Makine Öğrenmesi Algoritmaları ile Malatya İlinde PM10 ve SO2 Konsantrasyonlarının Tahmini

The study aims to evaluate and predict the air quality of Malatya province regarding PM10 and SO2 parameters between 2020-2024. In this context, the data 2020-2024 have been obtained from the National Air Quality Monitoring Network. The data have been evaluated by comparing the limit values in national and international legislation. Using data from 2020 to 2023, PM10 and SO2 pollutant concentrations for 2024 have been estimated with 7 different machine learning (ML) algorithms such as linear regression (LR), random forest (RF), XGBoost, LightGBM, support vector regression (SVR), k-nearest neighbor (k-NN) and artificial neural network (ANN). The model development phase has been repeated for 2024, the results produced by the algorithms have been compared with the actual results, and the performances and error rates of the algorithms have been determined. As a result; there is an increase in the values for PM10 and SO2 pollutant parameters from 2020 to 2023, and a decrease in 2024. Within the scope of air quality assessment, the 24-hour average time limit value for the PM10 parameter has been exceeded by 79% in 2023, and the annual average time limit value has been exceeded by 91%. For SO2, only the annual average limit was exceeded in 2021, at a rate of 21%. In terms of performance metrics, the highest accuracy in predicting PM10 and SO2 was achieved with XGBoost and LightGBM algorithms, while the Random Forest and ANN models also demonstrated strong performance. Linear Regression and SVR provided more modest but balanced results, and k-NN achieved moderate performance.

Çalışma, Malatya ilinin 2020-2024 yılları arası PM10 ve SO2 parametrelerine ait hava kalitesinin değerlendirilmesi ve tahmin edilmesini amaçlamaktadır. Bu kapsamda veriler, Ulusal Hava Kalitesi İzleme Ağı’ndan temin edilmiştir. Veriler ulusal ve uluslararası mevzuattaki sınır değerlerle mukayese edilerek değerlendirilmiştir. 2020-2023 yıllarının verileri kullanılarak, 2024 yılının PM10 ve SO2 kirletici konsantrasyonları lineer regresyon (LR), rastgele orman (RF), XGBoost, LightGBM, destek vektör regresyonu (SVR), k-en yakın komşu (k-NN) ve yapay sinir ağları (ANN) olmak üzere 7 farklı makine öğrenmesi (ML) algoritması ile tahmin edilmiştir. Model geliştirme aşaması 2024 yılı için tekrarlanarak, algoritmaların ürettiği sonuçlar gerçek sonuçlarla karşılaştırılmış, algoritmaların performansları ve hata oranları belirlenmiştir. Sonuç olarak; 2020 yılından 2023 yılına kadar PM10 ve SO2 kirletici parametreleri için değerlerde bir artış, 2024 yılında ise düşüş görülmektedir. Hava kalitesinin değerlendirilmesi kapsamında PM10 parametresi için 2023 yılında 24 saatlik ortalama süre sınır değeri %79 oranla, yıllık ortalama süre sınır değeri ise %91 oranla aşılmıştır. SO2 parametresi için ise 2021 yılında sadece yıllık ortalama süre sınır değeri %21’lik oranla aşılmıştır. Performans metrikleri değerlendirildiğinde, PM10 ve SO2 tahminlerinde en yüksek doğruluk XGBoost ve LightGBM algoritmaları ile elde edilmiş; Random Forest ve ANN modelleri de yüksek başarı göstermiştir. Linear Regression ve SVR ise daha mütevazı ancak dengeli performans sunarken, k-NN orta düzeyde bir başarı sağlamıştır.