İSTANBUL İLİ TROPSOFERİK OZON (O3) KONSANTRASYONLARININ HÜCRESEL YAPAY SİNİR AĞ YÖNTEMİYLE MODELLENMESİ

Öz

Son yıllarda özellikle büyük şehirlerde, artan nüfus ve endüstrileşmeyle fotokimyasal smog oluşumu da
artmaktadır. Fotokimyasal smog oluşumunda en önemli kirletici ozon gazıdır. Bu yüzden pek çok çalışma ozon ve ozon öncülerini hesaba katan hava kalitesi modellemesi üzerinde yoğunlaşmaktadır. Bu çalışmada 6 farklı kirletici parametre ve 8 meteorolojik faktör dikkate alınarak, İstanbul ili troposferik ozon konsantrasyonları Hücresel Yapay Sinir Ağ Yöntemiyle modellenmiştir. HYSA modeli ile birlikte istatiksel indisler hesaplanmış ve model performansı kontrol edilmiştir. Sonuç olarak, model çıktıları ve istatiksel değerler incelendiğinde HYSA yapısının ozon konsantrasyonu modellemelerinde kullanılabileceği görülmüştür.

Anahtar Kelimeler

• Troposferik ozon, hava kirliliği, HYSA.

MODELING OF TROPHOSPHERIC OZONE (O3) CONCENTRATIONS USING CELLULAR NEURAL NETWORKS

Öz

In the recent years, formation of photochemical smog is common in metropolitan areas ozone is the most
important pollution which causes photochemical smog. So, many studies focus on the air quality modeling
accounted ozone and ozone precursors. In this paper, we have applied Cellular Neural Network for future
prediction of ozone concentration in the European parts of Istanbul. We have used various real data parameters
observed in 6 different air pollution and 8 meteorological parameters. As a result, CNN model results represent
the seasonal increment and decrement of observed Ozone and CNN can be considered as a compromising
approach in ozone prediction modeling. 

Anahtar Kelimeler

• Tropospheric ozone,air pollution,CNN

Kaynakça

1. Eryılmaz, E., İstanbul’da Gece Ozonu, Yüksek
2. Lisans Tezi İstanbul Teknik Üniversitesi Fen
3. Bilimleri Enstitüsü, 2001.
4. Tecer, L., İstanbul Kenti Fotokimyasal Smog
5. Mekanizmasının Modellenmesi Doktora Tezi,
6. Cumhuriyet Üniversitesi, 2000.
7. Tirabassi, T., Pelliccioni, A. ve Garazzo, C.,
8. “Coupling of Neural Network and Dispersion

9. Models: a Novel Methodology for Air Pollution
10. Models”, Int. J. Environment and Pollution,
11. Cilt 20, No.1-6, 136-146, 2003.
12. Wahab-Abdul, S.A. ve Al-Alawi, S.M.,
13. “Assessment and Prediction of Trophospheric
14. Ozone Concentration Levels Using Artificial
15. Neural Networks”, Environmental Modeling &
16. Software, Cilt 17, pp 219-228, 2002.
17. Gardner, M.W., Dorling S.R., “Statistical Surface
18. Ozone Models; an Improved Methodology to
19. account for Nonlinear Behavior” Atmospheric
20. Environment, Cilt 34, 21-34, 2000.
21. Spellman G., “An Application of Artificial
22. Neural Networks to the Prediction of Surface
23. ozone Concentrations in the United Kingdom”,
24. Applied Geography, Cilt 19, 123-136, 1999.
25. Comrie A. C., “Comparing Neural Networks and
26. Regression Model for Ozone Forecasting”,
27. Journal of Air and Waste Manegement
28. Association Cilt 47, 653-663, 1997.
29. Jorquera H., Ricardo P.,Cipriano A., Espejo A.,
30. Letelier M.V., and Acuna G., “Forecasting Ozone Daily Maximum Levels At Santiago, Chile”,
31. Atmospheric Environment, Cilt. 32, 1267-1271,
32. -
33. Elkamel A., Wahab-Abdul S.A., Bouhamra W.,
34. Alper E., “Measurement and Prediction of Ozone
35. Levels Around a Heavly Industrialized Area; A
36. Neural Network Approach”, Advanced in
37. Environmental Reserch, Cilt 5,.47-59, 2001.
38. Ruiz –Suarez J.C., Mayora-Ibarra O.A., Torres-
39. Jimenes J. ve Ruiz –Suarez L.G., “Short Term
40. Ozone Forecasting by Artificial Neural
41. Networks”, Advances in Engineering Software,
42. Cilt 23, 143-149, 1995.
43. Chua L.O., Yang L.,. “Cellular Neural Networks”
44. Application, IEEE Transactions on Circuits
45. and Systems Cilt 35 (10), 1273-1290, 1988.
46. Şahin U., Uçan O.N., Tolluoğlu O., ve Bayat C.,
47. “İstanbul’un Hava Kirliliğinin Hücresel Yapay
48. Sinir Ağ ile Modellenmesi”, TAINN’04 Turkish
49. Symposium on Artificial Intelligence and
50. Neural Networks.,2004 Izmir, Turkey
51. Albora, A.M., Ucan, O.N., Ozmen, A.,ve Ozkan,
52. T. “Separation of Bouguer Anomaly Map Using
53. Cellular Neural Network”, Journal of Applied
54. Geophysics Cilt 46, 129-142, 2001.
55. Cimagalli, V. “Cellular Neural Networks A
56. Review”, Proceedings of Sixth Italian
57. Workshop on Parallel Architectures and
58. Neural Networks, Vietri Sul Mare, May 12-14,
59. , Italy
60. Özcan H.K, Şahin Ü, Bayat C., Uçan O.N
61. “İstanbul Şehir Atmosferindeki Troposferik Ozon
62. (O3) Kirliliğinin Yapay Zeka İle Modellenmesi”,
63. HİTEK’05 Havacılıkta İleri Teknolojiler
64. Sempozyumu, Hava Harb Okulu, İstanbul, 2005.