Estimation of biocrude oil yield by machine learning
Makine öğrenmesi ile biyo kaynaklı yakıt verimi tahmini
- Tez No: 889992
- Danışmanlar: PROF. DR. HASAN SADIKOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Kimya Mühendisliği, Chemical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Kimya Mühendisliği Bilim Dalı
- Sayfa Sayısı: 54
Özet
Biyoyakıt üretimi, sürdürülebilir kaynak yönetimi, ekonomik fizibilite ve mevzuata uygunluk için biyo-ham petrol verimi tahminini gerektirir. Doğru tahminler yatırımcılara yardımcı olur, süreçleri optimize eder, enerji güvenliğini ve karbon azaltımını destekler ve teknoloji gelişimini, pazar rekabet gücünü ve çevresel etki değerlendirmelerini etkiler. Bu çalışma, sürdürülebilir enerji arzını ele almak amacıyla biyo-ham petrol verimini tahmin etmek için makine öğrenimini kullanıyor. Regresyon, destek vektör makineleri, rastgele ormanlar ve sinir ağları dahil olmak üzere çeşitli modelleri eğitmek için kapsamlı veri kümeleri kullanılır. Sonuçlar, biyo-ham petrol üretimini optimize etmeye ve sürdürülebilir enerji çözümlerini geliştirmeye yönelik öngörüler sunan doğru verim tahmini potansiyelini ortaya koyuyor. Bu çalışma, daha sürdürülebilir enerji geleceği için biyoenerji bilimi ile pratik uygulamalar arasında köprü kurmaktadır. Bu çalışma, R2, MSE ve RMSE kullanılarak biyo-ham petrol verimi tahmini için XGBoost, Random Forest, SVM ve ANN modellerini değerlendirmektedir. Titiz ön işleme ve eğitim, yüksek R2 puanlarını gösterir, bu da karmaşık ilişkileri yakalamadaki yeterliliği gösterir. 0,86 ve 0,0516'lık R2 ve RMSE değerleri tahmin doğruluğunu gösterir. Biyoenerji sektörü için çıkarımlar, optimizasyon potansiyelini vurguluyor ve özel uygulamalar için benzersiz modelin güçlü yönleri özetleniyor. XGBoost, Random Forest, SVM ve ANN'yi entegre eden bu çalışma, biyoenerji karar alma sürecine bilgi vererek model performansına ilişkin içgörüler sunuyor. Bu çalışma, biyo-ham petrol verimini doğru bir şekilde tahmin etmek için makine öğreniminin uygulanmasına yönelik yapılandırılmış bir çerçeve sunmaktadır. Bu çerçeve, biyoenerji üretimini geliştirme potansiyeline sahiptir ve bu alanda gelecekteki araştırmalar ve endüstri üzerinde önemli bir etkiye sahiptir.
Özet (Çeviri)
Biofuel production requires bio-crude oil yield estimation for sustainable resource management, economic feasibility, and regulatory compliance. Accurate projections help investors, optimize processes, support energy security and carbon reduction, and influence technology development, market competitiveness, and environmental impact assessments. This work uses machine learning to forecast bio-crude oil yield to address sustainable energy supply. Extensive datasets are utilized to train various models, including regression, support vector machines, random forests, and neural networks. The results demonstrate the potential for accurate yield forecasting, offering insights for optimizing bio-crude oil production and advancing sustainable energy solutions. This study bridges bioenergy science and practical applications for a more sustainable energy future. This study evaluates XGBoost, Random Forest, SVM, and ANN models for bio-crude oil yield estimation using R2, MSE, and RMSE. Rigorous preprocessing and training show high R2 scores, indicating proficiency in capturing complex relationships. The R2 and RMSE values of 0.86 and 0.0516 demonstrate predictive accuracy. Implications for the bioenergy sector highlight optimization potential and unique model strengths are outlined for tailored applications. Integrating XGBoost, Random Forest, SVM, and ANN, this work informs bioenergy decision-making, offering insights into model performance. This study presents a structured framework for applying machine learning to accurately estimate the yield of bio-crude oil. This framework has the potential to enhance bioenergy production and have a significant impact on future research and industry in this field.
Benzer Tezler
- Klivus ve foramen magnum ölçüleri ile posterior kranial fossa hacminin temporal BT görüntüleri aracılığıyla cinsiyet tahmininde kullanılması
Estimation of sex from morphometric values of clivus and foramen magnum and volume of posterior cranial fossa BY using computerized tomography images
SÜMEYRA DEMİR
Tıpta Uzmanlık
Türkçe
2014
Adli TıpPamukkale ÜniversitesiAdli Tıp Ana Bilim Dalı
PROF. DR. KEMALETTİN ACAR
- Hava lidar verilerinin sınıflandırılması ve orman ağaçlarına ait özniteliklerin değerlendirilmesi: İstanbul Belgrad Ormanı örneği
Estimation of forest tree types structure by using classification of airborne lidar data a case study: Istanbul, Belgrad Forest
BİLGE CİVELEKOĞLU
Yüksek Lisans
Türkçe
2015
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. FÜSUN BALIK ŞANLI
- Estimation of sand ratio at soil by LDR sensors and intelligent algorithms
Topraktaki kum oranının LDR sensörleri ve akıllı algoritmalarla kestirimi
EMRE KILINÇ
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. UMUT ORHAN
- Estimation of traffic impact at signalized intersections around the proposed health campus in Etlik, Ankara
Ankara Etlik sağlık kampusu projesi etrafındaki sinyalize kavşaklarda trafik etkisi tahmin
ALI ASGHAR KAZEMI AFSHAR
Yüksek Lisans
İngilizce
2015
TrafikOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. HEDİYE TÜYDEŞ YAMAN
- Estimation of carbon footprint: A case study for Middle East Technical University
Karbon ayak izi kestirimi: Orta Doğu Teknik Üniversitesi için bir çalışma
AYŞE MERVE TURANLI
Yüksek Lisans
İngilizce
2015
Petrol ve Doğal Gaz MühendisliğiOrta Doğu Teknik ÜniversitesiPetrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA TANJU MEHMETOĞLU
PROF. DR. ENDER OKANDAN