Artificial neural networks model for air quality in the region of İzmir
İzmir bölgesinde hava kalitesinin yapay sinir ağları metodu ile modellenmesi
- Tez No: 121004
- Danışmanlar: DOÇ. DR. GÖKMEN TAYFUR, YRD. DOÇ. DR. AYSUN SOFUOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Çevre Mühendisliği, Environmental Engineering
- Anahtar Kelimeler: Hava kalitesi, Kükürt dioksit, Modelleme, Toz, Air quality, Sulfur dioxide, Modelling, Dust
- Yıl: 2002
- Dil: İngilizce
- Üniversite: İzmir Yüksek Teknoloji Enstitüsü
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Çevre Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
öz Yapay sinir ağları özellikle veriler arasındaki ilişkilerin tamamıyla bilinemediği durumlarda her türlü verilerle uygulanabilme özelliklerinden dolayı çok kullanışlı olan doğrusal olmayan modelleme sistemleridir. Geri yayılma algoritması ile eğitilen ileri beslemeli yapay sinir ağları, çevresel sistemlerin modellenmesinde sık kullanılan ve iyi sonuçlar verebilen bir yöntemdir. Geriye yayılma algoritması, bilinmeyen model değişkenlerinin (bağlantı ağırlıkları gibi), sistem girdileriyle çıktıları arasındaki en iyi uyumu sağlamak üzere ayarlanması prensibinden hareketle geliştirilmiştir. Bu çalışma, yapay sinir ağlarının kullanılması ile SO2 ve toz değerlerinin farklı ağ topolojileri, değişik sayıda girdi setleri ve farklı tasvir fonksiyonlarının kullanılması ile öngörülmesi üzerinedir. Günlük sıcaklık ve rüzgar hızı değerleri de modellerde girdi olarak kullanılmıştır. Yapay sinir ağlarının eğitilmesinde geri yayılma algoritması kullanılmıştır. Öngörülerin doğruluklarının incelenmesi amacıyla R2 (korelasyon katsayısı) ve ortalama günlük hata değerleri kullanılmıştır. Çalışmadan elde edilen sonuçlara göre, yapay sinir ağları kısıtlı verilerin kullanılması durumunda bile başarılı öngörüler yapabilmektedir. Ağ topolojilerinin geliştirilmesi ve girdi sayılarının arttırılması ile öngörülerin kesinliklerinin de arttığı gözlenmiştir. SO2 öngörüsüne yönelik çalışmalarda en iyi sonuçlar iki gizli katmanın bulunduğu ağlarda, hiperbolik tanjant fonksiyonunun tasvir fonksiyonu olarak seçildiği ve toz, sıcaklık ve rüzgar hızı değerlerinin girdi olarak kullanıldığı sistemde elde edilmiştir (bu çalışmanın sonuçlarında R2 0,94 ve ortalama günlük hata ise 3,6 ug/m3 olarak bulunmuştur). Toz öngörüsüne ait en iyi sonuçlar da iki gizli katmanlı ağlarda, tasvir fonksiyonu olarak hiperbolik tanjant fonksiyonunun kullanıldığı ve SO2, sıcaklık ve rüzgar hızı değerlerinin girdi olarak kullanıldığı sistemde elde edilmiştir (bu çalışmanın sonuçlarında R2 0,92 ve ortalama günlük hata ise 3,64 jj.g/m3 olarak bulunmuştur). VISO2 ve toz değerlerinin öngörüsüne yönelik bir diğer çalışmada ise öngörüsü yapılacak değişkenlerin son yedi günlük değerleri girdi olarak kullanılmış ve sekizinci güne ait değerin öngörülmesine çalışılmıştır. S02 değerlerinin öngörüsü için R2 0,94 ve ortalama günlük hata ise 4,03 ug/m3 olarak bulunmuştur. Toz değerlerinin öngörü çalışmasında ise R2 0,93 ve ortalama günlük hata ise 4,32 ug/m3 olarak hesaplanmıştır. VU
Özet (Çeviri)
ABSTRACT Artificial neural networks are nonlinear mapping structures are shown to be universal and highly flexible function approximators for the cases, especially where the underlying data relationships are unknown. Feed-forward artificial neural networks that are trained with the back- propagation algorithm are a useful tool for modeling environmental systems. Back-propagation networks employ a modeling philosophy that unknown model parameters (i.e. connection weights) are optimized in order to obtain the best match between a historical set of model inputs and corresponding outputs. In this study, a systematic approach to the development of the artificial neural networks based forecasting model is presented. SO2, and dust values are predicted with different topologies, inputs and transfer functions. Temperature and wind speed values are used as input parameters for the models. The back-propagation learning algorithm is used to train the networks. R2 (correlation coefficient), and daily average errors are employed to investigate the accuracy of the networks. MATLAB 6 neural network toolbox is used for this study. The study results indicate that the neural networks are able to make accurate predictions even with the limited number of parameters. Results also show that increasing the topology of the network and number of the inputs, increases the accuracy of the network. Best results for the SO2 forecasting are obtained with the network with two hidden layers, hyperbolic tangent function as transfer function and three input variables (R2 was found as 0,94 and daily average error was found as 3,6 ug/m3). The most accurate results for the dust forecasting are also obtained with the network with two hidden layer, hyperbolic tangent function as transfer function and three input variables (R2 was found as 0,92 and daily average error was found as 3,64 ug/m3). IVSC>2 and dust predictions using their last seven days values as an input are also studied, and R is calculated as 0,94 and daily average error is calculated as 4,03 (xg/m3 for SO2 prediction and R2 is calculated as 0,93 and daily average error is calculated as 4,32 ug/m3 for dust prediction and these results show that the neural network can make accurate predictions. Mft&MAWCASYOft gUffW^
Benzer Tezler
- Modeling and forecasting air pollutants using artificial neural network approach
Yapay sinir ağları yöntemi kullanılarak hava kirleticilerinin modellenmesi ve tahminlenmesi
REFİA TANSEL COŞKUNER
Yüksek Lisans
İngilizce
2003
Çevre MühendisliğiOrta Doğu Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. GÜRDAL TUNCEL
DOÇ. DR. GÜLEN GÜLLÜ
- Çevre mühendisliğinde bulanık mantık ve yapay sinir ağı uygulamaları
Fuzzy logic and artificial neural network applications in environment engineering
İBRAHİM DEMİR
Yüksek Lisans
Türkçe
2004
Çevre MühendisliğiGebze Yüksek Teknoloji EnstitüsüÇevre Mühendisliği Ana Bilim Dalı
PROF.DR. MEHMET KARPUZCU
- Uzman sistemler ve ulaştırma alanında kullanımları
Expert systems and using them in transportation
A.BURAK GÖKTEPE
- Aircraft icing detection, identification and reconfigurable control based on Kalman filtering and neural networks
Kalman filtresi ve yapay sinir ağları ile uçak buzlanmalarının tespiti, teşhisi ve yeniden şekilllendirilebilir kontrol
RAHMİ AYKAN
Doktora
İngilizce
2005
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiHavacılık Mühendisliği Ana Bilim Dalı
PROF.DR. ÇİNGİZ HACIYEV
Y.DOÇ.DR. FİKRET ÇALIŞKAN
- Eğitim amaçlı bir iklimlendirme odasının yapay zeka teknikleri ile modellenmesi ve kontrolu
Modelling and control of a climatization test chamber with artificial intelligence techniques
YUSUF İZGİ
Doktora
Türkçe
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
PROF. DR. BURHANETTİN CAN
YRD. DOÇ. DR. HASAN ERDAL