AI Summary & Key Takeaways
AI InsightAs a result, CNN model results represent the seasonal increment and decrement of observed Ozone and CNN can be considered as a compromising approach in ozone prediction modeling.
📌 3 Key Takeaways
Abstract
In the recent years, formation of photochemical smog is common in metropolitan areas ozone is the most important pollution which causes photochemical smog. So, many studies focus on the air quality modeling accounted ozone and ozone precursors. In this paper, we have applied Cellular Neural Network for future prediction of ozone concentration in the European parts of Istanbul. We have used various real data parameters observed in 6 different air pollution and 8 meteorological parameters. As a result, CNN model results represent the seasonal increment and decrement of observed Ozone and CNN can be considered as a compromising approach in ozone prediction modeling.
Özet
Son yıllarda özellikle büyük şehirlerde, artan nüfus ve endüstrileşmeyle fotokimyasal smog oluşumu da artmaktadır. Fotokimyasal smog oluşumunda en önemli kirletici ozon gazıdır. Bu yüzden pek çok çalışma ozon ve ozon öncülerini hesaba katan hava kalitesi modellemesi üzerinde yoğunlaşmaktadır. Bu çalışmada 6 farklı kirletici parametre ve 8 meteorolojik faktör dikkate alınarak, İstanbul ili troposferik ozon konsantrasyonları Hücresel Yapay Sinir Ağ Yöntemiyle modellenmiştir. HYSA modeli ile birlikte istatiksel indisler hesaplanmış ve model performansı kontrol edilmiştir. Sonuç olarak, model çıktıları ve istatiksel değerler incelendiğinde HYSA yapısının ozon konsantrasyonu modellemelerinde kullanılabileceği görülmüştür.