Hava kirliliği, özellikle şehirleşmenin hızla arttığı bölgelerde ciddi sağlık ve çevresel sorunlara yol açmaktadır. İstanbul Teknik Üniversitesi’nden Ömer Ekmekçioğlu, Kayhan Bayhan ve Sena Gençoğlu'nun aralarında bulunduğu uluslararası bir araştırma, hava kalitesi tahmini için yapay zeka tekniklerinin kullanımını ele alarak, bu alandaki en güncel gelişmelere ışık tutuyor.

Araştırma, hava kalitesi endeksi (AQI) tahminini iyileştirmek için makine öğrenmesi (ML) modellerini kullanarak, havadaki kirleticiler, meteorolojik değişkenler ve çevresel faktörler arasındaki karmaşık etkileşimleri analiz ediyor. Çalışmada, XGBoost, Random Forest, Light Gradient Boosting Machine (LGBM) ve derin öğrenme modelleri gibi gelişmiş algoritmalar kullanılarak, hava kalitesinin gelecekteki durumu daha doğru bir şekilde tahmin edilmeye çalışıldı.

Araştırmacılar, PM10, PM2.5, sıcaklık, nem, rüzgar hızı ve yağış gibi faktörlerin AQI üzerindeki etkisini değerlendirerek, en önemli değişkenlerin belirlenmesini sağladı. Sonuçlar, hava kirliliği tahminlerinin doğruluğunu artırmak için makine öğrenmesi modellerinin büyük bir potansiyel sunduğunu gösterdi. Özellikle XGBoost algoritmasının en başarılı tahminleri yaptığı, LGBM modelinin ise diğer yöntemlere kıyasla daha düşük performans gösterdiği belirlendi.

Bu çalışma, hava kalitesi tahminlerini geliştirmek ve şehir planlaması, çevresel yönetim ve halk sağlığı politikalarını desteklemek için daha güçlü veri analitiği sistemleri geliştirilmesine katkı sağlayabilir. Gelecekte, gerçek zamanlı hava kalitesi tahminleri için derin öğrenme ve yapay zeka tabanlı hibrit modellerin entegrasyonu planlanmaktadır.

Tam makaleye buradan ulaşabilirsiniz: [DOI: 10.1016/B978-0-443-23816-1.00003-3]