Kalkış safhasında uçak motorlarından kaynaklanan görsel duman yoğunluğunun yapay sinir ağları ile tahmin edilmesi

Abstract

Uçak motorlarından kaynaklanan emisyonların azaltılmasına yönelik çalışmalar, yüksek teknoloji ve önemli maliyetler gerektiren süreçleri içermektedir. Bu çalışmada, kalkış safhasındaki uçak motorlarından yayılan görsel duman yoğunluğunu tahmin etmek amacıyla yenilikçi bir yapay sinir ağı (YSA) modeli geliştirilmiştir. Modellemede, Uluslararası Sivil Havacılık Örgütü’nün (ICAO) Aircraft Engine Emissions Databank (EEDB) veri seti kullanılmış ve tahmin doğruluğunu artırmak için çeşitli eğitim algoritmaları değerlendirilmiştir. Çalışmada, YSA’nın doğrusal ve doğrusal olmayan ilişkileri öğrenme kapasitesinden yararlanılmış ve en başarılı tahminleme yöntemi olarak Levenberg-Marquardt (trainlm) algoritması belirlenmiştir. Modelin performans değerlendirmesinde ortalama karesel hata, ortalama mutlak hata ve korelasyon katsayısı hesaplanmıştır. Sonuçlar, trainlm algoritmasıyla eğitilen YSA modelinin en düşük hata oranlarıyla en yüksek doğruluk seviyesine ulaştığını göstermektedir. Geliştirilen YSA modeli, uçak motorlarından kaynaklanan zararlı emisyonların azaltılmasına yönelik yeni bir bakış açısı sunarak sürdürülebilir havacılık uygulamalarına katkı sağlamaktadır. Ayrıca, modelin havaalanı çevresindeki hava kalitesinin iyileştirilmesi ve emisyon yönetiminin optimize edilmesi açısından önemli bir potansiyele sahip olduğu değerlendirilmektedir. Bu bağlamda çalışma havacılık sektörünün sürdürülebilirlik hedeflerine ulaşmasına destek sağlayacak ileri düzey bir tahminleme yaklaşımı ortaya koymaktadır.