Sürdürülebilir hava kalitesi için yapay zeka yöntemleri ile partiküler madde tahmininin modellenmesi

Abstract

Biyosferde canlı ve cansız tüm varlıkları doğrudan veya dolaylı olarak etkileyen en önemli konulardan biri hava kalitesidir. Hava kalitesi, atmosferde bulunan gazlar, partiküller ve diğer kirleticilerin seviyesini tanımlar. Temiz hava insan sağlığına olumlu etkiler sağlarken, kirli hava solunum rahatsızlıkları ve çevresel sorunlara yol açabilir. Bu nedenle, hava kalitesinin korunması ve iyileştirilmesi önemli bir halk sağlığı ve çevre koruma meselesidir. Hava kalitesi, ölçülmesi ve izlenmesi gereken bir parametre olup, çeşitli kaynaklardan salınan kirleticiler tarafından kolaylıkla etkilenmektedir. Hava kalitesi dengesinin bozulması, ortam havasındaki çeşitli maddelerin canlı sağlığını olumsuz etkilemeye başladığı sınırın aşıldığı anlamında gelmektedir. Hava kalitesi dengesi, doğal ya da insan kaynaklı nedenlerle bozulabilmektedir. İnsan kaynaklı hava kirliliği, özellikle Sanayi Devrimi ile birlikte dramatik şekilde artarak canlı sağlığını tehdit eder hale gelmiştir. Hava kirliliği, solunum yolu rahatsızlıklarına, astım, bronşit ve diğer solunum sistemi hastalıklarının artmasına neden olmaktadır. Kirli hava, kalp ve akciğer hastalıkları ile kanser riskini artırmaktadır. Ayrıca, diğer pek çok hastalıkla da ilişkisi tespit edilmiştir. Bozulan hava kalitesi çocuklar, yaşlılar ve kronik sağlık sorunu olan bireyler üzerinde daha belirgin ve ciddi etkilere sahiptir. Kirliliğin özellikle insan sağlığı üzerindeki olumsuz etkileri, bilim insanlarının dikkatini kirlilik kaynaklarına, etkilerine, etkileştiği parametrelere yönlendirmesine neden olmuştur. Multidisipliner bir konu olarak hava kirliliği, meteorologlar, çevre mühendisleri, şehir ve bölge planlama uzmanları, halk sağlığı uzmanları, veterinerler gibi birbirinden farklı temel eğitimleri olan araştırmacıların ortak ilgi alanı olmuştur. Bilim insanları ile araştırmacıların bir kısmı hava kirliliğinin olumsuz etkilerine karşı bir uyarı mekanizması da oluşturması düşüncesiyle kirletici parametrelerin çeşitli zaman periyotlarında tahminine yönelmiştir. Başarılı hava kalitesi tahmini, kamu otoritelerinin toplum ve çevre ile ilgili tedbirleri zamanında almasını, halkın erken uyarılmasını, böylelikle kirletici kaynaklı zarar oluşumunun engellenmesini ya da en az düzeyde etkilenilmesini sağlayabilecektir. Bilgisayarların veri işleme kapasitelerinin artması ve ileri veri işleme yöntemlerinin geliştirilmesi, hava kirliliği ve hava kalitesi tahminine yönelik çalışmalarının sayısının hızla artmasına ve başarılı tahmin modellerinin geliştirilmesine katkıda bulunmuştur. Tahmin modelleri temel olarak kimyasal taşınım modelleri ve veri odaklı modeller olarak ikiye ayrılabilmektedir. Kimyasal taşınım modelleri, hava kirliliğinin kaynağından itibaren atmosferdeki hareketini ve yayılmasını izler. Atmosferik koşullar, hava akımları, sıcaklık, nem ve diğer faktörler bu modellerde dikkate alınır. Bu modeller, belirli bir bölgede veya şehirde hava kalitesinin nasıl etkileneceğini tahmin etmek için kullanılır. Veri odaklı modeller ise gerçek zamanlı verileri kullanarak hava kirliliği seviyelerini tahmin ederler. Hava kalitesi izleme istasyonları ile meteoroloji istasyonlarından alınan gerçek zamanlı veriler bu modelleri besler. Makine öğrenimi ve istatistiksel yöntemler, bu verileri analiz ederek gelecekteki kirlilik seviyelerine yönelik öngörüde bulunur. Veri odaklı modeller başlığı altında yer alan makine öğrenmesi, derin öğrenme gibi yapay zeka uygulamaları, kirletici seviyesinin ya da hava kalitesinin kısa, orta ve uzun vadeli tahmininde sıklıkla kullanılan yöntemler haline gelmiştir. Yapay zeka yöntemleri, büyük miktarda veri analizi ve karmaşık desenleri tanıma konusunda oldukça etkilidir. Bu durum hava kirliliği tahminlerinde daha hassas sonuçlar elde etmeyi sağlar. Yapay zeka, meteorolojik veriler, hava kalitesi izleme istasyonlarından gelen veriler ve diğer faktörleri analiz ederek kirlilik seviyelerini tahmin etmekte başarılıdır. Ayrıca gerçek zamanlı veri analizi yapabilme yetenekleri sayesinde hava kirliliği seviyelerini anlık olarak izlemeyi sağlar. Bu şekilde, hızlı müdahale ve risklerin azaltılması için önemli bir avantaj yaratmaktadır. Karar vericilere gelecekteki kirlilik durumlarına göre politika oluşturma konusunda da yardımcı olmaktadır. Yapay zekaya dayalı tahmin modellerinin bu özellikleri, hava kirliliğine yönelik çalışmalarda sıklıkla tercih edilmelerini sağlamıştır. Bazen bir tahmin modelinde tek başına bir yöntem denenirken, bazen de birden fazla yapay zeka yöntemi birlikte kullanılarak hava kirliliği tahmin başarısı artırılmaya çalışılmıştır. Bursa, nüfus, kentleşme, sanayileşme, coğrafik konum, topoğrafya ve iklim gibi çeşitli özellikleri birlikte değerlendirildiğinde, hava kalitesi dengesi hassasiyetle takip edilmesi gereken bir şehirdir. Bu nedenle şehir için sürekli, düzenli, sağlıklı veri üreten, geleceğe yönelik bilgi ve gerektiğinde uyarı üretebilecek bir hava kalitesi tahmin yapısının oluşturulması önemlidir. Çalışmada önerilen model, Bursa iline ait verilerle oluşturulmuş olmakla birlikte, hava kalitesi dikkatle takip edilmesi gereken diğer yerleşim birimleri için çalıştırılabilecek ve geliştirilebilecek bir yapı içermektedir. Bu çalışmanın amacı, meteorolojik parametreler kullanarak partiküler madde seviyesinin yapay zeka yöntemleri ile tahmin edilmesini amaçlayan sürdürülebilir bir hava kalitesi modelinin oluşturulmasıdır. Çalışmada Bursa ili sınırları içerisindeki 6 hava kalitesi izleme istasyonundan elde edilen bir yıllık, saatlik periyotta 5 farklı kirletici (PM10, PM2.5, NO2, SO2, O3) ölçüm verisi ile meteorolojik veriler kullanılmıştır. İlk aşamada kirletici veri seti ön işleme tabi tutulmuş ve eksik verileri tamamlanmıştır. İkinci aşamada, PM10 ve PM2.5 konsantrasyonları arasındaki yüksek korelasyondan yola çıkılarak bir model geliştirilmiştir. Modelin her iki parametrenin ölçüldüğü istasyondan elde edilen bir haftalık PM10 ve PM2.5 tahmin sonuçları başarılı bulunmuştur. Üçüncü aşamada, sadece bir tür partiküler madde (PM10 ya da PM2.5) konsantrasyonu ölçülen beş istasyon için yeni bir tahmin modeli oluşturulmuştur. İstasyonda ölçümü yapılan partiküler madde, ölçümü yapılan diğer kirleticiler ve meteorolojik veriler ile her iki partiküler madde türünün ölçüldüğü istasyona ait modelin eğitim verisi seti, yeni modeldeki makine öğrenmesi modülüne girdi olarak verilmiştir. Elde edilen partiküler madde tahmin sonuçlarının teyit edilmesi için aynı modüle tahmin edilen partiküler madde verisinin kullanıldığı bir süreç daha ilave edilmiştir. Bu süreçte istasyonda ölçümü yapılan partiküler madde için tahmin yapılmaktadır. İstasyonda ölçülen partiküler madde ile modülle tahmin edilmiş hali arasındaki yüksek korelasyon ölçülmeyen partiküler madde için yapılan tahminin tatmin edici derece başarılı olduğunu göstermiştir. Nüfus bakımından Türkiye'nin dördüncü büyük şehri ve bir sanayi üssü olan Bursa için oluşturulacak etkin ve sürdürülebilir partiküler madde tahmin modeli, tüm paydaşların hava kalitesinin seyrinin takip edebilmesini, tahminler doğrultusunda olumsuz durum beklentisi oluştuğunda kamu otoritelerinin zamanında gerekli tedbirleri almasını sağlayabilir. Cihaz arızası vb. nedenlerle bir istasyondan partiküler madde (PM2.5 ya da PM10) ölçüm bilgisi gelmediğinde, tahmin modeli çalıştırılarak elde edilen sonuç, ölçüm bilgisi yerine değerlendirmeye alınabilir. Ayrıca bir istasyonda iki partiküler maddeden birinin ölçümünün yapılması, diğerinin tahmin modeli ile elde edilmesi ölçüm maliyetlerinin azaltılmasını sağlayabilir.