Poor air quality has harmful effects on human health and determination of pollutant levels in the air is important for human health
and the environment. The main purposes of this study are analyzing the winter air pollution of Gaziantep province in terms of some
parameters (NO2 and SO2) and the discussing the necessary precautions to be taken. In this context, 5 passive samplings were made at
each of the 30 points determined between 2015-2020. Statistical analyzes of the measurement results were made using the SPSS 17.0
V. program and it was determined that there were significant relationships between the results. FWhile sigmoid, logistic, gompertz, sınırlaand
linear models were developed with SigmaPlot Version 11.0 software, future predictions of pollutant values were made using linear
artificial neural network (ANN) and non-linear artificial neural network (NARX-ANN) in MATLAB R2020a program. In the NO2
and SO2 estimations made for 2040, the most reliable results were obtained with the linear model, and the pollutant concentrations
were calculated as 50.91 µg/m3 (R2 =0.9999) and 168.48 µg/m3 (R2=0.9762), respectively. Among the models developed with artificial
neural networks, NARX-ANN Bayesian regulation algorithm was found to be more suitable and reliable for predictions (R2=0.8785
for NO2, R2=0.9021 for SO2). Although it has a lower R2 than the linear model, the NARX-ANN model is considered to be more
meaningful because it also considers meteorological data in forecast calculations. At the end of the study, suggestions were presented
for the improvement and sustainability of Gaziantep’s air quality. These are the homogeneous distribution of population density by
urban transformation and city planning, the creation of infrastructures such as public transportation that will reduce traffic density, the
increase of incentives and grants for alternative clean fuels, and the establishment of a smart city concept integrating information and
communication technologies and fixed/mobile measurement sensors.
Kötü hava kalitesinin insan sağlığı üzerinde zararlı etkileri vardır ve havadaki kirletici düzeylerinin belirlenmesi insan sağlığı ve çevre
için önemlidir. Bu çalışmanın temel amacı, Gaziantep ilinin kış hava kirliliğini bazı parametreler (NO2 ve SO2) açısından analiz
etmek ve alınması gereken önlemleri tartışmaktır. Bu kapsamda 2015-2020 yılları arasında belirlenen 30 noktanın her birinde 5
adet pasif örnekleme yapılmıştır. Ölçüm sonuçlarının istatistiksel analizleri SPSS 17.0 V. programı kullanılarak yapılmış ve sonuçlar
arasında anlamlı ilişkiler olduğu belirlenmiştir. SigmaPlot Versiyon 11.0 yazılımıyla sigmoid, lojistik, gompertz ve lineer modeller
geliştirilirken, MATLAB R2020a programında ise lineer yapay sinir ağı (ANN) ve lineer olmayan yapay sinir ağı (NARX-ANN)
kullanılarak kirletici değerlerinin gelecek tahminleri gerçekleştirilmiştir. 2040 yılı için yapılan NO2 ve SO2 tahminlerinde en güvenilir
sonuçlar lineer model ile elde edilmiş olup, kirletici konsantrasyonları sırasıyla 50,91 µg/m3 (R2=0,9999) ve 168,48 µg/m3 (R2=0,9762)
olarak hesaplanmıştır. Yapay sinir ağları ile geliştirilen modellerden NARX-ANN Bayesian düzenleme algoritmasının tahminler
için daha uygun ve güvenilir olduğu görülmüştür (NO2 için R2=0,8785, SO2 için R2=0,9021). Lineer modele göre daha düşük R2
değerine sahip olmasına rağmen, NARX-ANN modeli tahmin hesaplamalarında meteorolojik verileri de dikkate aldığı için daha
anlamlı görülmektedir. Çalışmanın sonunda Gaziantep hava kalitesinin iyileştirilmesi ve sürdürülebilirliği için öneriler sunulmuştur.
Bunlar; kentsel dönüşüm ve şehir planlama ile nüfus yoğunluğunun homojen dağılımı, trafik yoğunluğunu azaltacak toplu ulaşım gibi
altyapıların oluşturulması, alternatif temiz yakıtlara yönelik teşvik ve hibelerin artırılması, bilgi ve iletişimi bütünleştiren akıllı şehir
konseptinin, iletişim teknolojileri ve sabit/mobil ölçüm sensörlerinin kurulmasıdır.
Primary Language | Turkish |
---|---|
Subjects | Engineering |
Journal Section | Research Articles |
Authors | |
Publication Date | June 30, 2023 |
Published in Issue | Year 2023 Volume: 13 Issue: 1 |