XRF tabanlı nikel laterit sınıflandırması için makine öğrenmesi modellerinin geliştirilmesi ve analitik uygulamanın tasarlanması
Development of machine learning models and design of an analytical application for XRF-based nickel laterite classification
- Tez No: 960695
- Danışmanlar: DR. ÖĞR. ÜYESİ MURAT ÖZEN
- Tez Türü: Yüksek Lisans
- Konular: Kimya, Chemistry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Bursa Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Kimya Ana Bilim Dalı
- Bilim Dalı: Anorganik Kimya Bilim Dalı
- Sayfa Sayısı: 105
Özet
Nikel, özellikle paslanmaz çelik sektörü ve net sıfır emisyon politikaları kapsamındaki batarya geliştirme çalışmalarıyla küresel talebi sürekli artan kritik bir metaldir. Dünyanın ana nikel kaynağı olan nikel laterit yatakları, tropikal iklimlerde ultramafik kayaçların yoğun ayrışmasıyla oluşur. Bu yatakların dikey profilinde yer alan Fe bakımından zengin limonitik zon ile Mg ve Si açısından zengin saprolitik zon arasında yapılan doğru sınıflandırma, verimli işleme rotalarının belirlenmesi açısından hayati öneme sahiptir. Bu araştırma, Dalga Boyu Dağılımlı X-Işını Floresans (WDXRF) analizinden elde edilen kimyasal bileşim verilerini kullanarak nikel laterit cevherlerinin otomatik ve nesnel bir şekilde sınıflandırılması için makine öğrenmesi tabanlı bir metodoloji geliştirmeyi ve doğrulamayı amaçlamaktadır. Araştırmanın metodolojisi, 524 laterit örneğinden oluşan bir veri setini kullanmaktadır. Veri seti üzerinde yapılan tanımlayıcı istatistiksel analiz, ortalama %1,16 Ni, %32,11 Fe ve %4,15 Mg konsantrasyonları ile laterit yatağının heterojen kimyasal yapısını ortaya koymuştur. Korelasyon ısı haritası, Fe ile Cr arasında çok güçlü pozitif (r = 0,94) ve Mg ile Fe arasında çok güçlü negatif (r = -0,95) ilişkiler gibi karmaşık element etkileşimlerini göstermiş, bu da çok değişkenli analizlerin gerekliliğini vurgulamıştır. Veriler, denetimsiz K-means ve dört denetimli sınıflandırma modeli - Rassal Ormanlar (RF), Gradyan Artırma Sınıflandırıcısı (GBC), Destek Vektör Makineleri (SVM) ve Çok Katmanlı Algılayıcı (MLP) - ile analiz edilmiştir. Araştırmanın sonuçları, optimum küme sayısının belirlenmesinde kullanılan Elbow yönteminin K=3 noktasında belirgin bir dirsek oluşturduğunu ve bu bulgunun Silhouette skorunun pratik yorumuyla da desteklenerek jeokimyasal olarak tutarlı üç kümenin varlığını doğruladığını göstermiştir: Bu üç küme limonit, saprolit ve geçiş zonu olarak tanımlanmıştır. Denetimli modellerin değerlendirilmesinde, topluluk tabanlı yöntemler olan RF ve GBC, %100'lük kusursuz bir doğruluk, kesinlik ve F1-skoru ile mutlak bir üstünlük sergilemiştir. SVM ve MLP modelleri de sırasıyla %96 ve %94'lük çok iyi performans göstermesine rağmen, jeokimyasal olarak birbirine yakın sınıfları ayırt etmede küçük hatalar vermiştir. Tüm modellerde nikel içeriğinin en belirleyici özellik olarak öne çıkması, makine öğrenmesi sürecinin jeolojik geçerliliğini doğrulamıştır. Araştırmanın zirve noktası olarak, performansı kanıtlanan RF modeli, fonksiyonel bir web uygulamasına başarıyla entegre edilmiştir. Bu çalışma, makine öğrenmesinin, karmaşık cevher sınıflandırma sürecini hızlı, nesnel ve otomatik bir prosedüre dönüştürmek için güvenilir bir çözüm sunduğunu kanıtlamaktadır ve böylece madencilik endüstrisinde kaynak değerlendirmesinin verimliliğini artırmak için büyük bir potansiyele sahip pratik bir prototip ortaya koymaktadır.
Özet (Çeviri)
Nickel is a crucial metal with continuously increasing global demand, primarily driven by the stainless-steel sector and battery development for net-zero emission policies. Nickel laterite deposits, formed from the intensive weathering of ultramafic rocks in tropical climates, are the world's main source of nickel. Accurate classification between the Fe-rich limonitic zone, and Mg- and Si-rich saprolitic zone within these vertical profiles is vital for determining efficient processing routes, such as High-Pressure Acid Leaching (HPAL) for limonite or pyrometallurgy for saprolite. This research aims to develop and validate a machine learning-based methodology for the automatic and objective classification of nickel laterite ores using chemical composition data from Wavelength Dispersive X-Ray Fluorescence (WDXRF) analyses. The research methodology utilized a dataset of 524 laterite samples. Descriptive statistical analysis of the dataset revealed the heterogeneous chemical structure of the deposit, with average concentrations of 1.16% Ni, 32.11% Fe, and 4.15% Mg. Correlation heatmap analysis further indicated complex inter-element interactions, such as a very strong positive correlation between Fe and Cr (r = 0.94) and a very strong negative correlation between Mg and Fe (r = -0.95), confirming the necessity of a multivariate analysis approach. The data were analyzed using the unsupervised K-means algorithm and four supervised classification models: Random Forest (RF), Gradient Boosting Classifier (GBC), Support Vector Machine (SVM), and Multi-Layer Perceptron (MLP). The results show that the Elbow method, used to determine the optimal number of clusters, clearly formed an 'elbow' at K=3. This finding, supported by the practical interpretation of the Silhouette score, confirmed the existence of three geochemically consistent clusters: the limonite, saprolite, and transition zone profiles. In the evaluation of supervised models, the ensemble methods (RF and GBC) demonstrated absolute superiority by achieving a perfect 100% accuracy, precision, and F1-score. The SVM and MLP models also performed very well, with accuracies of 96% and 94%, respectively, but showed minor errors in distinguishing between adjacent classes. Feature importance analysis consistently highlighted nickel content (%Ni) as the most dominant predictor across all models, confirming the geological validity of the machine learning process. As the culmination of the research, the top-performing RF model was successfully implemented into a functional web application. This study proves that machine learning offers a reliable solution to transform the complex ore classification process into a rapid, objective, and automated procedure, thus presenting a practical prototype with significant potential to enhance efficiency in the mining industry.
Benzer Tezler
- Krom nikel içeren demirli alaşımların metalotermik yöntemle üretiminde tufal kullanımının etkisi
Production of fe-based alloys by metallothermic reduction of mill scales from continuous casting processes
MEHMET BUĞDAYCI
Yüksek Lisans
Türkçe
2014
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. ONURALP YÜCEL
- Kendiliğinden ilerleyen yüksek sıcaklık sentezi yöntemi ile nikel esaslı yeni ve özel alaşımların üretimi ve geliştirilmesi
Investigations of nickel based alloys production and development via self propagating high temperature synthesis method
ŞERİFE ÖZLEM ALTINORDU
Yüksek Lisans
Türkçe
2012
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEVAT BORA DERİN
- Statistical challenges in paleoclimatology: independent component analysis of lake hazar and Lake Van data, and a bayesian test for 4.2 ka bp event
Paleoiklim çalışmalarında istatistiksel uygulamalar: Hazar ve Van Gölü verilerinde bağımsız bileşen analizi, ve gö 4.2 ka olayına bayesçi bir test
ZEKİ BORA ÖN
Doktora
İngilizce
2018
Coğrafyaİstanbul Teknik ÜniversitesiYer Sistem Bilimi Ana Bilim Dalı
DOÇ. DR. MEHMET SİNAN ÖZEREN
- Sulardaki bazı ağır metallerin XRF spektroskopisi ile tayini için MOF katkılı katı faz ekstraksiyon membranlarının hazırlanması
Preparation of MOF-dopped solid phase extraction membranes for the determination of some heavy metals in water by XRF spectroscopy
FUAT ASLAN
- Termal santrallerden elde edilen uçucu kül tabanlı nanopartiküllerin türlerinin belirlenmesi, yapısal karakterizasyonu ve termoplastik nanokompozit dolgu malzemesi olarak kullanım potansiyellerinin araştırılması
Isolation and identification of oxide nanoparticles in fly ashes from Turkish thermal power plants and investigation of their potentials as fillers in polymeric nanocomposites
KAAN BİTİRİM
Yüksek Lisans
Türkçe
2019
Mühendislik BilimleriTOBB Ekonomi ve Teknoloji ÜniversitesiMikro ve Nanoteknoloji Ana Bilim Dalı
DOÇ. DR. HATİCE DURAN DURMUŞ