KaydedilenlerDerginizi ekleyin

Dergiler / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2006 / Cilt: 21 - Sayı: 2

İSTANBUL İLİ TROPSOFERİK OZON (O3) KONSANTRASYONLARININ HÜCRESEL YAPAY SİNİR AĞ YÖNTEMİYLE MODELLENMESİ

MODELING OF TROPHOSPHERIC OZONE (O3) CONCENTRATIONS USING CELLULAR NEURAL NETWORKS

H.kurtuluş ÖZCAN
Ülkü ŞAHİN
Cuma BAYAT
O.nuri UÇAN
Sayfa
239–245
Yayın Tarihi
2013-03-01
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Sonuç olarak, model çıktıları ve istatiksel değerler incelendiğinde HYSA yapısının ozon konsantrasyonu modellemelerinde kullanılabileceği görülmüştür.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Son yıllarda özellikle büyük şehirlerde, artan nüfus ve endüstrileşmeyle fotokimyasal smog oluşumu daartmaktadır.
📊
Temel Bulgular & Veri:Bu çalışmada 6 farklı kirletici parametre ve 8 meteorolojik faktör dikkate alınarak, İstanbul ili troposferik ozon konsantrasyonları Hücresel Yapay Sinir Ağ Yöntemiyle modellenmiştir.
💡
Sonuç & Katkı:Sonuç olarak, model çıktıları ve istatiksel değerler incelendiğinde HYSA yapısının ozon konsantrasyonu modellemelerinde kullanılabileceği görülmüştür.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Troposferik ozon · hava kirliliği · HYSA.

Özet

Son yıllarda özellikle büyük şehirlerde, artan nüfus ve endüstrileşmeyle fotokimyasal smog oluşumu daartmaktadır. 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.

Abstract

In the recent years, formation of photochemical smog is common in metropolitan areas ozone is the mostimportant pollution which causes photochemical smog. So, many studies focus on the air quality modelingaccounted ozone and ozone precursors. In this paper, we have applied Cellular Neural Network for futureprediction of ozone concentration in the European parts of Istanbul. We have used various real data parametersobserved in 6 different air pollution and 8 meteorological parameters. As a result, CNN model results representthe seasonal increment and decrement of observed Ozone and CNN can be considered as a compromisingapproach in ozone prediction modeling.

🔖

Bu Makaleye Atıf Yap

ÖZCAN, H., ŞAHİN, Ü., BAYAT, C., UÇAN, O. (2013). İSTANBUL İLİ TROPSOFERİK OZON (O3) KONSANTRASYONLARININ HÜCRESEL YAPAY SİNİR AĞ YÖNTEMİYLE MODELLENMESİ. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 21 - Sayı: 2, 239–245. https://ajindex.com/articles/21124

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (11)

  1. Eryılmaz, E., İstanbul’da Gece Ozonu, Yüksek Lisans Tezi İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü, 2001.
  2. Tecer, L., İstanbul Kenti Fotokimyasal Smog Mekanizmasının Modellenmesi Doktora Tezi, Cumhuriyet Üniversitesi, 2000.
  3. Tirabassi, T., Pelliccioni, A. ve Garazzo, C., “Coupling of Neural Network and Dispersion Models: a Novel Methodology for Air Pollution Models”, Int. J. Environment and Pollution, Cilt 20, No.1-6, 136-146, 2003.
  4. Wahab-Abdul, S.A. ve Al-Alawi, S.M., “Assessment and Prediction of Trophospheric Ozone Concentration Levels Using Artificial Neural Networks”, Environmental Modeling & Software, Cilt 17, pp 219-228, 2002.
  5. Gardner, M.W., Dorling S.R., “Statistical Surface Ozone Models; an Improved Methodology to account for Nonlinear Behavior” Atmospheric Environment, Cilt 34, 21-34, 2000. Spellman G., “An Application of Artificial Neural Networks to the Prediction of Surface ozone Concentrations in the United Kingdom”, Applied Geography, Cilt 19, 123-136, 1999. Comrie A. C., “Comparing Neural Networks and Regression Model for Ozone Forecasting”, Journal of Air and Waste Manegement Association Cilt 47, 653-663, 1997.
  6. Jorquera H., Ricardo P.,Cipriano A., Espejo A., Letelier M.V., and Acuna G., “Forecasting Ozone Daily Maximum Levels At Santiago, Chile”, Atmospheric Environment, Cilt. 32, 1267-1271, - Elkamel A., Wahab-Abdul S.A., Bouhamra W., Alper E., “Measurement and Prediction of Ozone Levels Around a Heavly Industrialized Area; A Neural Network Approach”, Advanced in Environmental Reserch, Cilt 5,.47-59, 2001. Ruiz –Suarez J.C., Mayora-Ibarra O.A., Torres- Jimenes J. ve Ruiz –Suarez L.G., “Short Term Ozone Forecasting by Artificial Neural Networks”, Advances in Engineering Software, Cilt 23, 143-149, 1995.
  7. Chua L.O., Yang L.,. “Cellular Neural Networks” Application, IEEE Transactions on Circuits and Systems Cilt 35 (10), 1273-1290, 1988.
  8. Şahin U., Uçan O.N., Tolluoğlu O., ve Bayat C., “İstanbul’un Hava Kirliliğinin Hücresel Yapay Sinir Ağ ile Modellenmesi”, TAINN’04 Turkish Symposium on Artificial Intelligence and Neural Networks.,2004
  9. Izmir, Turkey Albora, A.M., Ucan, O.N., Ozmen, A.,ve Ozkan, T. “Separation of Bouguer Anomaly Map Using Cellular Neural Network”, Journal of Applied Geophysics Cilt 46, 129-142, 2001.
  10. Cimagalli, V. “Cellular Neural Networks A Review”, Proceedings of Sixth Italian Workshop on Parallel Architectures and Neural Networks, Vietri Sul Mare, May 12-14,,
  11. Italy Özcan H.K, Şahin Ü, Bayat C., Uçan O.N “İstanbul