SUMMARYMODELING PM AND THC DISTRIBUTION IN ISTANBUL WITHARTIFICIAL NEURAL NETWORK TECHNIQUESIstanbul with a population of more than 13 million according to 2000 Census hascompacted residential and industrial areas that are surrounded with highways, hasalways faced with migration because of accessibility to better employment andeducation opportunities. For this reason, rapid urbanization and uncontrolled growth ofthe city have caused serious air pollution problems. Especially, European side ofIstanbul has more air pollution because of higher population and more industrial areas.In this study, Yenibosna and Esenler districts in European side of Istanbul that havedistinctive emission sources and influenced by air pollutants have been chosen and thehourly and daily average concentrations of pollutants were predicted by using ArtificialIntelligent modeling techniques. PM10 and THC parameters have been measured byIstanbul Greater Metropolitan Municipality, Directorate of Environmental Protection inYenibosna and Esenler Air pollution Sampling Stations. In addition, PM2.5concentrations were measured at Yenibosna Air Pollution Sampling Station, with PMsampling device belonging to Environmental Engineering Department of IstanbulUniversity. Daily average datasets of PM10 and THC collected during 2003, and hourlyaverage dataset of PM2.5 collected in the period of February-July 2003 were used in thestudy.Hourly averages of PM2.5 and PM10 concentration values measured in the period ofFebruary-July 2003 were compared and the variation of PM2.5 concentration withmeteorological factors was investigated and the results were evaluated. Additionally,the relation of meteorological factors and daily average PM10 concentrations collectedin Yenibosna station, and daily average THC concentrations collected in Esenler stationwere examined and the results were evaluated.Artificial Neural Network (ANN), Cellular Neural Network (CNN), Segmented CellularNeural Network (S-CNN) and Linear Regression analysis modeling techniques are usedfor modeling daily average concentrations of PM10 and THC and daily and hourlyaverage concentrations of PM2.5 air pollutants. In order to determine the performance ofeach model, model predicted values were compared with the observed values,calculating statistical performance analysis parameters. According to the results, theapproach index change between 0,49 and 0,74 for the daily average concentration of airpollutants predicted in the models and the observed concentrations. Additionally, theapproach index vary between 0,60 and 0,98 for the predicted hourly averageconcentrations and observed concentrations.xvii.

ÖZETİSTANBUL İLİ PM ve THC DAĞILIMININ YAPAY SİNİR AĞ TEKNİKLERİİLE MODELLENMESİİstanbul evsel ve endüstriyel kaynakların iç içe olduğu, otoyollarla çevrilmiş, 2000 yılınufus sayımına göre 13 milyondan fazla insanın yaşadığı ve daha iyi iş ve eğitimkoşullarına ulaşmak gibi sebeplerden dolayı sürekli göç alan bir şehirdir. Bu yüzdenmeydana gelen hızlı şehirleşme ve plansız büyüme sonucu ciddi hava kirliliğiproblemleri ile karşı karşıya kalınmıştır. Özellikle Avrupa yakası endüstrinin veyerleşimin çok daha fazla olduğu ve dolayısı ile hava kirliliği sorununun yaşandığı birbölgedir.Bu çalışmada, İstanbul-Avrupa yakasında yer alan ve ayni zamanda farklı emisyonkaynaklarına sahip, hava kirliliğinin etkili olduğu, Yenibosna ve Esenler bölgeleriseçilmiş ve kirleticilerin günlük ve saatlik ortalama konsantrasyonları takip edilmiş veYapay Zeka modelleme teknikleri kullanılarak ileriye yönelik tahminler yapılmıştır.Çalışmada kullanılan PM10 ve THC parametreleri İstanbul Büyükşehir Belediyesi ÇevreKoruma ve Kontrol Müdürlüğü (İBBÇKKM) tarafından Yenibosna ve Esenler HavaKirliliği Ölçüm istasyonlarında (HKÖİ) kayıt edilmektedir. Ayrıca bu çalışmadakullanılan PM2.5 parametresi Yenibosna HKÖİ'na tarafımızdan yerleştirilen İstanbulÜniversitesi, Çevre Mühendisliğine ait bir PM ölçüm cihazı ile kaydedilmiştir. PM10 veTHC konsantrasyonlarının 2003 yılı boyunca kaydedilen günlük ortalama değerleri,PM2.5 konsantrasyonlarının ise 2003 yılı Şubat ve Temmuz arasında ölçülen saatlikortalama değerleri alınıp Yapay Zeka modellemesinde kullanılmıştır.2003 yılı Şubat ve Temmuz ayları arasında Yenibosna HKÖİ'nda ölçülen saatlikortalama PM2.5 konsantrasyonları ile İBBÇKKM tarafından kaydedilen PM10konsantrasyonları karşılaştırılmış, saatlik PM2.5 konsantrasyonlarının meteorolojikfaktörler ile değişimleri incelenmiş ve sonuçlar değerlendirilmiştir. Ayrıca 2003 yılındaYenibosna HKÖİ'nda kaydedilen günlük ortalama PM10 ve Esenler HKÖİ'ndakaydedilen günlük ortalama THC konsantrasyonlarının da meteorolojik faktörler iledeğişimleri incelenmiş ve sonuçlar değerlendirilmiştir.PM10, PM2.5 ve THC hava kirletici parametrelerinin günlük ortalama, PM2.5parametresinin saatlik ortalama konsantrasyonlarının modellenmesinde Yapay Sinir Ağ(YSA), Hücresel Yapay Sinir Ağ (HYSA), Bölütlenmiş Hücresel Yapay Sinir Ağ (B-HYSA) ve Doğrusal Regresyon Analizi model teknikleri kullanılmıştır. Her bir modelyaklaşımının model performanslarının belirlenebilmesi amacı ile elde edilen bütünmodel tahmin konsantrasyonları gerçek ölçüm sonuçları ile istatistiksel performansanaliz parametreleri hesaplanarak karşılaştırılmıştır. Bu çalışmada, kullanılan havakirleticilerinin günlük ortalama konsantrasyon tahmininde model tahminlerinin gerçekdeğerlere yaklaşım indeksinin 0,49 ile 0,74 aralığında değiştiği tespit edilmiştir. Bunakarşın saatlik ortalama konsantrasyon tahmininde model tahminlerinin gerçek değerlereyaklaşım indeksi genel olarak 0,60 ile 0,98 aralığında olduğu belirlenmiştir.xvi.