Dış ortam hava kalite seviyesini belirlenmesinde ozon konsantrasyonu tahmini için makine öğrenme yöntemlerinin incelenmesi

Son yıllarda dünyanın tanık olduğu sanayileşme ve kentleşme alanındaki artış nedeniyle çeşitli ülkelerde hava kirliliği miktarı artmaktadır. Bu durum insanlarda özellikle solunum yolu hastalığı olanlar için risk oluşturmaktadır. Bu nedenle hava kirliliği seviyesinin önceden tahmin edilmesi erken uyarı sistemlerinin geliştirilmesi konusunda faydalı olabilir. Bu tez çalışmasında, İstanbul, Türkiye'deki açık hava ozon konsantrasyonunu tahmin etmek için altı farklı makine öğrenme yönteminin performansları incelenmiştir. Bu yöntemler, destek vektör makineleri, çok katmanlı algılama, rastgele ormanlar, gradyan artırılmış karar ağaçları, k-en yakın komşu ve elastik ağdır. Tahminler, ileriye doğru yuvarlanan doğrulama metodu ile bir adım ileri zaman serisi tahmin şeklinde yapılır. Bu modellerin eğitimi için hava kalitesi indeks okumalarına dayanan altı ana atmosfer bileşeni olan SO2, PM10, O3, PM2.5, NO2 ve CO ölçümleri kullanılmıştır. Öncelikle bu yöntemlerin tahmin performansı, regresyon modelleri eğitilerek hesaplanır. Daha sonra, tahmin edilen değerler beş hava kalitesi indeks seviyesinden birine dönüştürülür. Bu dönüştürme, çok sınıflı bir sınıflandırma problemine ilişkin performans ölçütlerinin hesaplanmasını mümkün kılar. En düşük RMSE 2246 ile MLP kullanılarak, en yüksek doğruluk puanı 0.790 ise SVM tarafından gözlenmiştir.