Destek vektör regresyon ile hava kirliliği tahmini
Air pollution prediction using support vector regression
- Tez No: 463905
- Danışmanlar: PROF. DR. AHMET SERMET ANAGÜN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Hava Kirliliği, Tahminleme, Destek Vektör Makinesi, Yapay Sinir Ağı, Çoklu Doğrusal Regresyon, Veri Madenciliği, Air Pollution, Prediction, Support Vector Machine, Artificial Neural Network, Multiple Linear Regression, Data Mining
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Hava kirliliğinin tahminlenmesi, insan ve çevre sağlığına önemli zararlar veren hava kirliliğine karşı erken önlem alınması açısından oldukça önemlidir. Bu çalışmada günlük ortalama hava kirliliği miktarının, önemli bir hava kirletici olan SO2 (kükürtdioksit) konsantrasyonu üzerinden tahminlenmesi amaçlanmıştır. Tahminleme modeli, Denizli il merkezinde 2005-2015 yılları arasında ölçülen SO2, ve PM10 (partikül madde) konsantrasyonu ile sıcaklık, basınç, çiğ noktası, rüzgar, yağmur gibi meteorolojik verilerle kurulmuştur. Kirletici miktarı verileri Ulusal Hava Kalitesi İzleme Ağı'nın, meteorolojik veriler ise ABD Ulusal Okyanus ve Atmosfer Dairesi (NOAA)'nin veri tabanından çekilmiştir. Tahminleme çalışmasında, öncelikle radyal tabanlı, polinom, sigmoid ve Pearson VII gibi çeşitli çekirdek fonksiyonları ile çalıştırılan destek vektör regresyon yöntemi kullanılmıştır. Bununla beraber elde edilen sonuçları karşılaştırmak amacıyla, literatürde yaygın olarak kullanılan çok katmanlı sinir ağı ve çoklu doğrusal regresyon yöntemleri de kullanılmıştır.
Özet (Çeviri)
Prediction of air pollution is considerably important in terms of precautions to be taken against air pollution which cause significant harm to human and environmental health. In this study, it was aimed to predict the daily average concentration of SO2 (sulfur dioxide), which is an important air pollutant. The prediction model was built using historical meteorological data such as temperature, pressure, dew point, wind, precipitation and concentration of SO2 and PM10 (particulate matter) measured in Denizli city center between the years 2005-2015. Air pollutant concentrations data were retrieved from the database of the TR National Air Quality Monitoring System, while meteorological data were retrieved from the US National Oceanic and Atmospheric Administration (NOAA) database. In this prediction study, support vector regression method which was first run various kernel functions such as radial basis, polynomial, sigmoid and Pearson VII was used. In addition to these, multilayer neural network and multiple linear regression method, which are widely used in the literature, also was used in order to compare the results.
Benzer Tezler
- Veri madenciliği yöntemleri kullanarak hava kirliliği tahmini
Prediction of air pollution using data mining methods
KIYMET KAYA
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE GÜNDÜZ ÖĞÜDÜCÜ
- Hava kirliliğinin makine öğrenmesi yöntemleriyle tahmini
Prediction of air pollution with machine learning methods
AYÇA GÜVEN
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri MühendisliğiBursa Uludağ ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. BETÜL YAĞMAHAN
- Bitki yüzeylerinde Eddy kovaryans yöntemiyle ölçülen ve modellenen karbon değişiminin analizi
Analysis of modeled and measured carbon exchange measured by the Eddy covariance method on plant surface
NİLCAN ALTINBAŞ
Doktora
Türkçe
2022
Ziraatİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. LEVENT ŞAYLAN
- Dağıtık üretim sistemlerinin akıllı şebekeler üzerine etkilerinin incelenmesi
Examination of the effects of distributed generation on smart grids
MİKAİL PÜRLÜ
Doktora
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. BELGİN TÜRKAY
- Kabil'in hava kalitesi tahmininde makine öğrenmesi algoritmalarının kullanılması
Using machine learning algorithms in prediction of air quality in kabul
SAKHIDAD FAIZI
Yüksek Lisans
Türkçe
2021
Çevre MühendisliğiNiğde Ömer Halisdemir ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. FEHİMAN ÇİNER
DR. ÖĞR. ÜYESİ AHMET EMİN KARKINLI