Yıl 2019, Cilt , Sayı 16, Sayfalar 8 - 15 2019-08-31

Makine Öğrenmesi Algoritmaları ile Hava Kirliliği Tahmini Üzerine Karşılaştırmalı Bir Değerlendirme

Yasemin Gültepe [1]


Hava kirliliği, günümüzün en büyük sorunlarından birini teşkil etmektedir. Hava kirliliği, nüfusun artması, kentsel gelişme ve büyüme, endüstrinin gelişmesiyle giderek artan bir önem arz etmektedir. Genellikle hava kirleticilerinin insanlara, canlılara ve çevreye zararlı etkileri zaman, mekan, etki süresi, konsantrasyon ve diğer karakteristiklerine bağlı olarak karmaşık dağılım şekilleri göstermektedir. Bu karmaşıklık, kirletici örnekleri ve eğilimleri modelleme veya ölçmede, ayrıca insanların maruz kaldığı seviyeleri tahmin etmenin zor olduğu anlamına gelmektedir. Hava kirliliğinin önlenmesi konusunda yapılacak çalışmalar içerisinde en önemli adımlardan biri kirlenme olayının bir model içerisinde değerlendirilmesidir. Bu çalışmada Kastamonu ili ele alınarak, meteoroloji ve çevre uygulamalarında oldukça yeni ve başarılı sonuçlar veren çeşitli makine öğrenmesi algoritmaları ile hava kirliliğinin tahmininde, bazı meteorolojik parametreler kullanılarak hava kirliliği modellenmesi amaçlanmıştır. Normalizasyon tekniklerinin sistem performansına etkisini gözlemleyebilmek için veri setindeki değerler Minimum-Maksimum (Min-Max) normalizasyon teknikleri ile normalize edilmiştir. Çalışmada elde edilen performans değerleri, literatürdeki benzer çalışmalarla kıyaslanarak problemin çözümüne ilişkin en uygun sınıflandırma algoritması tespit edilmiştir. Yapay Sinir Ağları (YSA), Rastgele Orman (Random Forest), K-En Yakın Komşu (K-Nearest Neighborhood), Lojistik Regresyon (Logistic Regression), Karar Ağacı (Decision Tree), Lineer Regresyon (Linear Regression) ve Basit Bayes (Naive Bayes) gibi yöntemler kullanılarak ayrı ayrı modeller tasarlanmış ve sonuçlar analiz edilmiştir. Veri setinin %70’i eğitim ve %30’si test verisi olarak ayrılmıştır. Çalışma sonucunda, yapay sinir ağları beklendiği gibi %91 oranında başarı göstererek en doğru tahmini yapan yöntem olarak belirlenirken, sınıflandırmalardan en başarısız sonuç Lineer Regresyon ile %30 elde edilirken, en başarılı sonuçlar Rastgele Orman ve Karar Ağacı ile %99 elde edilmiştir. KastamonuDataSet üzerinde kullanılan yöntemlerin performans değerlendirmelerinde kullanılan temel performans göstergeleri olarak Açıklayıcılık Katsayısı (R2), Ortalama Karesel Hata (Mean Squared Error-MSE), Ortalama Hata Kare Kökü (Root Mean Square Error-RMSE) ve Ortalama Mutlak Hata (Mean Absolute Error-MAE) metrikleri bakımından istatistiksel önemli farklılıkların bulunduğu tespit edilmiştir. 

Yapay Sinir Ağları, Hava Kirliliği, Kastamonu
  • Alimissis, A., Philippopoulos, K., Tzanis, C.G., and Deligiorgi, D. (2018). Spatial estimation of urban air pollution with the use of artificial neural network models, Atmospheric Environment, 191, 205-213, 2018.
  • Bilbro, R. (2016). An Introduction to Machine Learning with Python. Erişim adresi: https://districtdatalabs.silvrback.com/an-introduction-to-machine-learning-with-python.
  • Aydınlar, B., Güveni H. ve Kırksekiz, S., 2009. Hava Kirliliği ve Modellenmesi, Sakarya Üniversitesi, Fen Bilimleri Enstitüsü, Çevre Mühendisliği Bölümü Yüksek Lisans Rapor.
  • Çınaroğlu, S. (2017). Sağlık Harcamasının Tahmininde Makine Öğrenmesi Regresyon Yöntemlerinin Karşılaştırılması, Uludağ Üniversitesi Mühendislik Fakültesi Dergisi, 22(2): 179-200.
  • Demirarslan, O. Çetin, Ş., & Ayberk, S. (2008). Hava Kirliliği Belirlemelerinde Modelleme Yaklaşımı ve Modelleme Aşamasında Karşılaşılabilecek Sorunlar, Environmental Problems Symposium, Kocaeli 2008.
  • Hu, K. & Rahman, A. (2017). HazeEst: Machine Learning Based Metropolitan Air Pollution Estimation From Fixed and Mobile Sensors, IEE Sensors, 17(11): 3571-3525.
  • Huang, C-J., & Kuo, P-H. (2018). A Deep CNN-LSTM Model for Particulate Matter (PM2.5) Forecasting in Smart Cities, Sensors 2018.
  • Gültepe, Y. & Duru, A.M. (2018). Daily SO2 Air Pollution Prediction with the use of Artificial Neural Network Models, International Journal of Computer Applciations, 181(34): 36-40.
  • Karasu, S., Hacıoğlu, R. & Altan, A. (2018). Prediction of Bitcoin Prices with Machine Learning Methods using Time Series Data, 26th signal Processing and Communications Applications Conference.
  • Kunt, F. (2007). Hava Kirliliğinin Yapay Sinir Ağları Yöntemiyle Modellenmesi ve Tahmini, Selçuk University Graduate School of Natural and Applied Sciences, M.Sc. Thesis, Environmental Engineering Department, Konya, 2007.
  • Martínez-Espaňa, R., Bueno-Crespo, A., Timón, I., Soto, J., Muňoz, A. & Cecilia, J.M. (2018). Air-Pollution Prediction in Smart Cities through Machine Learning Methods: A Case of Study in Murcia, Spain.
  • Peng, H. (2013). Air Quality Prediction by Machine Learning Methods. The Degree of Master of Science, the University of British Columbia.
  • Saygın, H., Eren, Ö., & Oral, H.V. (2018). Peaks Over Threshold Method Application on Airborne Particulate Matter (PM10) and Sulphur Dioxide (SO2) Pollution Detection in Specified Regions of İstanbul, Avrupa Bilim ve Teknoloji Dergisi, 14:399-407.
  • Tamas, W., Notton, G., Paoli, C., Nivet, M-L. & Voyant, C. (2016). Hybridization of Air Quality Frecasting Models Using Machine Learning and Clustering: An Orginal Approach to Detect Pollutant Peaks, Aerosol and Air Qaulity Research, 16: 405-416.
  • Yapraklı, T.Ş. & Erdal, H. (2016). Firma Başarısızlığı Tahminlemesi: Makine Öğrenmesie Dayalı Bir Uygulama, Bilişim Teknolojileri Dergisi, 9(1): 21-31.
  • Zaree, T. & Honarvar, A.R. (2018). Improvement of Air Pollution Prediction in a Smart City and its Correction with Weather Conditions using Metrological Big Data, Turkish Journal of Electrical Engineering & Computer Sciences, 26: 1302-1313.
  • Zhao, Y. & Hasan, Y.A. (2013). Machine Learning Algorithms for Predicting Roadside Fine Particulate Matter Concentration Level in Hong Kong Central, Computation Ecology and Software, 3(3): 61-73.
  • Wang, W. & Xu, Z. (2004). A Heuristic Training for Support Vector Regression, Neurocomputing, 61: 259-275.
Birincil Dil tr
Konular Mühendislik
Bölüm Makaleler
Yazarlar

Orcid: 0000-0002-8687-9907
Yazar: Yasemin Gültepe (Sorumlu Yazar)
Kurum: KASTAMONU ÜNİVERSİTESİ
Ülke: Turkey


Tarihler

Yayımlanma Tarihi : 31 Ağustos 2019

Bibtex @araştırma makalesi { ejosat530347, journal = {Avrupa Bilim ve Teknoloji Dergisi}, issn = {}, eissn = {2148-2683}, address = {}, publisher = {Osman SAĞDIÇ}, year = {2019}, volume = {}, pages = {8 - 15}, doi = {10.31590/ejosat.530347}, title = {Makine Öğrenmesi Algoritmaları ile Hava Kirliliği Tahmini Üzerine Karşılaştırmalı Bir Değerlendirme}, key = {cite}, author = {Gültepe, Yasemin} }
APA Gültepe, Y . (2019). Makine Öğrenmesi Algoritmaları ile Hava Kirliliği Tahmini Üzerine Karşılaştırmalı Bir Değerlendirme. Avrupa Bilim ve Teknoloji Dergisi , (16) , 8-15 . DOI: 10.31590/ejosat.530347
MLA Gültepe, Y . "Makine Öğrenmesi Algoritmaları ile Hava Kirliliği Tahmini Üzerine Karşılaştırmalı Bir Değerlendirme". Avrupa Bilim ve Teknoloji Dergisi (2019 ): 8-15 <https://dergipark.org.tr/tr/pub/ejosat/issue/45333/530347>
Chicago Gültepe, Y . "Makine Öğrenmesi Algoritmaları ile Hava Kirliliği Tahmini Üzerine Karşılaştırmalı Bir Değerlendirme". Avrupa Bilim ve Teknoloji Dergisi (2019 ): 8-15
RIS TY - JOUR T1 - Makine Öğrenmesi Algoritmaları ile Hava Kirliliği Tahmini Üzerine Karşılaştırmalı Bir Değerlendirme AU - Yasemin Gültepe Y1 - 2019 PY - 2019 N1 - doi: 10.31590/ejosat.530347 DO - 10.31590/ejosat.530347 T2 - Avrupa Bilim ve Teknoloji Dergisi JF - Journal JO - JOR SP - 8 EP - 15 VL - IS - 16 SN - -2148-2683 M3 - doi: 10.31590/ejosat.530347 UR - https://doi.org/10.31590/ejosat.530347 Y2 - 2019 ER -
EndNote %0 Avrupa Bilim ve Teknoloji Dergisi Makine Öğrenmesi Algoritmaları ile Hava Kirliliği Tahmini Üzerine Karşılaştırmalı Bir Değerlendirme %A Yasemin Gültepe %T Makine Öğrenmesi Algoritmaları ile Hava Kirliliği Tahmini Üzerine Karşılaştırmalı Bir Değerlendirme %D 2019 %J Avrupa Bilim ve Teknoloji Dergisi %P -2148-2683 %V %N 16 %R doi: 10.31590/ejosat.530347 %U 10.31590/ejosat.530347
ISNAD Gültepe, Yasemin . "Makine Öğrenmesi Algoritmaları ile Hava Kirliliği Tahmini Üzerine Karşılaştırmalı Bir Değerlendirme". Avrupa Bilim ve Teknoloji Dergisi / 16 (Ağustos 2019): 8-15 . https://doi.org/10.31590/ejosat.530347
AMA Gültepe Y . Makine Öğrenmesi Algoritmaları ile Hava Kirliliği Tahmini Üzerine Karşılaştırmalı Bir Değerlendirme. Avrupa Bilim ve Teknoloji Dergisi. 2019; (16): 8-15.
Vancouver Gültepe Y . Makine Öğrenmesi Algoritmaları ile Hava Kirliliği Tahmini Üzerine Karşılaştırmalı Bir Değerlendirme. Avrupa Bilim ve Teknoloji Dergisi. 2019; (16): 15-8.