Hava Durumu verileri ile Partikül Madde Konsantrasyonunun Tahmini Özgür ZEYDAN
Jan 27, 2016
Hava Durumu verileri ile Partikül Madde Konsantrasyonunun Tahmini
Özgür ZEYDAN
Özgür ZEYDAN 2
Sunu İçeriği
Tanımlar: Hava kirliliği Partikül madde
İstatistiksel Modeller Model Verileri İstatistiksel Analizler
Tanımlayıcı istatistik, grafikler, korelasyon, regresyon analizi
Sonuç
Özgür ZEYDAN 3
Hava Kirliliği nedir ?
Temiz havada %78 azot, %21 oksijen ve %1 oranında da diğer gazlar, toz ve su buharı bulunur.
Yabancı maddelerin eklenmesi ile bu oranların bozulması hava kirliliğidir.
Hava kirliliğinin insan sağlığına, canlı yaşamına ve ekolojik dengeye zararlı etkileri söz konusudur.
Özgür ZEYDAN 4
Hava kirliliğine neden olan kaynaklar nelerdir ? A) DOĞAL KAYNAKLAR Yanardağ-Volkan faaliyetleri Orman yangınları Açık arazideki hayvan ve bitki örtülerinin
bozulması v.s. B) YAPAY KAYNAKLAR Isıtma amacıyla konutlarda yakıt kullanımı Sanayi faaliyetleri Ulaşımda motorlu karayolu taşıtlarının kullanımı
Özgür ZEYDAN 5
Konutlarda yakıt kullanımından kaynaklanan hava kirliliği
Soba veya kalorifer kazan bacalarından çıkan gazlar:
Karbon monoksit (CO) Kükürt dioksit (SO2)
Azot dioksitler (NOx) Partikül maddeler (is, kurum ve toz)
Özgür ZEYDAN 6
HKİ, hava kalitesinin günlük olarak rapor edilmesi için kullanılan bir indekstir. Yaşadığımız bölgenin havasının ne kadar temiz veya kirli olduğu ve ne tür sağlık etkilerinin oluşabileceği konusunda bilgiler verir.
Partiküler Madde Kirliliği HKİ değerinin 100 olması partikül çapı 10µm. 'ye
kadar olan partiküller için 150 µg/m3 'e karşılık gelir. (Ortalama 24 saat) (1 µm. = 0.001 milimetre).
Hava Kalitesi İndeksi nedir?
Özgür ZEYDAN 7
Hava Kalitesi İndeksi (HKİ / AQI)
Sağlık Seviyesi
0 - 50 arasında İyi
51 - 100* arasında Orta
101 - 150 arasındaHassas gruplar
için sağlıksız
151 - 200 arasında Sağlıksız
201 - 300 arasında Çok sağlıksız
301 - 500 arasında Tehlikeli
Özgür ZEYDAN 8
Partikül Maddeler için Sınır Değerler
Sınır DeğeriVeren
Kuruluş
Günlük Ortalama
Sınır Değer
( g/m3 )
Aşılmaması
İstenen Gün
Sayısı
Sınır Değerin Aşıldığı
Gün Sayısı
Yıllık Ortalama
Sınır Değer
( g/m3 )
WHO - - - -
EPA 150 - 10 50
EU 50 35 93 40
BENELUX - - - -
HKKY 300 - - 150
Özgür ZEYDAN 9
Hava Kirliliğinde İstatistiksel Modeller Meteorolojik Etmenlerin (sıcaklık, nem,
rüzgar hızı, basınç, yağış, çiğ noktası vs.) kullanılmasıyla Hava Kirleticilerinin konsantrasyonları tahmin edilebilir.
Meteorolojik Etmenlerin ölçümü kolay. Hava Kirleticilerinin ölçümü zor.
Özgür ZEYDAN 10
PM10 konsantrasyonu tahmini
Literatürde PM10 tahmini için kullanılan meteorolojik ve diğer etmenler:
Sıcaklık, rüzgar hızı, rüzgar yönü, çiğ noktası (Slini,T. et al. / Environmental Modelling & Software 21 (2006) 559–565)
Sıcaklık, rüzgar hızı, O3, NO2, CO (Varadarajan,C., Time Series Analysis to Define the Link between PM10 and Meteorological Factors and Ambient Concentrations of Ozone, CO, and NO2 for Cleveland, Ohio , MS.Thesis, University of Toledo, 2004)
Özgür ZEYDAN 11
Model Verilerinin Elde Edilmesi Günlük ortalama PM10 verileri http://www.havaizleme.com (Çevre ve Orman Bakanlığı) Zonguldak – 1 İstasyonu (Kurulum Tarihi: 25.07.2006) 01.09.2006 – 30.11.2006 arasındaki günlük ortalama PM10
verileri alındı
Özgür ZEYDAN 12
Günlük hava durumu verileri http://www.wunderground.com 01.09.2006 – 30.11.2006 arasındaki
günlük ortalama sıcaklık, çiğ noktası, rüzgar hızı ve yağış türü verileri alındı.
Model Verilerinin Elde Edilmesi
Özgür ZEYDAN 13
Veri Dosyasının Oluşturulması
TarihPM10 (µg/m3)
Ortalama Sıcaklık (oC)
Ortalama Çiğ Noktası(oC)
Maks. Rüzgar Hızı (mil/s) Etkinlikler
01.09.2006 34,7 15 13 8 Yağmur
02.09.2006 34,8 17 14 6 Yağmur
Özgür ZEYDAN 14
Sonradan eklenen veri alanları
SxC : (sıcaklık x çiğ noktası) (etkileşimli) K-SIC : (kukla değişken)
Sıcaklık < 15 oC ise 1Sıcaklık >= 15 oC ise 0
K-TAR : (kukla değişken)Tarih < 15.10.2006 ise 0Tarih >= 15.10.2006 ise 1
Özgür ZEYDAN 15
İstatistiksel Analizler
Tanımlayıcı İstatistik MS Excel: Araçlar > Veri Çözümleme… > Tanımlayıcı
İstatistik Grafikler
MS Excel: Ekle > Grafik… SPSS: Graphs > Scatter/Dot… > Matrix Scatter
Korelasyon MS Excel: Araçlar > Veri Çözümleme… > Korelasyon
Regresyon Analizi SPSS: Analyze > Regression > Linear…
Özgür ZEYDAN 16
Tanımlayıcı İstatisitik
PM10 (µg/m3)
Ortalama Sıcaklık (oC)
Ortalama Çiğ Noktası(oC) SxC
Maks. Rüzgar Hızı
(mil/s)
Ortalama 100,4 14,6 10,2 166,5 8,9
Standart Hata 4,4 0,5 0,5 11,0 0,4
Ortanca 89,5 15,6 11,7 191,7 9,0
Kip #YOK 16,7 14,4 203,7 6,0
Standart Sapma 39,9 4,5 4,4 98,9 3,4
Örnek Varyans 1594,8 20,3 19,3 9773,3 11,6
Basıklık -0,3 -0,6 -0,6 -1,3 0,6
Çarpıklık 0,7 -0,4 -0,6 -0,1 0,9
Aralık 160,9 20,0 18,3 344,4 17,0
En Büyük 34,7 3,3 -1,1 -7,4 4,0
En Küçük 195,6 23,3 17,2 337,0 21,0
Say 81,0 81,0 81,0 81,0 81,0
Özgür ZEYDAN 17
Eylül - Kasım 2006 Zonguldak İli PM10 (µg/m3) ve Sıcaklık (oC) Grafiği(Günlük Ortalama)
0,0
50,0
100,0
150,0
200,0
250,0
01.09.2006 11.09.2006 21.09.2006 01.10.2006 11.10.2006 21.10.2006 31.10.2006 10.11.2006 20.11.2006 30.11.2006
Tarih
PM10
(µg/
m3)
0
5
10
15
20
25
Sıca
klık (
oC)
PM10 Sıcaklık
Özgür ZEYDAN 18
Eylül - Kasım 2006 Zonguldak İli Hava Durumu
21
1 1 1 1
66
0
10
20
30
40
50
60
70
Yağmur Yağmur-Fırtına
Yağmur-Kar
Fırtına Sis Yağışsız
Yağış Durumu
Gü
n S
ayı
sı
Özgür ZEYDAN 19
Özgür ZEYDAN 20
Korelasyon
PM10
(µg/m3)
Ortalama Sıcaklık (oC)
Ortalama Çiğ Noktası (oC) SxC
Maks. Rüzgar
Hızı (mil/s) K-SIC
K-TAR
PM10 (µg/m3) 1
Ortalama Sıcaklık (oC) -0,453 1
Ortalama Çiğ Noktası(oC) -0,481 0,881 1
SxC -0,537 0,947 0,958 1
Maks. Rüzgar Hızı (mil/s) -0,343 -0,126 -0,148 -0,096 1
K-SIC 0,515 -0,833 -0,779 -0,852 0,043 1
K-TAR 0,639 -0,750 -0,700 -0,782 -0,100 0,741 1
Özgür ZEYDAN 21
Regresyon Analizi
En iyi sonuçları veren modeller:Rüzgar hızı, K-TAR, K-SICSıcaklık, Çiğ Noktası, Rüzgar hızı, K-TAR, K-
SICRüzgar hızı, K-TAR, K-SIC, SxCRüzgar hızı, K-TAR, SxC
Özgür ZEYDAN 22
Rüzgar hızı, K-TAR, K-SICModel Summaryb
,707a ,500 ,480 28,79741 1,233Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Durbin-Watson
Predictors: (Constant), KTAR, RUZGARHIZI, KSICa.
Dependent Variable: PM10b.
ANOVAb
63729,332 3 21243,111 25,616 ,000a
63855,412 77 829,291
127584,7 80
Regression
Residual
Total
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), KTAR, RUZGARHIZI, KSICa.
Dependent Variable: PM10b.
Coefficientsa
103,471 10,136 10,208 ,000
-3,533 ,963 -,302 -3,668 ,000 -,343 -,386 -,296 ,960 1,042
13,498 9,683 ,170 1,394 ,167 ,515 ,157 ,112 ,437 2,286
38,690 9,806 ,483 3,945 ,000 ,639 ,410 ,318 ,434 2,305
(Constant)
RUZGARHIZI
KSIC
KTAR
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig. Zero-order Partial Part
Correlations
Tolerance VIF
Collinearity Statistics
Dependent Variable: PM10a.
Özgür ZEYDAN 23
Sıcaklık, Çiğ Noktası, Rüzgar hızı, K-TAR, K-SIC
Model Summaryb
,721a ,520 ,488 28,57223 1,269Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Durbin-Watson
Predictors: (Constant), CIGNOKTASI, RUZGARHIZI, KTAR, KSIC,SICAKLIK
a.
Dependent Variable: PM10b.
ANOVAb
66356,829 5 13271,366 16,257 ,000a
61227,915 75 816,372
127584,7 80
Regression
Residual
Total
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), CIGNOKTASI, RUZGARHIZI, KTAR, KSIC, SICAKLIKa.
Dependent Variable: PM10b.
Coefficientsa
99,806 31,376 3,181 ,002
-3,730 ,998 -,319 -3,737 ,000 -,343 -,396 -,299 ,880 1,137
14,371 12,713 ,181 1,130 ,262 ,515 ,129 ,090 ,250 4,003
36,974 10,626 ,461 3,480 ,001 ,639 ,373 ,278 ,364 2,749
2,262 1,758 ,257 1,287 ,202 -,454 ,147 ,103 ,160 6,246
-2,643 1,504 -,291 -1,757 ,083 -,480 -,199 -,141 ,234 4,276
(Constant)
RUZGARHIZI
KSIC
KTAR
SICAKLIK
CIGNOKTASI
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig. Zero-order Partial Part
Correlations
Tolerance VIF
Collinearity Statistics
Dependent Variable: PM10a.
Özgür ZEYDAN 24
Rüzgar hızı, K-TAR, K-SIC, SxCModel Summaryb
,713a ,509 ,483 28,72035 1,272Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Durbin-Watson
Predictors: (Constant), SxC, RUZGARHIZI, KTAR, KSICa.
Dependent Variable: PM10b.
ANOVAb
64895,476 4 16223,869 19,669 ,000a
62689,268 76 824,859
127584,7 80
Regression
Residual
Total
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), SxC, RUZGARHIZI, KTAR, KSICa.
Dependent Variable: PM10b.
Coefficientsa
127,775 22,804 5,603 ,000
-3,794 ,985 -,324 -3,851 ,000 -,343 -,404 -,310 ,912 1,097
3,989 12,538 ,050 ,318 ,751 ,515 ,036 ,026 ,259 3,854
32,633 11,027 ,407 2,959 ,004 ,639 ,321 ,238 ,341 2,930
-,084 ,070 -,207 -1,189 ,238 -,537 -,135 -,096 ,213 4,703
(Constant)
RUZGARHIZI
KSIC
KTAR
SxC
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig. Zero-order Partial Part
Correlations
Tolerance VIF
Collinearity Statistics
Dependent Variable: PM10a.
Özgür ZEYDAN 25
Rüzgar hızı, K-TAR, SxCModel Summaryb
,713a ,508 ,489 28,55225 1,264Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Durbin-Watson
Predictors: (Constant), SxC, RUZGARHIZI, KTARa.
Dependent Variable: PM10b.
ANOVAb
64811,967 3 21603,989 26,500 ,000a
62772,777 77 815,231
127584,7 80
Regression
Residual
Total
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), SxC, RUZGARHIZI, KTARa.
Dependent Variable: PM10b.
Coefficientsa
131,675 19,117 6,888 ,000
-3,798 ,980 -,325 -3,877 ,000 -,343 -,404 -,310 ,912 1,096
33,396 10,701 ,417 3,121 ,003 ,639 ,335 ,249 ,358 2,792
-,098 ,054 -,243 -1,818 ,073 -,537 -,203 -,145 ,358 2,790
(Constant)
RUZGARHIZI
KTAR
SxC
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig. Zero-order Partial Part
Correlations
Tolerance VIF
Collinearity Statistics
Dependent Variable: PM10a.
EN İYİ MODEL
Özgür ZEYDAN 26
Rüzgar hızı, K-TAR, SxC
Özgür ZEYDAN 27
Rüzgar hızı, K-TAR, SxC
Özgür ZEYDAN 28
Doğrusal Regresyon Denklemi
PM10 = 131,675 – 3,798 Rüzgar hızı + 33,396 K-TAR – 0,096 SxC
Doğrusal regresyon denklemi bağımsız değişkenlerde gerçekleşen değişimlerle PM10 konsantrasyonundaki değişmenin %50,8 ini açıklayabilmektedir.
Özgür ZEYDAN 29
Regresyon Analizi Sonuçları
Rüzgar hızında meydana gelen 1 mil/s lik artış ile PM10 konsantrasyonu 3,798 µg/m3 lük azalma olur.
15.Ekim tarihinden sonra kaloriferlerin yanması ile PM10 konsantrasyonunda 33,396 µg/m3 lük artış olması beklenir.
Özgür ZEYDAN 30
Daha iyi model elde edebilmek için:
Modele eklenebilecek veriler:O3
Rüzgar yönüTrafik
Modelin yaz ve kış mevsimleri için ayrı ayrı geliştirilmesi…
Özgür ZEYDAN 31
Teşekkür Ederim
Sorular…