Machine learning analysis of biofuels using published data
Yayınlanmış veriler ile biyoyakıtların makine öğrenimi analizi
- Tez No: 910391
- Danışmanlar: PROF. DR. RAMAZAN YILDIRIM
- Tez Türü: Doktora
- Konular: Kimya Mühendisliği, Chemical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 185
Özet
Bu tezin amaçlarından biri, bibliyometrik analiz ve literatür incelemesi yoluyla, farklı biyoyakıt üretim yöntemleri üzerindeki makine öğrenmesi (ML) çalışmalarını, özellikle mikroalg biyodizel, lignoselülozik etanol ve biyokömür üretimini kapsamlı bir şekilde anlamaktır. Mikroalgler, biyoyakıt üretimi için yüksek potansiyele sahip olmalarına ragmen, ticarileşebilmesi için farklı türler, katma değerli kimyasallar ve enerji tüketiminin azaltılması gerekmektedir. Lignoselülozik biyokütlenin etanole dönüştürülmesi de umut verici olmakla birlikte özellikle ön işlemler nedeniyle pahalıdır. Biyokömür, özellikle fonksiyon kazandırılmış formları, çevresel iyileştirme çalışmaları için önemlidir. Bu çalışma ayrıca, yağlı maya türü Yarrowia lipolytica'nın yağ üretimi ve biyogazın tri-reforming süreciyle sentez gazına dönüştürülmesi için kapsamlı veri setleri oluşturarak, bunları ML araçlarıyla analiz etmeyi, bilinmeyen koşullarda elde edilebilecek sonuçları tahmin etmeyi, kritik değişkenleri belirlemeyi amaçlamaktadır. Yarrowia lipolytica'nın lipid üretim potansiyelinin karar ağacı (DT) kullanılarak etkili bir şekilde kategorize edilebileceği ve değişken etkilerinin ilişkilendirme kural madenciliği kullanılarak belirlenebileceği bulunmuştur. C/N oranı ve fermantasyon süresi biyokütle üretimi üzerinde etkili bulunurken, pH ve glikoz konsantrasyonu lipid içeriği için önemlidir. Rastgele orman (RF) ve yapay sinir ağı (ANN) kullanılarak geliştirilen tri-reformlama modelleri yüksek tahmin yeteneği göstermiştir. Küçük veri setlerinde tahmin doğruluğunu arttırmak için buhar ve CO2 reformlama verilerini kullanan transfer öğrenme yöntemi uygulanmıştır. Yorumlanabilir bilgi çıkarımı için DT algoritmaları kullanılmış ve metan dönüşümü, karbondioksit dönüşümü ve H2/CO oranları için genellenebilir kurallar geliştirilmiştir. Yüksek reaksiyon sıcaklığı ve yüksek W/F, yüksek CH4 dönüşümü sağlarken, orta reaksiyon sıcaklığı ve düşük O2 oranı, yüksek CO2 dönüşümü sağlamıştır. Tüm durumlarda, diğer koşullardan bağımsız olarak, besleme bileşimindeki H2O'nun artırılması ve CO2'nin azaltılması H2/CO oranını artırmaktadır. Bulgular, veri madenciliği ve makine öğrenme yöntemlerinin etkili öngörü modelleri sağladığını ve kolayca gözlemlenmeyen eğilimleri tespit ettiğini göstermektedir.
Özet (Çeviri)
One of the key objective of this dissertation is to develop a comprehensive understanding of previous machine learning (ML) studies on various biofuel production routes, specifically microalgae biodiesel, lignocellulosic ethanol, and biochar production, through bibliometric analysis and literature review. Microalgae show high potential for biofuel production but are costly, requiring better strains, value-added chemicals and reduced energy consumption for commercial viability. Converting lignocellulosic biomass to ethanol is promising but remains expensive, particularly due to pretreatment step. Biochar, especially in its functionalized and engineered forms, is likely to become more important for environmental remediation. This work also aims to construct comprehensive datasets for lipid production from the oleaginous yeast strain Yarrowia lipolytica and tri-reforming process from biogas, analyzing them with ML tools to estimate unperformed experiments, determine critical variables, and develop optimal heuristics. It was found that the potential of Yarrowia lipolytica for lipid production can be effectively categorized using decision tree (DT) algorithms, and descriptor effects can be determined using association rule mining. Found that, C/N ratio with fermentation time being influential for biomass production, while pH and glucose concentration for lipid content. The tri-reforming models developed using random forest (RF) and artificial neural network (ANN) algorithms also showed high predictive capabilities. Transfer learning methods, using source models from dry-reforming and steam reforming datasets were implemented to enhance the prediction accuracy with smaller datasets. DT algorithms were employed for interpretable knowledge extraction, resulting in the development of hierarchical rules for methane conversion, carbon dioxide conversion, and H2/CO ratios in the produced syngas. While high reaction temperature with high W/F results with high CH4 conversion, moderate reaction temperature with low O2 ratio promote high CO2 conversion. In all cases, not depending on other conditions, increasing H2O, and decreasing CO2 in the feed composition increases H2/CO ratio. The findings align with the literature, indicating that data mining and machine learning methods effectively provide predictive models and detect trends and patterns that are not readily observable.
Benzer Tezler
- Endüstriyel lignoselülozik atıkların karakterizasyonu ve sınıflandırmasında kemometrik yöntemlerin uygulanması
Application of chemometric methods in characterization and classification of industrial lignocellulosic wastes
MEHTAP ERDİL
Doktora
Türkçe
2023
Ağaç İşleriİstanbul Üniversitesi-CerrahpaşaOrman Endüstri Mühendisliği Ana Bilim Dalı
PROF. DR. NURAL YILGÖR
PROF. DR. OZAN KOCADAĞLI
- İç Anadolu bölgesi için güneye bakan eğimli yüzeye gelen günlük global, direkt ve difüz radyasyonun hesaplanması
Estimation of global, diffuse and beam radiation on the south oriented tilted surfaces for the region 'İç Anadolu' in Turkey
DİLEK YENİSEY
Yüksek Lisans
Türkçe
2015
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE SEMA TOPÇU
- Machine learning analysis of photocatalytic CO2 reduction on perovskite materials
Perovskit materyaller üzerinde CO2 fotokatalitik indirgenmenin yapay öğrenme yöntemler ile analizi
İREM GÜLÇİN ZIRHLIOĞLU
Yüksek Lisans
İngilizce
2023
Kimya MühendisliğiBoğaziçi ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. RAMAZAN YILDIRIM
- Machine learning analysis of pulsar timing data
Atarca zaman verisinin makine öğrenmesi yöntemleri ile analizi
ESMA HASANÇEBİ ESER
Yüksek Lisans
İngilizce
2021
Astronomi ve Uzay Bilimleriİstanbul Teknik ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
PROF. DR. MUAMMER ALTAN ÇAKIR
- Ailevi Akdeniz Ateşi'nde kolşisin tedavisinin makine öğrenmesi analizi
Machine learning analysis of colchicine treatment in Familial Mediterranean Fever
MUHAMMET İKBAL YILDIZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SALİM CEYHAN