Neural networks analysis of water gas shift reactions over noble metal catalysts using published data in literature
Soy metal katalizörleri üzerinde su-gazı geçiş reaksiyonunun literatürde yayınlanmış veriler kullanılarak yapay sinir ağlarıyla incelenmesi
- Tez No: 325594
- Danışmanlar: PROF. DR. RAMAZAN YILDIRIM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Kimya Mühendisliği, Computer Engineering and Computer Science and Control, Chemical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 79
Özet
Bu çalışmanın amacı, yapay öğrenme tekniklerini kullanarak soy metal katalizörleri üzerinde su-gazı geçiş reaksiyonu için literatürde yayınlanmış deneysel verilerden bilgi çıkarmak ve böylece literatürdeki eğilimleri anlayarak katalizör tasarımını iyileştirmektir. Bunun için ilk olarak, literatürde 2002 ve 2012 yılları arasında yayınlanan 85 makaleden deneysel veriler çıkarılmış ve 4372 veri noktası ve 87 değişken içeren bir veri tabanı oluşturulmuştur. Sonra, bilgi çıkarımı yapmak için kullanılacak yöntem seçilmiş, bunun için yapay öğrenmede en etkili yöntemler arasında yer alan destek yöney makinaları ve yapay sinir ağları yöntemleri daha önce laboratuvarımızda analiz edilmiş olan bir veri tabanı üzerinde test edilmiş, yapay sinir ağları daha başarılı bulunmuştur. Bu nedenle oluşturulan su gazı geçiş reaksiyonuna ait veritabanı sinir ağları yöntemiyle modellenmiştir. Optimum yapay sinir ağı yapısı, değişik ağ yapıları oluşturularak kıyaslanmış, bunun için bir modelin genelleme (modelin hiç görmediği veriyi tahmin edebilme) yeteneğinin ölçüsü olarak kabul edilen ortalama karekök hataların toplamı kullanılmıştır. Çalışma sonunda veri tabanına en uygun ağın her biri 21 nöron içeren iki saklı katmanlı ağ yapısının uygun olduğu görülmüştür. Daha sonra, her makaledeki veriler, diğer makalelerdeki veriler kullanılarak tekrar eğitilen modelle teker teker tahmin edilmeye çalışılmıştır. 85 makale içerisinden 29 makale, 0.5'in üzerinde bir R2 değeri ile, başarılı sayılabilecek biçimde tahmin edilmiştir. Ayrıca, katalizör tasarım ve operasyonel değişkenlerin katalizör performansına etkileri ve göreceli önemleri sinir ağları yöntemiyle analiz edilmiş ve sonuçlar genel olarak literatüre uygun çıkmıştır.
Özet (Çeviri)
The aim of this thesis is to apply the machine learning methodologies for knowledge extraction from experimental data for water gas shift reaction over noble metal catalysts from the papers published in the literature to understand the general trends and improve the catalyst design. First, the experimental data were extracted from 85 articles in the literature between 2002 and 2012 and a database containing 4372 data points with 87 variables was constructed. Then the methodology for knowledge extraction was selected; the neural networks and support vector machines, which are the two most effective machine learning tools, were compared using a dataset that was analyzed in our group before, and the neural network method showed better performance on prediction the unseen data. Hence the water gas shift reaction database was analyzed by using neural networks. An optimal network structure was determined by constructing various neural network topologies and comparing the testing RMSE, which is a measure of generalization ability of the model (prediction ability for the unseen data); two hidden layer network containing 21 nodes in each layer was found to be optimum to represent the database. Then, the experimental CO conversions in each article were predicted by the neural networks trained using the data from the remaining articles. The results in 29 articles out of 85 were predicted with a R2 value of higher than 0.5, which can be considered as successful. The effects and relative significances of the catalyst design and operation variables were also analyzed and found to be generally in agreement with the literature.
Benzer Tezler
- Hisse senedi fiyat tahmini için makine öğrenimi ve zaman serisi modeli arasındaki karşılaştırmalı analizi
Comparative analysis of stock price prediction between machine learning and time series models
ONUR BERK YEŞİL
Yüksek Lisans
Türkçe
2023
EkonometriÇankaya ÜniversitesiVeri Analitiği Ana Bilim Dalı
PROF. DR. MEHMET NİHAT SOLAKOĞLU
- Farklı katı yakıt türlerinin üst ısıl değerlerinin çoklu lineer regresyon, karar ağacı, random forest ve yapay sinir ağları yöntemleriyle belirlenmesi
Prediction of calorific value of solid fuel by multiple linear regression, decision tree, random forest and artificial neural network
KAAN BÜYÜKKANBER
Yüksek Lisans
Türkçe
2022
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. HANZADE AÇMA
- Analysis of oil well production data for production forecasting by: Artificial neural networks, auto regressive integrated moving average and decline curve analysis
Petrol kuyusu üretim azalma verilerinin üretimin tahmini için analizi: Yapay sinir ağları, oto regresif taşınan ortalamalar yöntemi ve üretim azalma eğrisi analizi
DENİZ KATIRCIOĞLU
Yüksek Lisans
İngilizce
2002
Petrol ve Doğal Gaz MühendisliğiOrta Doğu Teknik ÜniversitesiPetrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
PROF. DR. FEVZİ GÜMRAH
- Atık sanayi yağları ve atık plastiklerden elde edilmiş yakıtın bir dizel motorunun farklı çalışma parametrelerindeki performans, emisyon ve yanma karakteristiklerinin deneysel analizi ve yapay sinir ağları yöntemi ile optimizasyonu
Experimental analysis of performance, emission and combustion characteristics of a diesel engine at different operating parameters of fuel obtained from waste industrial oils and waste plastics and optimisation with artificial neural network method
ABDULKERİM YILDIZ
Doktora
Türkçe
2023
Makine MühendisliğiBatman ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELMAN AYDIN
- Cüruf tabanlı geopolimer harçlarda yapay sinir ağı ve regresyon modelleriyle basınç dayanımının tahmin edilmesi
Prediction of compressive strength of slag-based geopolymer mortars by artificial neural network and regression models
ATCHADEOU YRANAWA KATATCHAMBO
Yüksek Lisans
Türkçe
2024
İnşaat MühendisliğiTokat Gaziosmanpaşa Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞİNASİ BİNGÖL