Forecasting methane concentration in underground coal mines using deep learning
Yeraltı kömür madenlerinde derin öğrenme ile metan konsantrasyonunun tahmini
- Tez No: 859930
- Danışmanlar: PROF. DR. NURAY DEMİREL
- Tez Türü: Yüksek Lisans
- Konular: Maden Mühendisliği ve Madencilik, Mining Engineering and Mining
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Maden İşletme Ana Bilim Dalı
- Bilim Dalı: Maden İşletme Bilim Dalı
- Sayfa Sayısı: 162
Özet
Yeraltı kömür madenciliği üretiminde ortaya çıkan metan gazı, yer altı kömür madenlerinde patlama riski oluşturan ve hayati sonuçlar doğurabilen bir tehlikedir. Güvenlik açısından yarattığı tehlikelerin yanı sıra, yüksek metan konsantrasyonu, üretim operasyonlarını durdurarak maddi kayıplara da neden olmaktadır. Bu nedenle, yeraltı kömür madenlerinde, sadece metan gazının izlenmesi değil aynı zamanda metan konsantrasyonunun erken tahmini gibi proaktif yaklaşımların benimsenmesi önemlidir. Yürütülen çalışmanın odak noktası ise metan konsantrasyonunu bir dakika önceden tahmin eden bir derin öğrenme modeli geliştirmektir. Bu amaca yönelik olarak Uzun kısa süreli bellek (LSTM) ile çift yönlü LSTM (BiLSTM) algoritmaları kullanılarak tahmin modelleri geliştirilmiştir. Hesaplama gücü sınırlamaları nedeniyle, tahmin modellerine büyük miktarda veri beslenememiştir. Eğitim veri setinin boyutunu arttırarak, modelin tahmin yeteneklerini geliştirmek amacıyla hibrit bir CNN-BiLSTM mimarisi tasarlanmıştır. Geliştirilen hibrit model sayesinde, gerekli bilgiler korunarak CNN katmanlarında veri boyutu küçültülmüş ve ardından çıktısı, tahmin modeli geliştirmek için BiLSTM katmanlarına beslenmiştir. Üç aylık veri seti ile hibrit modeli eğitildikten sonra, bir sonraki günün metan konsantrasyonunu 0,0015 ortalama karesel hata (MSE) ile bir dakika önceden tahmin etmiştir. Model ayrıca %1 i aşan metan konsantrasyon seviyelerini %78 lik bir geri çağırma oranıyla başarılı bir şekilde tahmin etmiştir. Ayrıca model, metan konsantrasyonlarının %1 i aşacağı tahmin edilen durumlar için uyarı sağlamada %92 hassasiyet göstermiştir.
Özet (Çeviri)
Methane is a hazardous gas that poses a risk of explosion in underground coal mines and can have life-threatening consequences. In addition to the safety hazards, increasing methane concentrations leads to halts in production and cause economical losses. Therefore, it is important to deploy proactive approaches in underground coal mines, not only for methane gas monitoring but also early methane concentration forecasting. The focus of the this research study is to develop a deep learning model that forecasts methane concentration one minute in advance. For this purpose, forecasting models were developed using LSTM and BiLSTM algorithms. Due to computational limitations, the capacity to feed large amounts of data to the forecasting models was limited. To overcome this challenge and improve the forecasting capabilities of the model, a hybrid CNN-BiLSTM architecture was designed. With the hybrid model, the data size is reduced in the CNN layers while preserving the necessary information, and then the output is fed to the BiLSTM layers to develop the forecasting model. After training with a three-month dataset, the model forecasted methane concentration for the next day one minute in advance with a MSE of 0.0015. The model also successfully forecasted methane concentration levels exceeding 1% with a recall of 78%. In addition, the model demonstrated a 92% precision in providing warnings for situations where methane concentrations were predicted to exceed 1%.
Benzer Tezler
- Melas atıksularının arıtımında yukarı akışlı havasız çamur yataklı reaktör (YAHÇYR) sisteminden elde edilen biyogaz ve metan üretimlerinin yapay sinir ağları ile modellenmesi
Artificial neural network-based modelling to predict biogas and methane production rates in a pilot-scale mesophilic up-flow anaerobic sludge blanket (UASB) reactor treating molasses wastewater
İLKNUR TEMİZEL
Yüksek Lisans
Türkçe
2012
Çevre MühendisliğiYıldız Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. KAAN YETİLMEZSOY
YRD. DOÇ. DR. İLTER TÜRKDOĞAN- AYDINOL
- Technical-economic-environmental feasibility analysis of biogas production from food wastes in Turkey based on different consumption scenarios
Türkiye'deki gıda atıklarından biyogaz üretiminin farklı tüketim senaryolarına göre teknikekonomik-çevresel fizibilite analizi
İCLAL GÜNEY
Yüksek Lisans
İngilizce
2022
EnerjiGebze Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET MELİKOĞLU
- Optimizing production and inventory decisions at all-you-care-to-eat facilities
Herşey dahil yemek tesislerinde üretim ve stok kararlarının optimize edilmesi
ESMA BİRİŞÇİ
Doktora
İngilizce
2016
Endüstri ve Endüstri MühendisliğiUniversity of MissouriEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. RONALD MCGARVEY
- Disaggregation of future climate projection data to generate future rainfall intensity-duration-frequency curves to assess climate change impacts
Gelecek iklim projeksiyonu verilerinin iklim değişikliği etkilerini değerlendirme amacıyla gelecek yağış şiddet-süre-tekerrür eğrileri üretmek için ayrıştırılması
HÜSAMETTİN TAYŞİ
Yüksek Lisans
İngilizce
2021
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ÖZGER
- İstanbul Menkul Kıymetler Borsası endeksinin istatistiksel yöntemlerle öngörülmesi
Forecasting İstanbul Stock Exchange index by statistical methods
HALİL SONER BİNAY