Enstitümüz öğretim üyesi Prof. Dr. Didem Saloğlu Dertli ‘Data‑Driven Modeling for the Prediction of Stack Gas Concentration in a Coal‑Fired Power Plant in Türkiye’ isimli yayını Water Air and Soil Pollution dergisinde yayınlamıştır.
Türkiye’de, kömürlü termik santrallerde baca gazı konsantrasyonlarını tahmin etmek için derin öğrenme ve makine öğrenimi yöntemleri kullanılmıştır. Sürekli Emisyon İzleme Sistemleri’nden (CEMS) alınan gerçek zamanlı verilere dayanan çalışmada, Uzun Kısa Süreli Bellek (LSTM), Çok Katmanlı Algılayıcı Ağ (MLP), Hafif Gradyan Artırma Makinesi (LightGBM) ve Stokastik Gradyan İnişi (SGD) gibi modeller, CO, SO₂, NOₓ, O₂ ve toz seviyelerini tahmin etme doğrulukları açısından değerlendirilmiştir.
Sonuçlar, LSTM’nin NOₓ ve SO₂ tahmininde en etkili model olduğunu (R² = 0.87 ve 0.85) ortaya koyarken, LightGBM’nin O₂ tahmininde (R² = 0.85) en iyi performansı gösterdiğini göstermiştir. Her iki model de toz konsantrasyonlarının tahmininde güçlü sonuçlar elde etmiştir (R² = 0.78). Bu araştırma, yapay zekâ tabanlı modellerin emisyon yönetimini optimize etme potansiyelini vurgulayarak, çevresel etkilerin azaltılması ve enerji üretiminde operasyonel verimliliğin artırılması için kritik araçlar sunduğunu göstermektedir.