EUVIMEDEUVIMED entdecken
Crossref

İstatistiksel ve Makine Öğrenmesi Modelleri Kullanılarak Yer Seviyesi Ozon Konsantrasyonunun Tahmin Edilmesi: İzmir, Türkiye

Hakan Çelikten

Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji · 30.06.2026 · 14 (2) · 1028-1039

DOI: 10.29109/gujsc.1951920 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, online erschienen am 30.06.2026. Verfasst von Hakan Çelikten. Die Arbeit nennt 28 Literaturangaben.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Ozon (O3), özellikle büyük şehirlerde halk sağlığı açısından önemli risklere ve küresel ısınmaya neden olan sera gazıdır. Bu çalışma, 2024 ile 2025 yılları arasında Türkiye'nin batı kısmında İzmir’de ölçülen günlük konsantrasyon verilerinden ozon eğilimlerini belirlemeyi ve konsantrasyon değerlerini tahmin etmeyi amaçlamaktadır. Analiz, meteorolojik parametrelere (sıcaklık, rüzgar hızı, bağıl nem, yağış, bulut örtüsü, güneşlenme süresi ve güneş radyasyonu) ve azot oksit konsantrasyonlarına dayalı olarak bir gün sonraki ozon konsantrasyonlarını tahmin etmeye dayanmaktadır. Tahmin için; Çoklu Doğrusal Regresyon (MLR), Rastgele Orman (RF), Aşırı Gradyan Artırma (XGBoost) ve Uzun Kısa Süreli Bellek (LSTM) modelleri kullanılmıştır. Tahmin performansını artırmak için, gecikmeli modeller geliştirilmiş ve değerlendirilmiştir. Model performansı, determinasyon katsayısı (R²), kök ortalama kare hatası (RMSE) ve ortalama mutlak hata (MAE) metrikleri kullanılarak değerlendirilmiştir. Çalışma; sadece meteorolojik parametreler ve NOx konsantrasyonlarının girdi değişkeni olduğu durumlarda modellerin tahmin performanslarının düşük olduğunu ortaya koymuştur. Bu amaçla modellerde 3 ve 7 gün geriye bakış → 1 gün ileriye bakış olmak üzere iki aşamalı tasarım uygulanmıştır. Ozon tahmininde en yüksek doğruluk R2= 0,82, RMSE=6,50 ve MAE=4,73 değerleriyle MLR modeliyle elde edilmiştir. Modellerden elde edilen özellik önem analizi, hem O3_lag3'ü hem de O3_lag7'yi en etkili tahmin edici olarak belirlemiştir. Makine ve derin öğrenme algoritmalarının daha karmaşık ve veri setinin çok olduğu durumlarda kullanması önerilmektedir. Ayrıca O3 tahmin modellerinde trafik yoğunluğu ve uçucu organik bileşik konsantrasyonlarının modellere dahil edilmesinin daha iyi performans metrikleri sunması öngörülmektedir.

Zitieren

APA

Çelikten, H. (2026). İstatistiksel ve Makine Öğrenmesi Modelleri Kullanılarak Yer Seviyesi Ozon Konsantrasyonunun Tahmin Edilmesi: İzmir, Türkiye. Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, 14(2), 1028-1039. https://doi.org/10.29109/gujsc.1951920

Vancouver

Çelikten H. İstatistiksel ve Makine Öğrenmesi Modelleri Kullanılarak Yer Seviyesi Ozon Konsantrasyonunun Tahmin Edilmesi: İzmir, Türkiye. Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji. 2026;14(2):1028-1039. doi:10.29109/gujsc.1951920

BibTeX
@article{elikten2026,
  author = {Çelikten, Hakan},
  title = {İstatistiksel ve Makine Öğrenmesi Modelleri Kullanılarak Yer Seviyesi Ozon Konsantrasyonunun Tahmin Edilmesi: İzmir, Türkiye},
  journal = {Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji},
  year = {2026},
  volume = {14},
  number = {2},
  pages = {1028--1039},
  doi = {10.29109/gujsc.1951920}
}
Kostenlos starten →