Modeling of selective CO oxidation over CuOx-CoOx-:CeO2 catalysts using artificial neural networks
Yapay sinir ağları ile CuOx-CoOx-CeO2 katalizörde seçimli CO oksidasyonunun modellenmesi
- Tez No: 179323
- Danışmanlar: DOÇ. DR. RAMAZAN YILDIRIM
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Kimya Mühendisliği, Mühendislik Bilimleri, Science and Technology, Chemical Engineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kimya Mühendisliği Bölümü
- Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: 87
Özet
Bu çalışmada sinir ve modüler sinir ağları kullanılarak CO oksidasyonu için CuOx-CoOx-CeO2 katalizörlerinin tasarım ve reaksiyon parametreleri modellenmişir. Modüler sinir ağları değişik yapılarda kullanılabileceğinden, en iyi ağ mimarisi korelasyon ölçümleri kullanılarak aranmış, her ağ için R^2, R^2adj ve RMSE değerleri hesaplanarak karşılaştırılmıştır. Her model için önce küçük bir ağ kurulmuş ve veriyi ezberlemeyeceği şekilde performansını artıracak ölçüde genişletilmiştir. En iyi ağlar MATLAB® Optimizasyon Kiti kullanılarak Quasi-Newton metodu ile optime edilmiştir. Ayrıca, CO dönüşümü üzerine girdi parametrelerinin önemi ve etkileri de analiz edilmişlerdir. Karşılaştırma yapabilmek amacıyla deneysel veriler çoklu regresyon metodu ile de modellenmiştir.Çöktürme pH'ı ve sıcaklığı, saklı katmanında iki nöronu bulunan sinir ağı ile modellenmiş ve 0.970'lik R^2 değeri elde edilmiştir. Çökelme ve reaksiyon şartları 3-1'lik sinir ağı ile 2-3-1 ve 1-1-1'lik moduler ağlar kullanılarak modellenmiş ve sırasıyla 0.981, 0.989 ve 0.971'lik R2 değerleri elde edilmiştir. Bu sonuçlar her iki modelleme biçiminin de kullanılabileceğini gösterse de modüler yapay sinir ağlarının, değişik girdi gruplarını ayırması ile modelleme gücünü arttırma avantajı olduğu belirlenmiştir. Ayrıca, moduler yapı nöronlar arasındaki bağlantı sayısını indirmekte ve böylece modelin veriyi ezberleme olasılığını da azalmaktadır. Katalizör hazırlama koşullarının (çökelme pH'ı ve sıcaklığı), hedef metal yüzdelerinin (Cu, Co ve Ce ağırlık yüzdeleri) ve reaksiyon parametlerinin (sıcaklık, W/F ve kalış süresi) çeşitli kombinasyonlarını için benzer modeller makul başarı ile geliştirilmiştir. Ayrıca ölçülmüş katalizör özelliklerinin (metal yüzdeleri ve katalizör yüzey alanı) CO dönüşümü üzerine etkilerinin de sinir ve modüler sinir ağları ile başarılı bir şekilde modellenebildiği görülmüştür.
Özet (Çeviri)
This study is aimed to model design and reaction parameters of CO oxidation over CuOx-CoOx-CeO2 catalyst using neural and modular neural networks. Since there are many possible architectures for modular networks, the best network is searched using the measures of correlations such as R^2, R^2adj, and RMSE. In all models, first a small network is constructed and enlarged without over fitting the data. Then the best networks were optimized with Quasi ? Newton method using the MATLAB® Optimization Toolbox. The significance of input parameters and their effects on CO conversion were also analyzed. The data was also modeled using the multiple regression method for comparison.The effects of precipitation pH and temperature were modeled with a neural network of two neurons in the hidden layer with an R2 value of 0.970. The precipitation and reaction conditions were also modeled together with a neural network of 3-1 structure, and modular neural networks of 2-3-1 and 1-1-1structures with the R^2 values of 0.981, 0.989 and 0.971 respectively indicating that both models can be used. However, it was found that the modular neural networks have some advantages; they feed the similar input parameters into the same module which enhances the modeling power, and decreases the possibility of over-fitting by lowering the number of connections for the same number of data points. Similar models were developed for various combinations of catalyst preparation conditions (temperature and pH), target metal loadings (Cu, Ce and Co weight per cent) and reaction parameters (temperature, W/F and time on stream) with considerable success. It was also observed that the effects of measured catalyst properties (actual metal loadings and total surface area) on CO conversion can also be modeled successfully using both neural and modular neural networks.
Benzer Tezler
- Dizel motor emisyon düzenlemeleri için LNT'nin matematiksel olarak modellenmesi
Mathematical modelling of LNT for diesel engine emissions regulations
FERİT ORÇUN PARLAK
Yüksek Lisans
Türkçe
2017
Makine Mühendisliğiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. SERDAR YAMAN
- Yer altı kömür gazlaştırma teknolojisi ile Eskişehir-Alpu linyit rezervinden sentez gazı üretimi: Tekno-ekonomik değerlendirmeler
Production of the synthesis gas from Eskisehir-Alpu lignite reserve with underground coal gasification: Techno-economic assessments
FATMA ÜNAL
Yüksek Lisans
Türkçe
2019
Enerjiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN CAN OKUTAN
- Effect of split injection on combustion and emissions at full load condition
Tam yükte kademeli yakıt püskürtmenin egzoz emisyonları ve motor performansı üzerine etkisi
SONGÜL ŞENYURT
Yüksek Lisans
İngilizce
2018
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Eğitimi Ana Bilim Dalı
PROF. DR. CEM SORUŞBAY
- Doğal sorbentlerin rejenerasyon ve aktivasyon özelliklerinin incelenmesi
Investigation of activation and regeneration properties of natural sorbents
BURAK DÜRÜS
- Knowledge extraction for Fischer-Tropsch synthesis using local learning approaches
Fischer-Tropsch sentezi ile ilgili yerel öğrenme kullanılarak bilgi çıkarımı
AYÇA SOYLU
Yüksek Lisans
İngilizce
2018
Kimya MühendisliğiBoğaziçi ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. RAMAZAN YILDIRIM