Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: BÜŞRA DUYGU ÇELİK
Danışman: Nursal Arıcı
Özet:
Dünyadaki artan nüfusla beraber meydana gelen enerji kullanımındaki artış, şehirleşme ve
ısınma aktiviteleri sonucunda ortaya çıkan hava kirliliği her geçen gün artarak büyük bir
çevre sorunu haline gelmiştir. Hava kirliliği problemi, atmosferde bulunan hava
bileşiklerinin değişmesine, asit yağmurlarına, ozon tabakasının incelmesine, doğada bulunan
tüm canlılar üzerindeki olumsuz etkilere sebep olarak ekosisteme ciddi zarar vermektedir.
Hava kirliliğinin önceden bir model oluşturularak değerlendirilmesi, oluşan kirliliğe karşı
önlemler almakta ve hava kalitesinin iyileştirme çözüm süreçlerini kolaylaştırmakta büyük
önem taşımaktadır. Hava kirliliğinin birçok parametreden etkilenmesi, her parametrenin
ölçülememesi ve modellemeler sonunda elde edilen yüksek doğruluk bu konuda makine
öğrenmesi tekniklerinin kullanılmasının temel nedenidir. Bu tez çalışmasında Zonguldak ve
Manisa iline ait 2016-2021 yılları arasında ölçülen PM10, SO2, CO, NO2, NOX, O3
kirleticileri ile Sıcaklık, Nem, Yağış, Rüzgâr Hızı ve Basınç meteoroloji parametrelerinden
oluşan bir veri seti kullanılmıştır. Veri seti literatürde iyi bilinen Destek Vektör Makinaları,
Karar Ağaçları, Naif Bayes, Rastgele Orman, K-En Yakın Komşu ve Uzun Kısa Süreli
Bellek yöntemleriyle modellenmiş ve Kök Ortalama Kare Hatası (KOKH), Ortalama Mutlak
Hata (OMH), ve Açıklayıcılık Katsayısı (𝑅2) ile modellerin başarısı karşılaştırılmıştır. İki
istasyon için LSTM %87 değeri ile diğer yöntemlerden daha iyi sonuç verdiği görülmüştür.
En düşük performansı ise %36 değer ile Naif Bayes olmuştur.
Anahtar Kelimeler : Makine öğrenmesi, hava kirliliği, hava kirliliği tahmini