İsMail Gülsoy

In domestic wastewater treatment plants, wastewater purification is typically carried out through biological processes based on bacteria. For the microorganisms in these systems to survive and function effectively, certain environmental and chemical parameters must be maintained within optimal ranges. These parameters can be monitored at minute, hourly, or daily intervals. However, the laboratory determination of Biochemical Oxygen Demand (BOD), a critical parameter for assessing bacterial activity in advanced biological treatment plants, typically takes 3 to 5 days to obtain results, significantly longer than for other parameters. In this study, the aim was to estimate BOD values using process parameters that can be measured at minute or hourly intervals in a wastewater treatment plant. To develop the predictive model, several Machine Learning algorithms, including Artificial Neural Network, Multiple Linear Regression, Gradient Boosting Regressor, XGBoost, and Random Forest, were employed. The performance of these models was evaluated using the Coefficient of Determination, Root Mean Square Error and Mean Absolute Error metrics. According to the results, the Multiple Linear Regression algorithm achieved the highest predictive performance. The model achieved R² = 0.66 with direct imputation and R² = 0.91 with model-based imputation. These findings demonstrate that machine learning algorithms provide an effective alternative for estimating the BOD parameter, particularly when laboratory analyses require extended processing times.

The demand for drinking water continues to increase daily in parallel with population growth. Unplanned urbanization, industrialization, and migration further intensify the need for a reliable water supply. Accurate forecasting of water consumption is crucial for efficient planning of production, transmission, and distribution, as overestimation may lead to unnecessary infrastructure costs, whereas underestimation can result in supply shortages. In this study, future drinking water consumption in the city of Kocaeli was forecasted using three time series methods: Long Short-Term Memory (LSTM), Seasonal Autoregressive Integrated Moving Average (SARIMA), and fully connected Artificial Neural Networks (ANN). Monthly historical consumption data spanning 11 years (2010–2020) were utilized for model training and evaluation. Experimental results indicate that the LSTM-based model effectively captures the dynamic patterns in the consumption data and outperforms SARIMA and ANN models in predictive accuracy. The findings highlight the potential of deep learning approaches, particularly LSTM networks, for reliable short- and long-term water consumption forecasting.

Covid-19 salgını insanların yaşam tarzında, arkadaşlık ilişkilerinde, tüketim ihtiyaçlarında ve tüketim davranışlarında değişikliklere sebep olmuştur. Kişilerin yaşantısında kısa ve uzun vadeli değişimler meydana gelmiştir. Bu büyüklükte bir salgınla karşılaşan devletler farklı tedbirler almışlardır. Devlet yetkilileri ilk olarak sınırların kapatılması, ortak yaşam alanlarında ve toplu taşımada mesafeye dikkat edilmesi ve maske takma zorunluluğu gibi uygulamaları yapmışlardır. Alınan kararların sonucunda; sağlık, eğitim, eğlence, gıda, turizm, tarım, perakende gibi birçok sektör doğrudan ve dolaylı olarak etkilenmiştir. Covid-19 salgınından etkilenen sektörlerden biri de ulaşım sektörüdür. Otobüslerde yolcu kapasitesinin yarıya indirilmesi, sokağa çıkma kısıtlaması belediyelerin işletmekte olduğu toplu taşıma sistemine de etkilemiştir. Bu çalışmada, Kocaeli ilinde hizmet vermekte olan toplu taşıma araçlarındaki enerji tüketimi analiz edilmiştir. Analizler, son üç yıllık toplu taşıma araçlarının sefer sayıları, enerji tüketimi ve yolculuk verileri kullanılarak gerçekleştirilmiştir. Analizde, doğalgazlı otobüsler ile yapılan yolculukların ve enerji tüketiminin yıllara göre değişimleri incelenmiştir. Pandemi boyunca Kocaeli Büyükşehir Belediyesinde doğalgazlı otobüsleri kullanan yolcu sayısı son üç yılın en düşük değerine ulaşmıştır. Yolcu sayısı bir önceki yıla göre % 27,55 oranında azalmıştır. 2019 yılında yolculuk başına düşen enerji miktarı 2,67 kWh, 2020 yılında 4,29 kWh ve 2021 yılında 3,12 kWh olarak hesaplanmıştır. 2020 Nisan ayında son üç yılın en yüksek seviyesi olan 9,40 kWh değerine ulaşmıştır. Pandemi sürecinde doğalgaz ile çalışan otobüsler ile yapılan yolculuk sayısı azalmış, buna karşılık yolculuk başına düşen enerji tüketim miktarı artmıştır.

Covid-19 salgını insanların yaşam tarzında, arkadaşlık ilişkilerinde, tüketim ihtiyaçlarında ve tüketim davranışlarında değişikliklere sebep olmuştur. Kişilerin yaşantısında kısa ve uzun vadeli değişimler meydana gelmiştir. Bu büyüklükte bir salgınla karşılaşan devletler farklı tedbirler almışlardır. Devlet yetkilileri ilk olarak sınırların kapatılması, ortak yaşam alanlarında ve toplu taşımada mesafeye dikkat edilmesi ve maske takma zorunluluğu gibi uygulamaları yapmışlardır. Alınan kararların sonucunda; sağlık, eğitim, eğlence, gıda, turizm, tarım, perakende gibi birçok sektör doğrudan ve dolaylı olarak etkilenmiştir. Covid-19 salgınından etkilenen sektörlerden biri de ulaşım sektörüdür. Otobüslerde yolcu kapasitesinin yarıya indirilmesi, sokağa çıkma kısıtlaması belediyelerin işletmekte olduğu toplu taşıma sistemine de etkilemiştir. Bu çalışmada, Kocaeli ilinde hizmet vermekte olan toplu taşıma araçlarındaki enerji tüketimi analiz edilmiştir. Analizler, son üç yıllık toplu taşıma araçlarının sefer sayıları, enerji tüketimi ve yolculuk verileri kullanılarak gerçekleştirilmiştir. Analizde, doğalgazlı otobüsler ile yapılan yolculukların ve enerji tüketiminin yıllara göre değişimleri incelenmiştir. Pandemi boyunca Kocaeli Büyükşehir Belediyesinde doğalgazlı otobüsleri kullanan yolcu sayısı son üç yılın en düşük değerine ulaşmıştır. Yolcu sayısı bir önceki yıla göre % 27,55 oranında azalmıştır. 2019 yılında yolculuk başına düşen enerji miktarı 2,67 kWh, 2020 yılında 4,29 kWh ve 2021 yılında 3,12 kWh olarak hesaplanmıştır. 2020 Nisan ayında son üç yılın en yüksek seviyesi olan 9,40 kWh değerine ulaşmıştır. Pandemi sürecinde doğalgaz ile çalışan otobüsler ile yapılan yolculuk sayısı azalmış, buna karşılık yolculuk başına düşen enerji tüketim miktarı artmıştır.