Classification of VOC vapors using machine learning algorithms
Uçucu organik bileşen buharlarının makine öğrenmesi algoritmaları ile sınıflandırılması
- Tez No: 755924
- Danışmanlar: DOÇ. DR. MUTTALİP ÖZAVŞAR, PROF. DR. AHMET ALTINDAL
- Tez Türü: Yüksek Lisans
- Konular: Matematik, Mathematics
- Anahtar Kelimeler: K-En Yakın Komşu Algoritması, Makine öğrenmesi, Sınıflandırma, Uçucu organik bileşikler, K-Nearest Neighbor Algorithm, Machine learning, Classification, Volatile organic compound
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Matematik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, kobalt ftalosiyanin (CoPc) ince filminin, konsantrasyonları 50 ile 450 ppm arasında değişen altı farklı uçucu organik bileşen (UOB) buharlarını (metanol, etanol, bütanol, izopropil alkol, aseton ve amonyak) algılama özellikleri incelenmiştir. UOB buharları ile CoPc yüzeyi arasındaki etkileşimin seçici olmadığı gözlemlenmiştir. Bu bağlamda seçiciliği zayıf olan mevcut sensörün makine öğrenmesi algoritmaları kullanılarak daha iyi algılama kabiliyetine sahip daha verimli bir sensöre dönüştürülmesi amaçlanmıştır. Öznitelik olarak, kararlı durum bölgesinden alınan 10 saniyelik yanıtlar herhangi bir ek işleme tekniği olmadan kullanılmıştır. Sınıflandırma algoritmaları arasında K-En Yakın Komşu (KNN) ve Torbalı Ağaç algoritmaları %95'in üzerinde en yüksek doğruluğa ulaşmıştır. Bu özniteliğin performansı aynı zamanda maksimum değer, integral ve türev gibi geleneksel gaz sensörü tepki öznitelikleriyle de karşılaştırılmıştır. Sonuçlar kararlı durum bölgesinden alınan 10 saniyelik yanıtlara dayalı özelliğin, geleneksel özelliklere dayalı olanlardan çok daha iyi olduğunu göstermektedir. Bu çalışma sonucunda en iyi doğruluk KNN yöntemi ile %96,7 olarak elde edilmiştir.
Özet (Çeviri)
In this thesis, the sensing properties of a cobalt phthalocyanine (CoPc) thin film at six different volatile organic compound (VOC) vapors (methanol, ethanol, butanol, isopropyl alcohol, acetone, and ammonia) concentrations from 50 to 450 ppm are investigated. It is observed that the interaction between the VOC vapors and the CoPc surface is not selective. In this sense, it is aimed that using machine learning algorithms the present sensor, which is poorly selective, can be transformed into a more efficient one with better detection ability. As a feature, 10 seconds of responses taken from the steady state region are used without any additional processing technique. Among classification algorithms, K-Nearest Neighbor (KNN) and Bagged Tree reach the highest accuracy of more than 95%. The performance of this feature is also compared with the traditional gas sensor response features such as maximum value,integral and derivative. Results indicate that the feature based on 10 seconds of responses taken from the steady state region is much better than those based on the traditional features. The best accuracy at the end of this study is obtained as 96.7% with KNN method.
Benzer Tezler
- Lityum iyon pil üretim tesislerinde yangın algılama ikaz ve yangın söndürme sistemlerinin incelenmesi
Investigation of fire detection, alarm and fire suppression systems in lithium-ion battery production facilities
KAYHAN KARAİSMAİL
Yüksek Lisans
Türkçe
2026
Mühendislik BilimleriSakarya ÜniversitesiYangın ve Yangın Güvenliği Ana Bilim Dalı
PROF. DR. HAKAN SERHAD SOYHAN
- Sürdürülebilirlik perspektifinden petrol endüstrisinde iklim değişikliğine yönelik zarar azaltma çalışmaları: İstanbul akaryakıt istasyonları örneği
Climate change mitigation efforts in the oil industry from a sustainability perspective: The case of İstanbul gas stations
GÖNENÇ BAYRAM
Yüksek Lisans
Türkçe
2024
Deprem Mühendisliğiİstanbul Teknik ÜniversitesiAfet Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HİKMET İSKENDER
- Design and production of a portable solar test device to test, the characteristic values and the classification of solar panels
Güneş panellerinin sınıflandırmasını yapan ve karakteristik değerlerini test eden, taşınabilir bir test cihazının tasarım ve üretimi
CEYHAN KARAÇETİN
Yüksek Lisans
İngilizce
2019
EnerjiGaziantep ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
DOÇ. MUSTAFA YILMAZ
- Fotovoltaik dizilerde meydana gelen arızaların derin öğrenme yaklaşımları kullanılarak sınıflandırılması
Classification of faults occurring in photovoltaic arrays using deep learning approaches
ABDULKADİR ÇELİK
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiMersin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN ERİŞTİ
- Derin öğrenme ağları kullanılarak doğal ortamda hastalıklı domateslerin belirlenmesi
Detection of diseased tomatoes using deep learning networks in natural field
KÖKSAL KAPUCUOĞLU
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜRVET KIRCI