Araçlarda CO2 Emisyonlarının Farklı Yapay Sinir Ağı Modelleri Kullanılarak Tahminlerinin Karşılaştırılması

Abstract

İklim değişikliği, insanlık için en büyük çevresel tehlikelerden biridir. İklim değişikliğinde karbondioksit (CO2), sera etkisinin başlıca sebeplerindendir. Ulaşım sektörü, büyük CO2 emisyon kaynaklarından birini oluşturmaktadır. Bu makale, araçlarının anlık CO2 emisyonlarını tahmin etmek için bir yapay sinir ağı (YSA) modeli sunmaktadır. Araçlarda CO2 emisyonlarını tahmin etmek için Linear Regresyon, XGBoost Regresör ve K-Nearest Neighbours Regresörü olmak üzere üç regresyon modeli kullanılarak kapsamlı bir yaklaşım kullanılmıştır. Araştırma, araçlardaki CO2 emisyonlarını tahmin etmek ve analiz etmek için bu yapay sinir ağlarının yeteneklerinden yararlanmaya odaklanmaktadır. Farklı modellerin kullanılması, doğruluk ve verimlilik açısından performanslarının karşılaştırmalı olarak değerlendirilmesine olanak sağlamaktadır. Yüksek doğruluk ve uygulanabilirlik sağlayan bu yöntem, motor hacmi, silindiri, şehir içi ve şehir dışı yakıt tüketimi gibi parametreler ile egzoz emisyonlarının öngörücüleri olarak kullanmaktadır. Her parametrenin emisyon tahminlerine olan önemi, test ve eğitim doğruluğu, kök ortalama kare hatası, ortalama mutlak hata, R2 skor gibi sonuçlar karşılaştırılarak kapsamlı bir şekilde analiz edilmiştir. Bu çalışma, özellikle araç emisyonları bağlamında CO2 emisyon tahmin metodolojilerinin ilerlemesine katkıda bulunmayı amaçlamaktadır. Bu araştırmanın bulguları, ulaştırma sektöründe karbon ayak izlerini azaltmak için sürdürülebilir çözümler arayan politika yapıcılar, çevreciler ve otomotiv mühendisleri için önem taşımaktadır.