AI Summary & Key Takeaways
AI InsightAccording to the results of Principal Component Analysis, the six factors explained 92.72% of the total variance.
📌 3 Key Takeaways
Abstract
Multivariate statistical methods are successfully used in many areas. Cluster Analysis and Principal Component Analysis methods are the most used of these methods. In this study, water quality data prepared for Seyfe Lake were evaluated. For this purpose, principal components and cluster analysis techniques were used. The 26 selected parameters were gathered at 11 of the points and evaluated. The cluster analysis was obtained from three different groups. These sampling points have different physicochemical characteristics and the pollution levels. According to the results of Principal Component Analysis, the six factors explained 92.72% of the total variance. The first factor 29.52%, the second factor 17.89%, the third factor 16.75%, the fourth 13.65%, the fifth 9.73%, and the sixth 5.17% of the cumulative variances explained respectively. Results reveal that sulfate, nitrate, total phosphorus, hardness, electrical conductivity, total dissolved solid, magnesium, potassium, sodium, calcium, biochemical oxygen demand, chemical oxygen demand, aluminum, iron, chromium, and lead were the most important parameters used to evaluate changes in water quality of the lake.
Özet
Çok değişkenli istatistiksel yöntemler birçok alanda başarıyla kullanılmaktadır. Kümeleme ve temel bileşenler analiz yöntemleri en çok kullanılan yöntemlerdendir. Bu çalışmada, Seyfe Gölü’nden elde edilen su kalitesi verileri değerlendirildi. Bu amaç için temel bileşenler ve kümeleme analizi kullanıldı. On bir farklı noktadan alınan seçilmiş 26 parametre değerlendirilmiştir. Kümeleme analizi üç farklı gruptan elde edilmiştir. Bu örnekleme noktaları farklı fiziko-kimyasal özelliklere ve kirlilik seviyelere sahiptir. Temel bileşenler analizi sonuçlarına göre, toplam varyansın % 92.72’sini altı faktör açıklamıştır. Kümülatif varyansın % 29.52’sini birinci faktör, % 17.89’unu ikinci faktör, % 16.75’ini üçüncü faktör, % 13.65’ini dördüncü faktör, % 9.73’ünü beşinci faktör ve % 5.17’sini altıncı faktör sırasıyla açıklamıştır. Sonuçlar sülfat, nitrat, toplam fosfor, sertlik, elektriksel iletkenlik, toplam çözünmüş madde, magnezyum, potasyum, sodyum, kalsiyum, biyokimyasal oksijen, kimyasal oksijen, alüminyum, demir, krom ve kurşunun gölün su kalitesindeki değişimlerini değerlendirmek için kullanılan en önemli parametreler olduğunu ortaya koymuştur.