Hava kirliliği verilerinin zaman serileri analizinde Box-Jenkins tekniklerinin uygulanması üzerine bir araştırma

Abstract

Hava kirliliği değişkenlerinden duman ve SO2 verilerinin zaman serisi özelliklerinin tartışıldığı bu çalışmada, Box- Jenkons teknikleriyle belli başlı modellerin kullanım olanakları ve kirleticiler için genel bir model yapısının olabilirliği araştırılmıştır. Ankara'daki Siteler, Yeni Mahalle, Tandoğan ve Aşağı Ayrancı istasyonlarından bu iki kirletici için elde edilen günlük ölçümlerden aylık ortalamalar bulunmuş; daha sonra bu serilere logaritmik dönüşüm uygulanmıştır. Zamana göre grafikleri ve ilgili seri korelasyonlar, serilerin açık bir mevsimsel varyasyon içerdiklerini göstermiştir. Duman serileri istasyonlara ve öteki kirleticiye göre farklılık gösterirken; S02 serilerinin birbirine benzer nitelikte oldukları görülmüştür. Uygulanan analizlerle, duman serileri için genel bir model önermekte zorlanırken, S02 serileri için ARIMA(1,1,1)(0,1,1)modelinin genel bir model olma eğilimi gösterdigi anlaşılmıştır. Öte yandan seçilen modellerin uygulanmasıyla tahminlenen ileriye dönük değerlerin; ait oldukları serinin genel yapısıyla Çok uyumlu ve böylece modellerin de başarılı oldukları görülmüştür.

In this study, time series characteristics of air pollution data and possibility of using various time series models in this area are discussed. Here we utilised the monthly averages of daily smoke and SO2 concentrations obtained from the four stations in Ankara, The results of time series analyses by the application of Box-Jenkins techniques to the corresponding logarithmic values of the original data are presented. After having investigated the graphs and the serial correlations of the series, it has been seen that, the smoke series have been exhibiting some differences from one to another but So2 series have similarities in their statistical structure between the stations. And so, while we have some difficulties in determining a general adequate model to use in forecasting the future values of the smoke series; the ARIMA(1,1,1) (0,l,l)i2 model seems sufficient for SOss data in this meaning. On the other hand, the upward forecasting operations have showed that the models chosen for the series are all adequate and successful in forecasting. Also the forecasts for 12 months of period for the series have been presented.