Zeytin değirmeni atık suyunun pH kontrollü kimyasal çöktürme ile arıtılmasının modellenmesi ve pH denetimi için makine öğreniminin kullanılması
Using machine learning for modeling and pH control of the treatment of olive mill wastewater with ph controlled chemical coagulation
- Tez No: 948091
- Danışmanlar: PROF. DR. ZEHRA ZEYBEK
- Tez Türü: Yüksek Lisans
- Konular: Kimya Mühendisliği, Chemical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 210
Özet
Fenton oksidasyonu, çevresel etkileri yüksek olan Zeytin Değirmeni Atıksuyunun (ZDA) arıtımında sıklıkla kullanılan yöntemlerden biridir. Tezde, Kimyasal Çöktürme ile yürütülen bu yönteme sinerjik etki olarak ön havalandırma eklenmiştir. Bu araştırmada, öncelikle teorik bir çalışma olarak, literatürde yer alan (Jyia vd., 2024)'ün deneysel verileri kullanılarak, ZDA'nin arıtımını belirleyen Kimyasal Oksijen İhtiyacı (KOİ), Polifenoller, Bulanıklık ve Renk Giderimi gibi faktörlerin makine öğrenmesi yöntemleri ile optimizasyonu amaçlanmıştır. Bu veriler, Karar ağaçları (CART), Rastgele orman (RO), k-en yakın komşu (KNN), Destek vektör makinesi (DVM) ve Yapay sinir ağı (YSA) gibi makine öğrenmesi teknikleri kullanılarak Python programlama dilinde modellenmiştir. Sonuç olarak, KOİ giderimi için en iyi modelin DVM (R2=%99.17) olduğu bulunmuştur. Çalışmanın ikinci aşamasında, ticari bir tesisten alınan karasuyun arıtımı, 2L'lik yarı kesikli reaktörde ön havalandırmalı Fenton oksidasyonu ile merkezi kompozit deney tasarımına göre gerçekleştirilmiştir. Optimizasyon için pH değeri, havalandırma süresi, FeSO4/H2O2 oranı bağımsız değişkenler olarak seçilmiştir. RSM optimizasyonuna göre, %Fenol giderimi için optimum değerler pH=3.45'te ve %KOİ giderimi için pH 5'te bulunmuştur. Deneysel tasarım verilerine dayanarak, gerçek sistemin modellenmesinde önerilen makine öğrenmesi teknikleri kullanılmıştır. Sonuç olarak, %KOİ giderimi için YSA (R2=%98.44) ve %Fenol giderimi için SVM (R2=%90.31) ile en iyi model elde edilmiştir. Fenol giderimi için en önemli değişkenlerin pH ve KOİ giderimi için havalandırma süresi olduğu bulunmuştur. Çalışmanın üçüncü aşamasında, ZDA'nın arıtma deneyi sırasında pıhtılaşmayı etkileyen kritik faktör pH olduğundan, pH kontrolü için optimum koşullar altında derin öğrenme dinamik matris kontrolü (DLDMC) gerçekleştirilmiştir. Önerilen yeni kontrol edicinin sonuçlarına göre, pH=3.45'te %75.88 fenol giderimi ve pH=''te %9 KOİ giderimi elde edilmiştir.
Özet (Çeviri)
Fenton oxidation is one of the methods frequently used in the treatment of olive mill wastewater (OMWW) which has high environmental impacts. In this thesis, pre-aeration was added to this method, which was carried out with Chemical Coagulation, as a synergistic effect. In this research, firstly, as a theoretical study, the experimental data of (Jyiaa et al. 2024) in the literature were used for the optimization of factors such as Chemical Oxygen Demand (COD), Polyphenols, Turbidity and Color Removal, which determine the purification of OMWW, by machine learning methods. These data were modeled in the Python programming software language using machine learning techniques such as Decision trees (CART), Random forest (RF), k-nearest neighbor (KNN), Support vector machine (SVM) and Artificial neural network (ANN). As a result, SVM (R2=99.17%) was found to be the best model for COD removal. In the second stage of the study, the treatment experiment of OMWW taken from a commercial plant was carried out according to the central composite experimental design with pre-aerated Fenton oxidation in a 2L semi-batch reactor. pH value, aeration time, FeSO4/H2O2 ratio were selected as independent variables for optimization. According to RSM optimization, optimum values were found at pH=3.45 for %Phenol removal and at pH 5 for %COD removal. Based on the experimental design data, the proposed machine learning techniques were used the modeling of the real system. As a result, the best model was obtained with ANN for %COD removal (R2=98.44%) and SVM for %Phenol removal (R2=90.31%). The most important variables were found to be pH for phenol removal and aeration time for COD removal. In the third stage of the study, since pH is the critical factor affecting coagulation during the treatment experiment of OMWW, deep learning dynamic matrix control (DLDMC) was performed under optimum conditions for pH control. According to the results of the new proposed controller, 75.88% phenol removal was achieved at pH=3.45 and 9% COD removal was achieved at pH=5.
Benzer Tezler
- Zeytinyağı fabrikası atığının swiss albino (mus musculus) fareler üzerine biyolojik etkileri
Başlık çevirisi yok
ESİN ULUBABA
- Zeytin katı atığının fasulye ve ayçiçeği bitkilerinin gelişimi üzerine etkilerinin saptanması
Determination of the effects of olive oil solid waste on bean and sunflower plants? growth
REMZİ İLAY
Yüksek Lisans
Türkçe
2009
ZiraatÇanakkale Onsekiz Mart ÜniversitesiToprak Ana Bilim Dalı
DOÇ. DR. YASEMİN KAVDIR
YRD. DOÇ. DR. ALİ SÜMER
- Muğla'nın Karya bölgesi sınırları içindeki yörelerde eski çağlarda ve günümüzde zeytinyağı üretiminin ekonomik ve sosyo-kültürel boyutu ile incelenmesi
The research of olive oil production in classical antiquity and today within the borders of Caria region of Muğla in terms of its socio-cultural and economical aspects
GÜLSÜM OYBAK
- Piyasada satışa sunulan etlik piliç yemlerinin besin kalitesi üzerine bazı rhizopus türlerinin etkinliğinin araştırılması
Investigation of the efficacy of some rhizopus species on the nutritional quality of market broiler feed
AHMED ADEL ABDELFATAH HAMZA