New York JFT havalimanındaki uçuşların hava kirliliğine etkisini makine öğrenmesi yardımıyla tahmin analizi

Ulaşım gibi antropojenik aktiviteler, çevre ve sağlık kuruluşları tarafından başlıca hava kirletici maddeler olarak tanımlanan, NO2, CO, SO2, PM2.5-10, O3 ve Pb gibi kimyasalların emisyonuna yol açmaktadır. Bu kirleticilerin emisyonları, kardiyovasküler ve solunum yolu hastalıkları gibi olumsuz sağlık etkilerine sebep olmaktadır. Karayolu taşıtlarındaki standartlar ve yönetmelikler yardımıyla yıllar boyunca emisyonların azaltılmasına rağmen, uçaklarla ilgili daha az katı düzenlemeler, artan hava trafiğiyle emisyonların artmasına neden olmaktadır. Bu çalışma, New York'taki John F. Kennedy (JFK) Havalimanı'nda gerçekleşen ticari uçuşların neden olduğu NO2 emisyonlarını tahmin etmeyi amaçlamaktadır ve belirli bir lokasyonda NO2 emisyonlarını tahmin etmek amacıyla AERMOD hava dispersiyon modeli ile bir makine öğrenme modelini kullanarak sayısal modellemeyi birleştirmektedir. Bu çalışmayı gerçekleştirmek için, 2018 yılında New York'taki John F. Kennedy (JFK) Havalimanı'ndaki uçakların kalkış ve varış uçuş verileri kullanılmıştır. Veriler temizlendikten ve analiz için hazırlandıktan sonra, AERMOD, kirletici dağılımını simüle etmek ve bir makine öğrenim modelinin eğitiminde kullanılmak üzere emisyon dağılım verileri üretmek için kullanılmıştır. Karar ağacı esaslı ileri seviye gradyan artırma (XGBoost), bu çalışmada makine öğrenme modeli olarak kullanılmıştır. Bu çalışmanın sonucunda, emisyon tahmini modelinin eğitimi iyi genelleştirilmiş ve iyi performans gösteren bir modelle sonuçlanmıştır. Genel olarak, bu çalışma makine öğrenim modelinin kirletici dağılımını tahmin etmede etkili bir araç olabileceğini göstermektedir.