A nonlinear grey bernoulli model integrated with grey wolf optimizer for PM concentration prediction in İstanbul

Abstract

Hava kirliliği, günümüzde küresel ölçekte karşılaşılan en ciddi çevresel ve halk sağlığı sorunlarından biri olarak öne çıkmaktadır. Özellikle büyük şehirlerde, sanayileşmenin hız kazanması, kentleşmenin yoğunlaşması, motorlu taşıt kullanımının artması ve fosil yakıtlara olan bağımlılığın devam etmesi gibi faktörler, hava kalitesinin giderek bozulmasına neden olmaktadır. Karbonmonoksit (CO), azot dioksit (NO2), kükürtdioksit (SO2), uçucu organik bileşikler (VOC) ve partikül maddeler (PM) gibi hava kirletici unsurların atmosferdeki yoğunluğu, çoğu zaman hem yerel yasal sınırları hem de Dünya Sağlık Örgütü (DSÖ) tarafından belirlenen referans değerleri aşmaktadır. Bu kirleticiler arasında yer alan partikül maddeler, özellikle sağlık üzerinde doğrudan ve ciddi etkiler oluşturması nedeniyle ayrı bir öneme sahiptir. Çapı 2.5 mikrometreye kadar olan PM2.5 partikülleri, solunum yoluyla akciğerlerin en derin noktalarına kadar ulaşabilmekte ve oradan da kan dolaşımına karışarak insan sağlığı üzerinde sistemik etkiler yaratabilmektedir. PM2.5, başta kardiyovasküler ve solunum yolu hastalıkları olmak üzere çeşitli sağlık problemlerinin yanı sıra bazı kanser türlerinin görülme olasılığını da artırmaktadır. Öte yandan, daha büyük boyutlu olan ve çapı 10 mikrometreye kadar ulaşabilen PM10 partikülleri, üst solunum yollarında tahrişe yol açarak akciğer fonksiyonlarını olumsuz etkilemektedir. DSÖ, 2005 yılında belirlediği yıllık ortalama limit değerleri 2021'de daha da sıkılaştırarak PM2.5 için 10 µg/m³'ten 5 µg/m³'e, PM10 için ise 20 µg/m³'ten 15 µg/m³'e düşürmüştür. Buna karşın, Türkiye'nin "Açık Hava Kalitesi Yönetmeliği" taslağında bu değerler sırasıyla 25 µg/m³ ve 40 µg/m³ olarak önerilmektedir. Bu durum, Türkiye ile küresel sağlık otoriteleri arasında hava kalitesi standartları bakımından kayda değer bir fark bulunduğunu ortaya koymaktadır. Türkiye genelinde faaliyet gösteren yaklaşık 365 izleme istasyonu bulunsa da, bu istasyonlardan elde edilen PM2.5 ve PM10 verilerinin zamansal sürekliliği ve doğruluğu açısından etkileyici boyutta eksiklikler mevcuttur. İstanbul gibi nüfusun yoğun, ulaşım kapasitesinin yük altında olduğu ve yapılaşmanın sürekli olarak devam ettiği mega kentlerde ise bu sorun daha da belirginleşmektedir. Mecidiyeköy ve Kağıthane gibi bölgeler, coğrafi özellikleri, trafik yükünün fazla oluşu, yüksek nüfus yoğunluğu ve sürekli süregelen inşaat faaliyetleri nedeniyle hava kirleticilerin birikmesine daha açık hale gelmiştir. Bu bağlamda, kirletici konsantrasyonlarını doğru bir şekilde tahmin etmek, hava kalitesinin izlenmesi ve yönetilmesi açısından hayati bir öneme sahiptir. Etkin bir tahmin süreci, trafik düzenlemeleri, emisyon azaltım stratejileri ve halk sağlığını korumaya yönelik acil durum uyarılarının zamanında uygulanabilmesini sağlamaktadır. Aynı zamanda uzun vadeli kent planlama kararlarının veri temelli olarak alınmasına da olanak tanımaktadır. Bu çalışma kapsamında, İstanbul'un söz konusu bölgeleri olan Mecidiyeköy ve Kağıthane için 2014–2024 yılları arasındaki yıllık ve aylık PM2.5 ve PM10 verileri derlenmiş ve bu geçmiş veriler kullanılarak 2025–2029 dönemine ait tahminler üretilmiştir. Veri yapısının sınırlı ve kısmen eksik olduğu koşullarda başarılı öngörüler sunabilen gri sistem teorisi bu amaçla temel yöntem olarak seçilmiştir. Çalışmada, klasik gri model GM(1,1), doğrusal olmayan Bernoulli tabanlı gri model NGBM(1,1) ve mevsimsel etkileri içeren gri model SGM(1,1) olmak üzere üç farklı model uygulanmıştır. Bu modellerin tahmin doğruluğunu artırmak amacıyla, model parametrelerinin belirlenmesinde Gri Kurt Optimizasyonu (GWO) isimli meta-sezgisel optimizasyon algoritmasından yararlanılmıştır. Meta-sezgisel algoritmalar, doğa ve hayvan davranışlarından veya evrimsel süreçlerden esinlenerek geliştirilen ve klasik optimizasyon yöntemlerinin yetersiz kaldığı karmaşık problemlerde etkili çözümler üretebilen yöntemlerdir. GWO ise, kurt sürülerinin sosyal yapısını ve avlanma davranışlarını taklit ederek, arama uzayında küresel ve yerel optimum arasında denge kurmayı amaçlayan etkili bir yaklaşımdır. Tahmin modellerinin başarısı; Ortalama Mutlak Yüzde Hata (MAPE), Kök Ortalama Kare Hata (RMSE) ve Belirleme Katsayısı (R²) gibi yaygın performans ölçütleriyle değerlendirilmiştir. Bu ölçütler, modelin gözlemlenen değerlerle ne ölçüde örtüştüğünü sayısal olarak ifade etmektedir. MAPE, tahmin hatalarının yüzde cinsinden ortalamasını vererek göreli hata hakkında fikir sunarken; RMSE, büyük hatalara daha yüksek ağırlık vererek modelin istikrarını değerlendirmeye olanak tanır. R² katsayısı ise modelin açıklayıcılığını ortaya koymakta ve tahmin edilen değerlerin gerçek değerler üzerindeki varyansını ne ölçüde açıkladığını göstermektedir. Tahmin edilen değerler hem DSÖ hem de Türkiye tarafından belirlenen sınır değerlerle karşılaştırılmış, bu yolla modellerin çevresel karar destek potansiyeli analiz edilmiştir. Ayrıca, istatistiksel tahmin literatüründe yaygın olarak kullanılan klasik ARIMA modeli temel bir karşılaştırma noktası olarak dahil edilerek, gri sistem modellerinin görece avantajları somut bir biçimde ortaya konmuştur. Elde edilen bulgular, özellikle optimizasyon uygulanmış modellerin, optimize edilmemiş sürümlere kıyasla daha düşük hata oranları ürettiğini göstermiştir. Bu kapsamda en başarılı model olarak, hem PM2.5 hem de PM10 tahminlerinde NGBM(1,1)–GWO hibrit modelinin öne çıktığı görülmüştür. Öngörülen değerler, genel olarak kirleticilerin zaman içinde azalma eğilimi göstereceğine işaret etse de, mevcut politika ve müdahale düzeylerinin yeterli olmaması halinde 2030 yılına kadar hem DSÖ hem de Türkiye limitlerinin üzerinde kalınacağı sonucuna ulaşılmıştır. Sonuç olarak, bu çalışma veri kısıtlarının bulunduğu koşullarda dahi gri sistem teorisine dayalı modellerin ve GWO gibi optimizasyon algoritmalarının birlikte kullanılmasıyla güvenilir hava kalitesi tahminleri yapılabileceğini ortaya koymaktadır. Tez bulguları, yalnızca literatüre katkı açısından değil, aynı zamanda politika geliştirme ve uygulama süreçleri açısından da önemli çıktılar sunmaktadır. Özellikle belediyeler gibi yerel yönetimler, çevre ve şehircilik müdürlükleri, il sağlık birimleri ve ilgili kamu otoriteleri bu tahmin sonuçlarını erken uyarı sistemleriyle entegre ederek hava kirliliğine karşı trafik düzenlemeleri, toplu taşıma teşvikleri, halk bilgilendirme kampanyaları gibi kısa vadeli önlemler geliştirebilir. Aynı zamanda, yapılan tahminlerin şehir ölçeğinde uzun vadeli hava kalitesi yönetim planlarına dahil edilmesi, sürdürülebilir kentsel yaşam hedeflerine katkı sunacaktır. İstanbul özelinde elde edilen bulgular, benzer özellikler taşıyan diğer büyük şehirler için de örnek teşkil edebilecek nitelikte olup, bilim temelli çevre politikalarının geliştirilmesi yönünde değerli bir adım oluşturmaktadır.Bu bağlamda, çalışmanın çıktıları karar vericilere veri temelli, uygulanabilir ve bölgeye özgü politika araçları geliştirme konusunda güçlü bir zemin sağlamaktadır.