Samsun Organize Sanayi Bölgesinde Troposferik Ozon (O3) Konsantrasyonunun Yapay Sinir Ağ Yöntemi ile Modellenmesi

Abstract

Bu çalışmada, meteorolojik parametreler ve hava kirletici parametreler birlikte değerlendirilerek troposferik ozon konsantrasyonunun tahmini yapılmıştır. Model oluşturulması ve konsantrasyon tahmini için Yapay Sinir Ağı (YSA) metodu kullanılmıştır. Yapay sinir ağları yardımıyla ozonun, konsantrasyonu bilinmeyen zamanlı tahmininin yapılması ve ozon konsantrasyonuna girişimde bulunan parametrelerin önem derecelerinin belirlenmesi amaçlanmıştır. Modelin oluşturulmasında kullanılan hava kalite parametreleri; kükürt dioksit, partikül madde, karbon monoksit ve azot oksitler olup, meteorolojik parametreler; sıcaklık, nispi nem, güneş radyasyonu, rüzgâr hızı, rüzgâr yönü ve basınç dan oluşmaktadır. Ondokuz Mayıs Üniversitesi?ne ait Mobil Hava Kalitesi Ölçüm Aracı?ndan alınan veriler ile Yapay Sinir Ağlarında, Çok Katmanlı Algılama (ÇKA) Modelinin Levenberg-Marquardt Geri Yayılım Algoritması ile çözümlenen sonuçlar karşılaştırılmış ve oldukça iyi bir uyum sağlamıştır. Sonuç itibari ile; model sonuçları % 84?lük tahmin başarısının elde edildiğini göstermiştir. Azot oksitlerin (NO2, NO, NOX) %62, sıcaklığın %8, kükürt dioksitin %7 ve diğer parametrelerin %23 oranında troposferik ozon konsantrasyonu üzerinde etkisi olduğu belirlenmiştir. Anahtar Sözcükler: Yapay Sinir Ağları, Çok Katmanlı Algılayıcı, Troposferik Ozon, Hava Kalitesi

The aim of this study was to predict the concentration of tropospheric ozone based on both air pollution and meteorological parameters. For predicting this concentration and creating a model, the method of Artificial Neural Network (ANN) was implemented. This method allowed predicting the concentration of tropospheric ozone for an undefined time as well as examining the effectiveness levels of these air pollution and meteorological parameters. In the generated model, the air quality parameters were sulfur dioxide, particulate matter, carbon monoxide and nitrate oxides (NO2, NO, NOX); on the other hand, the meteorological parameters were temperature, relative humidity, solar radiation, wind velocity, wind direction and pressure. Therefore, there was a strong relationship found between the data, which were collected via The Mobile Air Quality Measurement Vehicle, and the predictions of Multi-Layer Perceptron (MLP) Model?s Levenberg-Marquardt back-propagation algorithm. As a result, the model was obtained results predict the successfully of 84%. In addition, the effectiveness levels of nitrate oxides, temperature, sulfur dioxide and the others on the concentration of tropospheric ozone was found 62%, 8%, 7% and 23%, respectively. Key Words: Artificial Neural Networks, Multi-Layer Perceptron, Tropospheric Ozone, Air Quality