Comparison of Machine Learning and Deep Learning Methods for Modeling Ozone Concentrations

Abstract

Hava kirliliği günümüz için önemli bir problem olmakla birlikte sanayileşme, orman yangınları, egzoz gazları, kalitesiz yakıt kullanımı gibi sebepler gelecek nesilleri de tehdit edecek ciddi bir problem ile bizleri yüzleştirmektedir. Bu sebepler içerisinde ise yoğun sanayileşme hava kirliliğinde rol oynayan en önemli faktörlerden birisidir. Bölgesel sanayi gelişimi şehirlerde hava kalitesini etkilemektedir. Sanayinin gelişmesi ile birlikte bazı kirleticilerin miktarı azalmakta iken, ozon seviyelerinde artış yaşanmaktadır. Önümüzdeki yıllarda hava kirliliğini neden olacağı problemleri daha fazla hissetmemek, hava kalitesini yönetmek ve risklere karşı önlem almak için hava kirliliğinin tahmin edilmesi kaçınılmaz hale gelmektedir. Bu çalışmada sanayinin gelişmiş olduğu Kocaeli ve Sakarya illeri ile sanayinin çok fazla gelişmediği Çanakkale illeri için 2018-2021 arası saatlik ozon seviyelerini tahmin etmek amacıyla zaman serilerine dayalı makine öğrenmesi ve derin öğrenme yöntemleri uygulanmıştır. Uygulanan modeller Ortalama Mutlak Hata (MAE), Bağıl Mutlak Hata (RAE) ve R-kare (R2) metrikleri kullanılarak karşılaştırılmış ve en etkin yöntemin belirlenmesi amaçlanmıştır.