Badem kabuğu ve çay atığından üretilen biyokömürün veriminin makine öğrenmesi ile tahmin edilmesi ve yanma davranışının deneysel olarak incelenmesi
Machine learning-based prediction of biochar yield and experimental investigation of the combustion behavior of biochar produced from almond shells and tea waste
- Tez No: 1025235
- Danışmanlar: DOÇ. DR. ŞEYDA TAŞAR
- Tez Türü: Yüksek Lisans
- Konular: Kimya Mühendisliği, Chemical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Proses ve Reaktör Tasarımı Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Lignoselülozik atıklardan biyokömür üretimi, döngüsel biyoekonomi çerçeveleri içinde biyokütlenin değerlendirilmesi ve karbon yönetimi için sürdürülebilir bir yol sunmaktadır. Bu çalışmada, Türkiye'de bol miktarda bulunan iki tarımsal atık olan çay demleme artıkları ve badem kabuklarından kontrollü non-izotermal piroliz yoluyla biyokömür üretilmiş ve veriye dayalı makine öğrenimi yaklaşımları kullanılarak biyokömür verimi modellenmiştir. Karbonizasyon sıcaklığı (kurutma/ön piroliz ve piroliz bölgelerini kapsayan 37–850 °C), kalma süresi (1–150 dk) ve ısıtma hızı (10–60 °C/dk) gibi temel proses parametrelerinin etkileri, regresyon tabanlı, ensemble ve derin öğrenme modelleri kullanılarak değerlendirilmiştir. Model performansı, eğitim ve test veri setleri üzerinde çapraz doğrulama kullanılarak değerlendirilmiştir. Sonuçlar, doğrusal modellerin sınırlı bir tahmin yeteneği sergilediğini (R² < 0,95), düzenlenmiş ve toplu modellerin ise performansı artırdığını (R² ≈ 0,97–0,99) göstermiştir. Tüm yaklaşımlar arasında, Gauss Süreci Regresyonu (GPR) en yüksek tahmin performansını (R² ≈ 0,99, RMSE ≈ 0,06) elde etti; bu da, özellikle sınırlı veri kümeleri için doğrusal olmayan ilişkileri yakalama konusunda üstün yeteneğini gösterdi. Duyarlılık ve kısmi bağımlılık analizleri, karbonizasyon sıcaklığının biyokömür verimini kontrol eden baskın faktör olduğunu belirledi; 600 °C'nin üzerinde keskin düşüşler gözlemlendi. 400–500 °C sıcaklık ve 10–15 dakikalık kalma sürelerinde %52–55 oranında optimal verim elde edilirken, daha düşük ısıtma hızları verim istikrarını artırmıştır. Genel olarak, sonuçlar gelişmiş makine öğrenimi modellerinin biyokömür üretimini optimize etmek ve enerji ve karbon odaklı sürdürülebilirlik uygulamaları için lignoselülozik atıkların sürdürülebilir termokimyasal dönüşümünü desteklemek için güvenilir araçlar sağladığını göstermektedir.
Özet (Çeviri)
Biochar production from lignocellulosic waste represents a sustainable route for bio-mass valorization and carbon management within circular bioeconomy frameworks. In this study, biochar was produced from two abundant agricultural wastes in Türki-ye—tea-brewing residues and almond husks—via controlled non-isothermal pyrolysis, and biochar yield was modeled using data-driven machine learning approaches. The effects of key process parameters, including carbonization temperature (37–850 °C covering drying/pre-pyrolysis and pyrolysis regions), residence time (1–150 min), and heating rate (10–60 °C min⁻¹), were evaluated using regression-based, ensemble and deep learning models. Model performance was evaluated using cross-validation on training and testing datasets. The results showed that linear models exhibited limited predictive capability (R² < 0.95), while regularized and ensemble models improved performance (R² ≈ 0.97–0.99). Among all approaches, Gaussian Process Regression (GPR) achieved the highest predictive performance (R² ≈ 0.99, RMSE ≈ 0.06), indicating its superior ability to capture nonlinear relationships, particularly for limited datasets. Sensitivity and partial dependence analyses identified carbonization temperature as the dominant factor controlling biochar yield, with sharp declines observed above 600 °C. Optimal yields of 52–55% were obtained at 400–500 °C and residence times of 10–15 min, while lower heating rates enhanced yield stability. Overall, the results demon-strate that advanced machine learning models provide reliable tools for optimizing biochar production and supporting sustainable thermochemical conversion of ligno-cellulosic waste for energy and carbon-oriented sustainability applications.
Benzer Tezler
- Bazı sert çekirdekli meyve türlerinde döllenme biyolojisi üzerinde yöntem çalışmaları
Başlık çevirisi yok
ATBİMOĞLU ADALET
- Toros Göknarı (Abies cilicica carr.)nın Türkiye'deki doğal yayılış ve silvikültürel özellikleri
Başlık çevirisi yok
H. FERHAT BOZKUŞ
Yüksek Lisans
Türkçe
1986
Ormancılık ve Orman Mühendisliğiİstanbul ÜniversitesiSilvikültür Ana Bilim Dalı
PROF.DR. İBRAHİM ATAY
- Emniyet örgütünde olay yeri araştırmasının kamu yönetimindeki işlevi
Başlık çevirisi yok
UĞUR BADEM
Yüksek Lisans
Türkçe
1987
Kamu YönetimiAtatürk Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. M. ŞERİT ŞİMŞEK
- Determination of nitrate and nitrite by ion selective electrodes on some travertine buildings in Ankara
Başlık çevirisi yok
MOH'D BASEM J.A. AL-BADAWİ
