 10.36306/konjes.1082866
AMA YAĞMUR E ATMOSFERİK PARTİKÜL MADDELERİN MAKİNE ÖĞRENMESİ İLE TAHMİNİ: BEŞİKTAŞ, İSTANBUL ÖRNEĞİ. Konya mühendislik bilimleri dergisi (Online). 2022; 10(4): 807 - 826. 10.36306/konjes.1082866
Vancouver YAĞMUR E ATMOSFERİK PARTİKÜL MADDELERİN MAKİNE ÖĞRENMESİ İLE TAHMİNİ: BEŞİKTAŞ, İSTANBUL ÖRNEĞİ. Konya mühendislik bilimleri dergisi (Online). 2022; 10(4): 807 - 826. 10.36306/konjes.1082866
IEEE YAĞMUR E "ATMOSFERİK PARTİKÜL MADDELERİN MAKİNE ÖĞRENMESİ İLE TAHMİNİ: BEŞİKTAŞ, İSTANBUL ÖRNEĞİ." Konya mühendislik bilimleri dergisi (Online), 10, ss.807 - 826, 2022. 10.36306/konjes.1082866
ISNAD YAĞMUR, ECE. "ATMOSFERİK PARTİKÜL MADDELERİN MAKİNE ÖĞRENMESİ İLE TAHMİNİ: BEŞİKTAŞ, İSTANBUL ÖRNEĞİ". Konya mühendislik bilimleri dergisi (Online) 10/4 (2022), 807-826. https://doi.org/10.36306/konjes.1082866