Derin öğrenme yöntemi ile hava kalitesi parametrelerinin tahmini: Sakarya örneği

Hava kirliliği, son yıllarda küresel bir kriz olarak değerlendirilmektedir. Araştırmacılar hava kirliliği konusu üzerinde yoğun bir şekilde durmaktadır. Bunun sebebi, hava kirliliğinin insan sağlığı, bitki örtüsü ve su kaynakları için olumsuz etkilere sebep olmasıdır. Canlı yaşamı için önemli bir tehlike unusuru olan bu problem ile baş edilmesi için önlemler alınması gerekmektedir. Bu çalışmada hava kiriliği sorunu için altarnatif bir öneri olarak, hava kalitesi modellemesi ile hava kalitesinin tahmini ve analizi üzerinde durulmuştur.Hava kirliliği, LSTM (Long Short-Term Memory) algortiması kullanılarak modellenmiştir. Bu model ile geçmiş veriler kullanılarak gelecekteki hava kirliliği seviyelerinin tahmin edilmesi amaçlanmıştır. Çalışmada, hava kalitesi ölçüm parametrelerinin saatlik ölçümüne dayalı veriler toplanmıştır ve kirletici parametre olarak; PM10, NO2, NOX, CO kullanılmıştır. Ölçüm değerleri UHKİA (Ulusal Hava Kalitesi İzleme Ağı) tarafından kurulan, Sakarya Endüstri Meslek Lisesinin bahçesinde konumlanan, hava kirliliği ölçüm istasyonundan kaydedilen verilerden oluşmaktadır. Modellemede 2020 Ocak ayından, 2022 Eylül ayına kadar kaydedilmiş veriler kullanılmıştır. Hava kirliliği verilerinin toplanmasından sonra, veri ön işleme yöntemleri ile temizleme çalışması yapılmıştır. 2020 Ocak ve 2022 Eylül ayları arasında her bir parametre için, 24.282 adet veri olmak üzere toplam 97.128 adet veri elde edilmişitir. Veri ön işleme için kullanılan farklı iki yöntem ile iki ayrı veri seti elde edilmiştir. Bu iki adet veri seti arasında mukayeseler yapılmıştır. Elde edilen 97.128 veri ile LSTM algortiması kullanılarak bir model oluşturulmuş, eğitim verileri kullanılarak model eğitilmiştir. Elde edilen doğrulama verileri kullanılarak modelin performansı, hiperparametre optimizasyonu ile değerlendirilmiştir. Kullanılan model, daha sonra gelecekteki hava kirliliği seviyelerini tahmin etmek için kullanılabileceği görülmüştür. Önerilen modelin hava kirliliği tahmini için yüksek performansa sahip olduğu görülmüştür.