2021 Cilt 26 Sayı 1

Permanent URI for this collectionhttps://hdl.handle.net/11452/20111

Browse

Browsing by Subject "Aşırı-örnekleme yöntemleri"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Arıtma çamurlarında polisiklik aromatik hidrokarbonların (PAH’ların) giderimlerinin veri madenciliği yöntemleri ile tahmini
    (Bursa Uludağ Üniversitesi, 2021-01-10) Gençosman, Burcu Çağlar; Şanlı, Gizem Eker; Mühendislik Fakültesi; Çevre Mühendisliği Bölümü; 0000-0003-0159-8529; 0000-0002-7175-2942
    Çevreye ve insan sağlığına olumsuz etkileri olan polisiklik aromatik hidrokarbonların (PAH'ların) atık su arıtma çamurlarından gideriminde kullanılan yöntemlerden biri UV-C (ultraviyole-C) ışığı ve fotokatalizörler varlığında gerçekleştirilen foto parçalanma uygulamalarıdır. PAH gideriminin sağlanıp sağlanmadığı, gerçekleştirilen deneylerden sonra ortaya çıkar ve bu durum zaman ve maliyeti arttırır. Alternatif olarak veri madenciliği sınıflandırma yöntemleri ile deney girdi koşullarına göre PAH'ların giderimitahmin edilebilir, böylece zaman ve maliyet tasarrufu sağlanabilir. Bu sayede, arıtma çamurlarındaki başlangıç PAH konsantrasyonları esas alınarak UV teknolojilerinin kullanımı kararı daha az maliyet ve çabayla verilebilir. Çalışmanın ilk aşamasında 12 PAH türünü içeren 4 farklı özellikteki arıtma çamurunda UV uygulamaları gerçekleştirilerek PAH giderimleri belirlenmiş, sonrasında ilk aşamadaki sonuçlar veri kümelerinde kullanılarak başlangıç PAH seviyelerine göre PAH'ların giderimleri tahmin edilmiştir. Çok katmanlı algılayıcı(ÇKA)ağı, k-en yakın komşu(k-NN), C4.5 karar ağacı(C4.5), rastgele orman(RO)ve torbalama yöntemleri gibi çeşitli sınıflandırma yöntemleri giderim tahmini için kullanılmıştır. Performans karşılaştırmaları için kesinlik+, duyarlılık, belirleyicilik, %doğruluk, AUC(Alıcı işlem karakteristikleri eğrisi)ve F-ölçütü esas alınmıştır. Ortalama doğruluk parametresine göre en başarılı üç yöntem sırasıyla RO (%95,730),k-NN (%95,588) ve ÇKA (%91.275)yöntemleridir. Azınlık sınıfı tahmininde ise ortalama AUC göz önüne alındığında RO (0,974), k-NN (0,944) ve Torbalama (0.939) yöntemleri diğer yöntemlerden daha iyi performans göstermiştir.