Assessment of ozone concentration data from the northern Zagreb area, Croatia, for the period from 2003 to 2016

Matasović, Brunislav; Pehnec, Gordana; Bešlić, Ivan; Davila, Silvije; Babić, Dinko

doi:10.1007/s11356-021-13295-w

Environ Sci Pollut Res

2021

DOI: 10.1007/s11356-021-13295-w

|View full text |Cite

Assessment of ozone concentration data from the northern Zagreb area, Croatia, for the period from 2003 to 2016

Brunislav Matasović

Gordana Pehnec

Ivan Bešlić

et al.

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...

Citation Types

Supporting

Mentioning

Contrasting

Year Published

2022

Publication Types

Select...

Article1

Relationship

Self Cite0

Independent1

Authors

Journals

Cited by 1 publication

References 45 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

Comparison of Machine Learning and Deep Learning Methods for Modeling Ozone Concentrations

Ekinci²

2022

jista

View full text Add to dashboard Cite

Hava kirliliği günümüz için önemli bir problem olmakla birlikte sanayileşme, orman yangınları, egzoz gazları, kalitesiz yakıt kullanımı gibi sebepler gelecek nesilleri de tehdit edecek ciddi bir problem ile bizleri yüzleştirmektedir. Bu sebepler içerisinde ise yoğun sanayileşme hava kirliliğinde rol oynayan en önemli faktörlerden birisidir. Bölgesel sanayi gelişimi şehirlerde hava kalitesini etkilemektedir. Sanayinin gelişmesi ile birlikte bazı kirleticilerin miktarı azalmakta iken, ozon seviyelerinde artış yaşanmaktadır. Önümüzdeki yıllarda hava kirliliğini neden olacağı problemleri daha fazla hissetmemek, hava kalitesini yönetmek ve risklere karşı önlem almak için hava kirliliğinin tahmin edilmesi kaçınılmaz hale gelmektedir. Bu çalışmada sanayinin gelişmiş olduğu Kocaeli ve Sakarya illeri ile sanayinin çok fazla gelişmediği Çanakkale illeri için 2018-2021 arası saatlik ozon seviyelerini tahmin etmek amacıyla zaman serilerine dayalı makine öğrenmesi ve derin öğrenme yöntemleri uygulanmıştır. Uygulanan modeller Ortalama Mutlak Hata (MAE), Bağıl Mutlak Hata (RAE) ve R-kare (R2) metrikleri kullanılarak karşılaştırılmış ve en etkin yöntemin belirlenmesi amaçlanmıştır.

show abstract

Comparison of Machine Learning and Deep Learning Methods for Modeling Ozone Concentrations

Ekinci²

2022

jista

View full text Add to dashboard Cite

show abstract

scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.

Contact Info

customersupport@researchsolutions.com

10624 S. Eastern Ave., Ste. A-614

Henderson, NV 89052, USA

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

Blog Terms and Conditions API Terms Privacy Policy Contact Cookie Preferences Do Not Sell or Share My Personal Information

Made with 💙 for researchers

Part of the Research Solutions Family.

Assessment of ozone concentration data from the northern Zagreb area, Croatia, for the period from 2003 to 2016

Cited by 1 publication

References 45 publications

Comparison of Machine Learning and Deep Learning Methods for Modeling Ozone Concentrations

Comparison of Machine Learning and Deep Learning Methods for Modeling Ozone Concentrations

Contact Info

Product

Resources

About