Geri Dön

Bazı Türk linyitlerinin kısa-elementel değerleri kullanılarak maseral dağılımlarının belirlenmesi

Determination of maceral distributions using proximate and ultimate analysis of some Turkish lignites

PDF İndir

  1. Tez No: 932057
  2. Yazar: GÖKHAN ALABAŞ
  3. Danışmanlar: DOÇ. DR. SELİN KARADİREK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Jeoloji Mühendisliği, Geological Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Akdeniz Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Jeoloji Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 109

Özet

Kömür, dünya genelinde önemli enerji kaynaklarından biridir. Ülkemizde ise özellikle linyit kömürü rezervlerinin büyük bir öneme sahip olduğu bilinmektedir. Araştırmalar fosil yakıtlardan, petrolün ve doğal gazın dünyadaki rezervlerinin kömüre kıyasla daha erken tükeneceğini göstermektedir. Kömür bu kadar önemli bir maden olmasına karşın karakterize edilmesi yüksek maliyete sebebiyet veren ve uzmanlık gerektiren süreçlerden geçmektedir. Bu nedenle, yapay zekâ tabanlı yöntemlerle analiz süreçlerini kolaylaştırmak ve daha düşük maliyetlerle yüksek doğrulukta sonuçlar elde etmek büyük önem taşımaktadır. Bu çalışma, yapay sinir ağlarını laboratuvar analizlerine alternatif bir yöntem olarak sunmayı hedeflemiştir. Türkiye kömürlerinin kısa ve elementel analiz değerlerinden yola çıkılarak yapay sinir ağları yardımı ile maseral dağılımlarının belirlenmesini hedeflemiştir. Maseral dağılımlarının belirlenmesi, kömürün kalite parametrelerinin ve çökelim ortamı özeliklerinin belirlenmesinde rol oynamaktadır. Bu bağlamda, çalışmada Türkiye bazı linyit kömürlerinin fiziksel ve kimyasal özellikleri incelenmiş, literatürde yer alan kısa ve elementel analiz verileri temel alınmıştır. Elde edilen veriler ise yapay sinir ağları ve optimizasyon teknikleri kullanılarak analiz edilmiştir. Yapay sinir ağını eğitmek için 232 adet linyit kömürü verisi kullanılmıştır. Bu veriler ile Matlab yazılımı kullanılarak ileri yönlü çok katmanlı algılayıcı, kaskad ileri yönlü algılayıcı ve Python dili kullanılarak Bayes hiper-parametre optimizasyonu teknikleri kullanılmıştır. Regresyon analizi, hata metrikleri ve diğer istatistiksel yöntemlerle yapay sinir ağlarının tahmin gücü değerlendirilmiştir. Alınan veriler farklı gizli nöron sayıları ile denenmiş en iyi sonucun alınabileceği nöron katmanı seçilmiştir. Sonuç olarak ileri yönlü çok katmanlı algılayıcı, daha karmaşık verilerde etkili olurken, kaskad ileri yönlü algılayıcı daha basit ve az sayıda katmanın gerektiği durumlarda öne çıkmıştır. Bayes optimizasyonu ise az veri ile de olsa hiper-parametre ayarlamalarında daha hassas sonuçlarda verimli olduğu görülmüştür. Üç algoritma arasında en iyi sonucu Bayes optimizasyonu vermiş ikinci olarak ise ileri yönlü çok katmanlı algılayıcı olduğu görülmüştür. Sonucun maksimum verimlilikte olması için kullanılan veriler literatür kaynaklı ise doğruluğu arttırmak için veri seti sayısı arttırılmasının doğru bir yaklaşım olabileceği sonucuna varılmıştır. Bu şekilde girilen ve tahmin verileri,“x=y”doğru ekseni için en yakın değerleri elde edebilecek ve minimum hataya ulaşmanın mümkün olabileceği sonucuna varılmıştır.

Özet (Çeviri)

Coal is one of the most significant energy resources worldwide. In our country, lignite coal reserves are known to hold particular importance. Research indicates that fossil fuel reserves of oil and natural gas will deplete sooner than coal on a global scale. Despite its critical role, coal characterization involves costly and expertise-demanding processes. Therefore, employing artificial intelligence-based methods to streamline analysis processes and achieve high-accuracy results at lower costs is of great importance. This study aims to introduce artificial neural networks as an alternative method to laboratory analyses. The research focuses on determining the maceral distributions of Turkish coals based on proximate and ultimate analysis values using artificial neural networks. Identifying maceral distributions plays a crucial role in assessing coal quality parameters and depositional environment characteristics. In this context, the study examines the physical and chemical properties of certain Turkish lignite coals, utilizing proximate and ultimate analysis data available in the literature. The obtained data were analyzed using artificial neural networks and optimization techniques. A total of 232 lignite coal data points were used to train the artificial neural network. These data were processed using MATLAB software for feedforward multilayer perceptron and cascade forward neural networks, while Bayesian hyperparameter optimization techniques were implemented in Python. The predictive performance of artificial neural networks was evaluated through regression analysis, error metrics, and other statistical methods. The data were tested with different numbers of hidden neurons, and the optimal neuron layer configuration yielding the best results was selected. As a result, the feedforward multilayer perceptron demonstrated superior performance for complex datasets, whereas the cascade forward neural network was more effective in cases requiring simpler architectures with fewer layers. Bayesian optimization, on the other hand, proved to be efficient in hyperparameter tuning, even with limited data, by yielding more precise results. Among the three algorithms, Bayesian optimization produced the most accurate predictions, followed by the feedforward multilayer perceptron. To maximize efficiency, increasing the dataset size when using literature-based data is suggested as a means to enhance accuracy. This approach ensures that both input and predicted values align closely with the“x=y”reference line, thereby minimizing errors to an optimal level.

Benzer Tezler

  1. Tez No

    658564

    Investigation of gasification characteristics of Soma lignite by high pressure TGA

    Soma linyitinin gazlaştırma özelliklerinin yüksek basınçlı TGA ile incelenmesi

    GÖZDE KARDEŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Kimya Mühendisliğiİstanbul Teknik Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET ALPER AYDIN

  2. Tez No

    112339

    Sabit yataklı yakma sistemlerinde yanmada kömür neminin emisyonlara etkisinin deneysel incelenmesi

    Experimental investigations of effect of moisture on the emissions in fixed bed compustion appliances

    NALAN ERDÖL AYDIN

    Doktora

    Türkçe

    Türkçe

    2001

    Kimya Mühendisliğiİstanbul Teknik Üniversitesi

    PROF. DR. HASANCAN OKUTAN

  3. Tez No

    897790

    A new MILP formulation for crude oil scheduling optimization: A case study in a Turkish refinery

    Ham petrol planlama optimizasyonu için yeni bir MILP formülasyonu: Bir Türk rafinerisinde vaka çalışması

    İREM MARTTİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖZGÜR KABAK

  4. Tez No

    819666

    Minority shareholder activism in Turkey

    Türkiye'de azınlık pay sahibi aktivizmi

    BEYZA NUR BİLEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Hukukİstanbul Medeniyet Üniversitesi

    Özel Hukuk Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MELTEM KARATEPE KAYA

  5. Tez No

    870

    Banka kredilerinin ekonomide yarattıkları etkiler

    Başlık çevirisi yok

    NİHAL ÜÇSU

    Yüksek Lisans

    Türkçe

    Türkçe

    1987

    Ekonomiİstanbul Üniversitesi

    Para Banka Ana Bilim Dalı

    PROF. DR. HAYRİ ERDOĞAN ALKİN

Geri Dön