Developing oxygen amount prediction model of basic oxygen furnace steelmaking process with machine learning algorithms
Makine öğrenmesi algoritmaları ile bazik oksijen fırını çelik üretiminde oksijen miktarı tahminleme modeli geliştirilmesi
- Tez No: 457246
- Danışmanlar: YRD. DOÇ. DR. BUSE MELİS ÖZYILDIRIM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 57
Özet
Bazik Oksijen Fırını (BOF) ile çelik üretimi, karbon içeriğini düşürmeyi ve sıcaklığı yükseltmeyi amaçlayan oldukça karmaşık, birçok fazlı fizik ve kimyasal reaksiyon içeren bir işlemdir. Proses esnasında BOF içerisine üflenen oksijen miktarı BOF refrakter kaplamasının ömrünü, üretim maliyetlerini ve istenen kalitede çelik üretimi yapılabilmesini etkileyen en önemli kontrol parametresidir. Bu tezde amaç BOF ile çelik üretimi sürecinde dinamik üfleme aşamasında üflenen oksijen miktarını makine öğrenmesi algoritmaları ile tahminleme modelinin geliştirilmesidir. En iyi tahminleme modelinin bulunabilmesi için, Doğrusal Regresyon, Çok katmanlı Algılayıcı(MLP), K-En Yakın Komşu (KNN), Aşırı Öğrenme Makinesi (ELM) ve Destek Vektör Makineleri (SVM) tabanlı Sıralı Minimal Optimizasyon (SMO) Regresyonu algoritmalarının Weka ve MATLAB kullanılarak karşılaştırılması yapılmıştır. BOF üretiminden toplanan verilerle geliştirilen tahminleme modellerinin sonuçları birbirlerine çok yakın çıkmıştır. ELM ve SVM tabanlı SMO Regresyonu ile diğer modellerden biraz daha iyi sonuç tahminleme yapılmıştır.
Özet (Çeviri)
Basic Oxygen Furnace (BOF) steelmaking is a highly complex multiphase physics and chemical reaction process, which aims to reduce the carbon content and increase temperature. During the process amount of oxygen blown into BOF is the most significant control parameter, which effects life of BOF refractory lining, production cost and producing steel in desired quality. In this thesis, the purpose is developing oxygen amount prediction of dynamic blow stage in BOF steelmaking process with machine learning algorithms. For finding the best prediction model, Linear Regression, Multi-Layer Perceptron (MLP), K-Nearest Neighbor (KNN), Extreme Learning Machine (ELM) and Support Vector Machine (SVM) based Sequential Minimal Optimization (SMO) Regression algorithms were compared using Weka and MATLAB. The results of the prediction models developed with gathered production data from BOF are close to each other. ELM and SVM based SMO regression predicted slightly better results than the other models.
Benzer Tezler
- Açık işletmelerde uygun delme-patlatma şartlarını veren bir modelin geliştirilmesi
The development of a model to obtain suitable drilling and blasting conditions in open pit mines and quarries
SAİR KAHRAMAN
Doktora
Türkçe
1997
Maden Mühendisliği ve Madencilikİstanbul Teknik ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
PROF. DR. NUH BİLGİN
- Characterization of Turkish bee products such as propolis, pollen and royal jelly in terms of bioactive components, health effects and encapsulation
Türkiye'ye ait arı sütü, propolis ve polen gibi arı ürünlerinin biyoaktif bileşenler, sağlık etkileri ve enkapsülasyonu açısından karakterizasyonu
ÜMİT ALTUNTAŞ
Doktora
İngilizce
2023
Gıda Mühendisliğiİstanbul Teknik ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
PROF. DR. BERAAT ÖZÇELİK
- 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