SİVAS İLİNDE YAPAY SİNİR AĞLARI İLE HAVA KALİTESİ MODELİNİN OLUŞTURULMASI ÜZERİNE BİR UYGULAMA

Makalenin İngilizce İsmi: 
An Aplication of Neural Networks Applied on Whether Quality of Sivas
Makale İçerik Bilgileri
Makale Dili: 
Türkçe
Anahtar Kelimeler: 
yapay sinir ağları
Geri yayılma Sinir Ağları
Hava Kalitesi Modeli
Türkçe Özet: 

Hava kirliliği, yoğun araç trafiği, şehirsel ısınma ve artan ticari ve endüstriyel aktiviteler
sebebiyle büyüyen bir problemdir. Sağlık açısından, kentsel bölgelerdeki hava kalitesi
parametrelerini takip etmek ve tahmin etmek önemlidir. Yapay Sinir Ağları teknikleri
karışık ve doğrusal olmayan modellerde çok başarılıdır. Bu çalışmada Geri Yayılmalı
Yapay Sinir Ağları modeli kullanılarak, SO2 kirlilik seviyesi üzerindeki meteorolojik ve
diğer kirlilik parametrelerin, kentsel bölgedeki etkisi incelenmiştir. Tahmin modelinin
performansı 84-88 % değerleri arasında kullanılan modele göre başarı sağlanmıştır.

Key Words: 
neural networks
SO2 pollution
Bacpropagation Neural Networks
Air Quality Model
İngilizce Özet: 

Air pollution is a growing problem arising from domestic heating, high density of vehicle
traffic, and expanding commercial and industrial activities. Monitoring and forecasting of
air quality parameters in the urban area are important due to health impact. Artificial
intelligent techniques are successfully used in modelling of highly complex and non-linear
phenomena. In this study, backpropagation neural network model has been proposed to
estimate the impact of meteorological factors on SO2 pollution levels over an urban area.
The model forecasts satisfactorily the trends in SO2 concentration levels, with performance
84–88%.

Yazar Bilgileri
1. Yazar
Yazar Adı: 
Ahmet Gürkan YÜKSEK
Yazar Üniversitesi: 
Cumhuriyet Üniversitesi
Yazar Fakültesi: 
Meslek Yüksekokulu
Yazar Anabilim Dalı: 
Bilgisayar Programlama
2. Yazar
Yazar Adı: 
Hüdaverdi BİRCAN
Yazar Üniversitesi: 
Cumhuriyet Üniversitesi
Yazar Fakültesi: 
İktisadi İdari Bilimler Fakültesi
Yazar Anabilim Dalı: 
İşletme Anabilim Dalı
3. Yazar
Yazar Adı: 
Metin ZONTUL
Yazar Anabilim Dalı: 
Bilgisayar Programlama
4. Yazar
Yazar Adı: 
Oğuz KAYNAR
Yazar Üniversitesi: 
Cumhuriyet Üniversitesi
Yazar Fakültesi: 
Meslek Yüksekokulu
Yazar Anabilim Dalı: 
Bilgisayar Programlama
Makale Künye Bilgisi
Makalenin Yayımlandığı Dergi: 
Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Dergisi
Makale Yayın Yılı: 
2007
Cilt/Sayı: 
8
Sayı: 
1
Sayfa Aralığı: 
97-112
Referanslar: 

1. Benvenuto, M., (2000), “ Neural Networks For Environmental Problems: Data
Quality Control andA ir Pollution Nowcasting” Global Nest Vol 2, No 3,
pp 281-292.
2. Bonzar, M., Lesjak, M., Mlakar, P., (1991) “A neural network based method for
short-termpredictions of ambient SO2 concentration in highly polluted
industrial areas of complex terrain”. Atmospheric Environment 27B(2),
221-230
3. Comrie,A.C., 1997. Comparing neural Networks and regression models for ozone
forecasting. Journal of the Air & Waste Managemnt Association 47, 653-
663
4. Efe, Ö., (2000), Yapay Sinir Ağları ve Uygulamaları, Boğaziçi Üniversitesi,
İstanbul.
5. Elmas, Ç., (2003), Yapay Sinir Ağları, Seçkin Yayınları, Ankara.
6. Fausett, L., (1994),Fundamentals of Neural Networks,Prentice Hall, New Jersey.
7. Graupe, D., (1997), Principles of Artificial Neural Networks, World Scientific
Publishing, Singapore.
8. Grivas, C., (2005), “Artifical neural network models for prediction of PM10 hourly
concentrations, in the Greater Area of Athens, Greece.” Atmospheric
Environment, Yayında.
9. Kay, J. W. and D.M. Titterington (1999), Statistics and Neural Networks, Oxford
University Pres. New York.
10. Neter, J., W. Wasserman and M. H. Kutner (1989), Applied Linear Regression
Models, IRWIN, Boston.
11. Öztemel, E., (2003), Yapay Sinir Ağları, Papatya yayınevi, İstanbul.
12. Patterson, D. W., (1996), Artificial Neural Networks, Prenctice Hall. New York.
13. Roa, R., Castro, J., Jorquera, H., Correa, J.R., Vesovic, V., (2005) “ Air- Pollution
modelling in urban ares: Correlating turbulent diffusion coefficients by
means of an artifical neural network approach” Atmospheric
Environment, Yayında.
14. Saral, A., 2000, Hava kirliliğinin yapay sinir ağları yöntemi ile modellenmesi ve
tahmini. Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü,
Yayınlanmamış Doktora tezi.
15. Sarle, W. S. (1994), “Neural Networks and Statistical Models”, Proceedings of
the Nineteeth Annual SAS Users Group International Conference, Cary,
NC: SAS Institute.
16. Skapura, D. M. (1996), Building Neural Networks, Addison-Wesley, New York.
17. Wark, K., Warner, C.F., 1981, Air Pollution, its Origin and Control, Harper-
Collins, New York.
18. Warner, B., & Misra, M. (1996), “Understanding neural Networks as statistical
tools”. The American Statistician, 50, 284-293.
19. White, H. (1992), Artificial Neural Networks: Approximation and Learning
Theory,: Blackwell, Oxford, UK.
20. White, H., (1989), “Learning in Artificial Neural Networks: A Statistical
Perspective.”, Neural Computation, Vol. 1, No. 4, pp. 425—464.
21. Yurtoğlu, H., 2005, Yapay sinir ağları metodolojisi ile öngörü modellemesi: bazı
makroekonomik değişkenler için Türkiye örneği. Uzmanlık Tezi, Yayın
No: Dpt: 2683, Ankara.
22. Yi, J.,Prybutok, V.R., 1996. “A Neural network model foreacasting for prediction
of daily maximum ozone concentration in industrialized urban area”.
Environmental Pollution 92, 349-357.

Türkiye’nin ilk İşletme Fakültesi olan İstanbul Üniversitesi İşletme Fakültesi bir ilke daha imza atmaya hazırlanıyor. Arastirmax.com "1. Liselerarası İşletme ve Ekonomi Proje Yarışması"nın sponsorlarından biri olmaktan gurur duymakta.