Comparison of CO2 Emissions Prediction in Vehicles Using Different Artificial Neural Network Models
| dc.contributor.author | Aslan, Emrah | |
| dc.date.accessioned | 2025-03-08T18:26:00Z | |
| dc.date.available | 2025-03-08T18:26:00Z | |
| dc.date.issued | 2024 | |
| dc.department | Dicle Üniversitesi | |
| dc.description.abstract | Climate change is one of the greatest environmental threats to humanity. Carbon dioxide (CO2) is one of the main causes of the greenhouse effect in climate change. The transportation sector is one of the major sources of CO2 emissions. This paper presents an artificial neural network (ANN) model for estimating the instantaneous CO2 emissions of vehicles. A comprehensive approach using three regression models, namely Linear Regression, XGBoost Regressor and K-Nearest Neighbors Regressor, is used to predict CO2 emissions from vehicles. The research focuses on leveraging the capabilities of these artificial neural networks to predict and analyze CO2 emissions from vehicles. The use of different models allows for a comparative evaluation of their performance in terms of accuracy and efficiency. This method, which provides high accuracy and applicability, uses parameters such as engine displacement, cylinder, urban and non-urban fuel consumption as predictors of exhaust emissions. The importance of each parameter to emission predictions is comprehensively analyzed by comparing results such as test and training accuracy, root mean square error, mean absolute error, R2 score. This study aims to contribute to the advancement of CO2 emission estimation methodologies, especially in the context of vehicle emissions. The findings of this research are important for policy makers, environmentalists and automotive engineers seeking sustainable solutions to reduce carbon footprints in the transportation sector. | |
| dc.description.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. | |
| dc.identifier.doi | 10.21605/cukurovaumfd.1513998 | |
| dc.identifier.endpage | 324 | |
| dc.identifier.issn | 2757-9255 | |
| dc.identifier.issue | 2 | |
| dc.identifier.startpage | 309 | |
| dc.identifier.uri | https://doi.org/10.21605/cukurovaumfd.1513998 | |
| dc.identifier.uri | https://hdl.handle.net/11468/30533 | |
| dc.identifier.volume | 39 | |
| dc.language.iso | tr | |
| dc.publisher | Cukurova University | |
| dc.relation.ispartof | Cukurova University Journal of the Faculty of Engineering | |
| dc.relation.publicationcategory | Makale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.snmz | KA_DergiPark_21250205 | |
| dc.subject | CO2 emissions | |
| dc.subject | ANN | |
| dc.subject | Fuel Consumption | |
| dc.subject | CO2 emisyonu | |
| dc.subject | Yapay sinir ağı | |
| dc.subject | Yakıt tüketimi | |
| dc.title | Comparison of CO2 Emissions Prediction in Vehicles Using Different Artificial Neural Network Models | |
| dc.title.alternative | Araçlarda CO2 Emisyonlarının Farklı Yapay Sinir Ağı Modelleri Kullanılarak Tahminlerinin Karşılaştırılması | |
| dc.type | Article |
