PM10, SO2 hava kirleticilerinin çoklu doğrusal regresyon ve yapay sinir ağları ile sezonsal tahmini

Abstract

Nüfus artışıyla birlikte kentleşme, sanayileşme ve taşıt sayısındaki artışlar hava kirliliğinin artmasına sebep olmaktadır. Hava kirliliği insan ve çevre sağlığına zarar vermektedir. Bu nedenle bu çalışmada hava kirliliğinin önlenmesi, tedbirlerin alınması ve planlamaların yapılabilmesi için 1 yıl önceden hava kirliliğinin tahmin edilmesi amaçlanmıştır. Hava kirliliği parametrelerinden olan PM10 ve SO2 parametrelerinin mevsimsel ortalamalarının tahmin edilmesi için çoklu doğrusal regresyon analizi ve yapay sinir ağı yöntemleri kullanılmıştır. Kocaeli, Türkiye’nin sayılı sanayi bölgelerinden olması dolayısı ile çalışma alanı olarak seçilmiştir. Tahmin modellerinde meteorolojik veriler, kirletici konsantrasyonları, kentleşme, sanayileşme, topografik ve demografik veriler kullanılmıştır. Çalışmada enterpolasyon yöntemleri ile verilerin sürekliliğinin sağlanmasında, veri setlerinin oluşturulmasında ve haritaların yapılmasında coğrafi bilgi sistemleri kullanılmıştır. Çalışmada 2008 ile 2017 yılları arasındaki veriler ile tahmin modelleri oluşturulmuştur. Oluşturulan modellere 2018 verileri sunularak 2019 yılına ait tahmin değerleri elde edilmiştir. Elde edilen tahmin değerleri 2019 yılına ait gerçek değerler ile karşılaştırılmıştır. Model performansları ortalama mutlak yüzde hata (OMYH) değerine göre değerlendirilmiştir. Çalışma sonucunda yapay sinir ağının çoklu regresyon analizine göre performansının daha yüksek olduğu tespit edilmiştir. Ayrıca, mekânsal verilerin hava kirliliği tahmin modellerinde coğrafi bilgi sistemleri ile kullanılabilirliği gösterilmiştir.