Dergiler / International Journal of Advances in Engineering and Pure Sciences / 2023 / Cilt: 35 - Sayı: 1

Makine Öğrenmesi Yöntemleri ile Şehirlerin Hava Kalitesi Tahmini

Sayfa
39–53
Yayın Tarihi
2023-03-30
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)

Makine öğrenmesi yöntemlerini kullanarak sunduğumuz çözümlerde hava kalitesi tahmini 3 sınıflı modellerde %87 oranında, 5 sınıflı modellerde ise %82 oranında başarılı sonuçlar üretmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Hava Kalite Endeksi (AQI), Avrupa standartları çerçevesinde yer alan beş temel kirletici unsur (CO, SO2, NO2, O3 ve PM10) göz önünde bulundurularak değerlendirilen bir endekstir.
📊
Temel Bulgular & Veri:Çalışmamızda, şehirlerin kirlilik oranına göre sınıflandırılabilmesi ve böylece kirlilik durumu kritik seviyede olan şehirlerin kısa sürede belirlenebilmesi amaçlanmıştır.
💡
Sonuç & Katkı:Makine öğrenmesi yöntemlerini kullanarak sunduğumuz çözümlerde hava kalitesi tahmini 3 sınıflı modellerde %87 oranında, 5 sınıflı modellerde ise %82 oranında başarılı sonuçlar üretmiştir.
🔬Tür:Deneysel Tarla Denemesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Sınıflandırma · Makine Öğrenmesi · Hava Kalite İndeksi

Özet

Hava Kalite Endeksi (AQI), Avrupa standartları çerçevesinde yer alan beş temel kirletici unsur (CO, SO2, NO2, O3 ve PM10) göz önünde bulundurularak değerlendirilen bir endekstir. Bu endeks ile şehirlerdeki kirlilik miktarları hakkında bilgi elde edilebilmekte ve şehirlerin daha temiz şehirlere dönüşmesi için çalışmalar yapılabilmektedir. Günümüzde bu ölçümlere gerekli önem verilmemekle birlikte yeterli miktarda ve doğrulukta ölçümler yapılamamaktadır. Çalışmamızda, şehirlerin kirlilik oranına göre sınıflandırılabilmesi ve böylece kirlilik durumu kritik seviyede olan şehirlerin kısa sürede belirlenebilmesi amaçlanmıştır. Bu amaç doğrultusunda, hava kalitesi belirleyicileri olarak değerlendirilebilecek, şehirlerin hava kalitesine etkisi olan farklı parametreler toplanarak bir araya getirilmiş, AQI verileri ile birlikte veri seti olarak kullanılmıştır. Şehrin nüfusu, betonarme yapı sayısı, yeşil alan ve kullanılan ulaşım araç oranlarının da belirleyici olarak kullanıldığı çalışmamızda hava kalitesi 3 ve 5 sınıflı sınıflandırma problemi olarak ayrı ayrı ele alınmıştır. Çalışmamızda, AQI değerinin insan sağlığına etki oranları hesaplanarak sınıf atamaları yapılmıştır. Makine öğrenmesi yöntemlerini kullanarak sunduğumuz çözümlerde hava kalitesi tahmini 3 sınıflı modellerde %87 oranında, 5 sınıflı modellerde ise %82 oranında başarılı sonuçlar üretmiştir.

🔖

Bu Makaleye Atıf Yap

ÖKLÜ, M., CANBAY, P. (2023). Makine Öğrenmesi Yöntemleri ile Şehirlerin Hava Kalitesi Tahmini. International Journal of Advances in Engineering and Pure Sciences, Cilt: 35 - Sayı: 1, 39–53. https://ajindex.com/articles/886452

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (15)

  1. Brunekreef, B., & Holgate, S. T. (2002). Air pollution and health. The lancet, 360(9341), 1233-1242
  2. Bayram, H. (2005). Türkiye’de hava kirliliği sorunu: Nedenleri, alınan önlemler ve mevcut durum. Toraks Dergisi, 6(2), 159-165
  3. Kyrkilis, G., Chaloulakou, A., & Kassomenos, P. A. (2007). Development of an aggregate Air Quality Index for an urban Mediterranean agglomeration: Relation to potential health effects. Environment international, 33(5), 670-676
  4. Akyüz, A. A. (2019). Yaşamsal Bilinmezlik: İklim Krizi Ve Gıda
  5. Houghton, J. (2005). Global warming. Reports on progress in physics, 68(6), 1343
  6. Pörtner, H. O., Roberts, D. C., Masson-Delmotte, V., Zhai, P., Tignor, M., Poloczanska, E., & Weyer, N. M. (2019). The ocean and cryosphere in a changing climate. IPCC Special Report on the Ocean and Cryosphere in a Changing Climate
  7. Tubitak Bilim ve Teknik, 632’s Extra Article, https://bilimteknik.tubitak.gov.tr/pdf/temmuz-2020, (February 2022)
  8. Advameg Inc. City Data, Advanced U.S. City Search, http://www.city-data.com/advanced/search.php (February 2022)
  9. Badem, H. (2019). Parkinson Hastaliğinin Ses Sinyalleri Üzerinden Makine Öğrenmesi Teknikleri ile Tanimlanmasi. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, 8(2), 630-637
  10. Canbay P. Sağlıkta Yapay Zeka: Makine Öğrenmesi Yöntemleri ve Uygulamaları. Şahin AR, Doğan K, Sivri S. Sağlık Bilimlerinde Yapay Zeka, 11-24, Ankara, Türkiye, Akademisyen Kitabevi, 2020
  11. Kuhn, M., & Johnson, K. (2013). Applied predictive modeling (Vol. 26, p. 13). New York: Springer
  12. Pasupuleti, V. R., Kalyan, P., & Reddy, H. K. (2020, March). Air quality prediction of data log by machine learning. In 2020 6th International Conference on Advanced Computing and Communication Systems (ICACCS) (pp. 1395-1399). IEEE
  13. Mahalingam, U., Elangovan, K., Dobhal, H., Valliappa, C., Shrestha, S., & Kedam, G. (2019, March). A machine learning model for air quality prediction for smart cities. In 2019 International conference on wireless communications signal processing and networking (WiSPNET) (pp. 452-457). IEEE
  14. Janarthanan, R., Partheeban, P., Somasundaram, K., & Elamparithi, P. N. (2021). A deep learning approach for prediction of air quality index in a metropolitan city. Sustainable Cities and Society, 67, 102720
  15. Bhalgat, P., Bhoite, S., & Pitare, S. (2019). Air quality prediction using machine learning algorithms. International Journal of Computer Applications Tec