Sedimandaki Ağır Metal Konsantrasyonunun Çoklu Değişken Regresyon Modelleri ve Çok Katmanlı Algılayıcı Ağ Modeli ile Tahmini

Authors : İsmail İŞERİ, Sema ARIMAN

Pages : 389-397

Doi:10.31590/ejosat.638354

View : 58 | Download : 18

Publication Date : 2019-10-31

Article Type : Research Paper

Abstract :Son yıllarda, su ortamındaki metal kirliliğinin fazla bulunması, kalıcılığı ve çevresel toksisitesi nedeniyle küresel olarak dikkat çekmektedir. Metallerin doğal sudaki davranışı, substrat sediment bileşiminin, askıda sediment bileşiminin ve su kimyasının bir işlevidir. Sediman, çeşitli habitatlar ve ortamlar içeren nehir havzasının ayrılmaz ve dinamik bir parçasıdır. Sedimanların kalitesinin değerlendirilmesinde, uzun yarılanma süreleri nedeniyle sucul ekosistemlerdeki ağır metallerin, antropojenik girdilerinin belirlenmesi önemli olarak kabul edilir ve sucul ekosistemlerdeki kirlilik geçmişini yansıtabilir. Bu nedenle, sediman kalitesini etkileyen ağır metallerin konsantrasyonunun belirlenmesi ve tahmin edilmesi oldukça önem taşımaktadır. Bu çalışma kapsamında Orta Karedeniz Kıyı şeridi deniz ve ırmak sedimanlarında ağır metal konsantrasyonunun çoklu değişkenli lineer regresyon (MLR), çoklu değişkenli polinomal regresyon (MPR) ve Çok Katmanlı Algılayıcı Ağ (MLP) modelleri kullanılarak tahminlenebilmesi gerçekleştirilmiştir. Modellerin test ve eğitimleri için 2007-2008 yılları arasında 5 farklı noktadan alınan sediman örneklerine ait fiziko-kimyasal parametreler pH, su içeriği (WC), katyon değişim kapasitesi (CEC), oksidasyon redüksiyon potansiyeli (ORP), elektriksel iletkenlik (EC), zeta potansiyeli (ζP), toplam karbon (TC), toplam inorganik karbon (TIK), toplam organik karbon (TOK) ve ağır metallerin (Cu, Cr, Cd, Pb, Ni, Fe, Al, Sr, Mn ve Cr) konsantrasyonları kullanılmıştır. Çalışmada her bir ağır metal konstantrasyonu tahmin edilmesi için MLR, MPR ve MLP modelllerinin performans karşılaştırlmaları yapılmıştır. Sonuç olarak sedimanlardaki ağır metallerin konsantrasyonun tahminlemesinde fiziko-kimyasal parametreler bağımsız değişkenler olarak kabul edilerek, regresyon analizleri yapılmış ve gerçekleştirilen modeler arasında en iyi sonucun MPR modeli ile elde edildiği ortaya konulmuştur. 
Keywords : Tahminleme, Çoklu Regresyon, Yapay Sinir Ağları, Ağır Metal, Sediman

ORIGINAL ARTICLE URL