Katı atık düzenli depolama gazlarının genetik algoritmalarla modellenmesi

Abstract

Bu çalışmada, katı atık depo gazlarından kaynaklanan metan (CH4) gazının Genetik Algoritmalarla (GA) modellenmesi amaçlanmıştır. İstanbul Avrupa yakasında Hasdal katı atık depo alanı, Asya yakasında ise Yakacık katı atık depo alanı seçilmiş ve bu alanlardan kaynaklanan depo gazı emisyonları modelleme aşamasında kullanılmıştır. Bu sayede hem önemli bir çevre kirletici olan depo sahası gazları hakkında geniş bir veri tabanı oluşturulmuş, hem de yapılan modelleme çalışması ile bu gazların oluşumuna ve zamansal değişimine ait tahmin ve değerlendirmeler yapılmıştır.Çalışmanın birinci bölümünde her iki depo alanından kaynaklanan temel depo gazı bileşenlerinin (CH4, CO2 ve O2) uzun ve kısa vadeli değerlendirilmeleri yapılmış ve gaz karakterizasyonu belirlenmiştir. Hasdal katı atık depo alanında gaz karakterizasyonunun belirlenmesi amacıyla yaklaşık 3,5 yılı (2003, 2004, 2005 ve 2006) kapsayan depo gazı verileri kullanılmıştır. Gaz değerleri enerji üretim tesisinden elde edilen günlük ortalama konsantrasyonlardır. Yakacık depo alanındaki gaz karakterizasyonunun belirlenmesi amacıyla ise 2004 yılı için günlük ortalamalar halinde, 2001, 2002, 2003 ve 2004 yıllarına için ise, aylık ortalamalar halinde veri setleri oluşturulmuştur.İkinci kısımda ise CH4 gazı için Genetik Algoritma modellemesi uygulanmış ve model çıktıları istatiksel olarak değerlendirilmiştir. Model yapısında metan, karbondioksit ve oksijen gazlarıyla birlikte 7 adet meteorolojik değişken (Sıcaklık, Bulutluluk, Nem, Basınç, Güneşlenme Süresi, Ortalama Rüzgar Hızı, Yağış) kullanılmıştır. Seçilen her iki çalışma alanı için farklı şartlarda farklı model denemeleri uygulanmış ve modelin duyarlılığı ve esnekliği test edilmiştir. Ayrıca farklı zaman aralıkları için modeller oluşturulmuş ve gelecek projeksiyonları değerlendirilmiştir. CH4 parametresinin günlük ve aylık ölçekli modellenmesinde Genetik Algoritma model sonuçlarının karşılaştırılması amacı ile aynı veriler kullanılarak günlük ve aylık bazda Lineer Regresyon (LR) modeli uygulanmış ve her model denemesi istatiksel performans parametreleri ile karşılaştırılmıştır.

This study aims to model the methane (CH4) gas produced by landfill gases, using Genetic Algorithms (GA). The Hasdal landfill on the European side and Yakacik landfill on the Asian side in Istanbul, Turkey were selected and landfill gas emissions sourced from these areas were used in the modelling stages. Thus, a large database was created regarding the landfill gases which are an important environmental pollutant; and also with the modelling study conducted, forecast and assessments were made relating to the generation and alterations over time of these gases.In the first part of the study, long and short term assessments of the basic landfill gas components (CH4, CO2 and O2) stemming from both landfills were conducted and gas characterisation identified. For the purpose of establishing the gas characterisation in the Hasdal landfill, gas data covering approximately 3.5 years (2003, 2004, 2005 and 2006) was used. Gas values are the daily average concentrations obtained from the energy production facilities. Whereas in order to establish the gas characterisation in the Yakacik, data sets were established in the form of daily averages for 2004 and monthly averages for the years 2001, 2002, 2003 and 2004.In the second part, Genetic Algorithm was applied for the CH4 gas and model outputs were statistically evaluated. In the model structure, 7 meteorological variables (Temperature, Cloudiness, Humidity, Pressure, Sunshine Duration, Average Wind Speed, Precipitation) were used in addition to methane, carbondioxide and oxygen gasses. For the two study locations selected, different model tests in different conditions were applied and the sensitivity and flexibility of the model were tested. Furthermore, models were generated for different time intervals and future projections assessed. For the purpose of comparing the Genetic Algorithm model results in the daily and monthly scaled modelling of the CH4 parameter, Linear Regression (LR) model was applied on a daily and monthly basis using the same data; and each model test was compared with the statistical performance parameters.