AI Summary & Key Takeaways
AI InsightForecasted emission values are at a high level compared to today, and necessary measures and activities to increase biomass should be carried out considering these values.
📌 3 Key Takeaways
Abstract
Greenhouse gas emissions prevent our world's self-renewal capacity and cause ozone depletion, global warming and reduced food resources. In addition, greenhouse gases are the biggest factor that creates the ecological footprint. To make the world more livable and self-sufficient, the biocapacity fields and the ecological footprint must be in balance. In order to achieve this balance, the situation for the future of greenhouse gas emissions should be determined. In this study, the forecasting of greenhouse gas emissions for Turkey is carried out using machine learning algorithms, and the data set denominated greenhouse gas emissions of Turkey between the years 1967-2017. In order to test the success of the methods, the data set is first handled as a time series and then 10-fold cross-validation is applied to evaluate the results statistically. Long Short-Term Memory is determined as the best algorithm and in the test set evaluated as time series, root mean square error, mean absolute percentage error and the coefficient of determination of this algorithm are found as 0.25, 1.11, and 1.0 respectively. The model created with these successful results is used to estimate greenhouse gas emissions between 2018 and 2031. Forecasted emission values are at a high level compared to today, and necessary measures and activities to increase biomass should be carried out considering these values.
Özet
Sera gazı emisyonu dünyamızın kendini yenileme kapasitesinin önüne geçerek, ozon tabakasının delinmesi, küresel ısınma ve besin kaynaklarının azalması gibi sonuçlara sebep olmaktadır. Ayrıca sera gazları, ekolojik ayak izini oluşturan en büyük etmendir. Dünyanın daha yaşanılabilir ve kendi kendine yetebilir olması için biyokütle alanları ile ekolojik ayak izi dengede olmalıdır. Bu dengeyi sağlamak için ise sera gazı emisyonunun ileriye yönelik durumu belirlenmelidir. Bu çalışmada, makine öğrenimi algoritmaları kullanılarak Türkiye için ileriye yönelik sera gazı emisyonu tahminlemesi gerçekleştirilmiş olup, veri setini Türkiye’ye ait 1967-2017 yılları arasındaki sera gazı emisyonu oluşturmaktadır. Yöntemlerin başarısını sınamak için öncelikle veri seti zaman serisi olarak ele alınmış daha sonra ise istatistiksel olarak da sonuçları değerlendirmek için 10-kat çapraz doğrulama uygulanmıştır. En iyi algoritma olarak Uzun Kısa-Vadeli Hafıza tespit edilmiş olup zaman serisi olarak değerlendirilen test setinde bu algoritmanın ortalama karesel hataların karekökü, ortalama mutlak yüzde hata ve belirleme katsayısı değerleri sırası ile 0.25, 1.11, 1.0 bulunmuştur. Bu başarılı sonuçlar ile oluşturulan model 2018-2031 yılına kadar olan sera gazı emisyonunu tahmin etmek için kullanılmıştır. Tahmin edilen emisyon değerleri günümüze göre yüksek seviyede olup bu değerler göz önüne alınarak gerekli tedbir ve biyokütleyi artırıcı faaliyetlerin gerçekleştirilmesi gerekmektedir.