Sıvı organik hidrojen taşıyıcısı formik asitten katalitik hidrojen üretiminin makine öğrenmesi yöntemleriyle tahmini
Prediction of catalytic hydrogen production from liquid organic hydrogen carrier formic acid using machine learning methods
- Tez No: 961017
- Danışmanlar: PROF. DR. AYSEL KANTÜRK FİGEN, PROF. DR. FATMA NOYAN TEKELİ
- Tez Türü: Yüksek Lisans
- Konular: Kimya Mühendisliği, Chemical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
Formik asitten katalitik hidrojen üretimi, formik asidin heterojen veya homojen katalizör varlığında 1 mol hidrojen ve 2 mol karbondioksite ayrışmasıyla gerçekleşir. Formik asit, hidrojen taşıma ve depolama kapasitesinin yüksek olması sebebiyle sıvı organik hidrojen taşıyıcısıdır. Bu çalışmada; formik asitten katalitik hidrojen üretimiyle ilgili 113 makaledeki 847 farklı deneyden toplanan homojen ve heterojen katalizörlere ait 8458 veri noktasını içeren ayrıntılı bir veri seti, makine öğrenmesi yöntemleri kullanılarak analiz edildi. Analiz sürecinde katalizör türü, katalizör aktif faz, katalizör destek malzemesi, katkı maddesi, çözücü, sıcaklık (K), basınç (bar), zaman (h) olmak üzere sekiz temel tanımlayıcı giriş verileri kabul edilirken, TOF (h-1) hedef değerdir ve formik asitten katalitik hidrojen üretimi tahmin edilecektir. Random Forest (RF), Extreme Gradient Boosting (XGBoost), Categorical Boosting (CatBoost) ve Gradient Boosting Regressor (GBR) çalışmada kullanılan dört farklı gelişmiş makine öğrenmesi algoritmalarıdır. Sonuç olarak formik asitten hidrojen üretimi için en uygun tahmin modeli olarak belirlenen RF modelinin eğitim ve test ortalama karekök hatası (RMSE) sırasıyla 12,54 ve 19,99 olup R2 eğitim için 0,99 iken test için 0,98'dir. Ek olarak sonuçlar, model geliştirme sürecinde formik asitten katalitik hidrojen üretiminde kullanılan katalizörlerin birim zamanda bir aktif merkez başına kaç mol hidrojen üretebildiğini etkileyen en önemli özelliğin katalizör aktif fazı olduğunu ortaya koymaktadır. Modelin başarısı istatistiksel metriklerle değerlendirilmiş, dış verilerle doğrulama yapılmıştır. Elde edilen model, optimum üretim koşullarını tahmin edebilecek düzeydedir. Önerilen modelin, endüstriyel uygulamalarda ve akademik araştırmalarda formik asitten verimli hidrojen üretimini sağlamak için kullanılması amaçlanmaktadır.
Özet (Çeviri)
Catalytic hydrogen production from formic acid occurs by the decomposition of formic acid into 1 mole of hydrogen and 2 moles of carbon dioxide in the presence of a heterogeneous or homogeneous catalyst. Formic acid is a liquid organic hydrogen carrier due to its high hydrogen transport and storage capacity. In this study, a detailed dataset consisting of 8458 data points from 847 different experiments on homogeneous and heterogeneous catalysts in 113 articles on catalytic hydrogen production from formic acid was analyzed using machine learning methods. In the analysis process, eight basic descriptive input data are accepted as catalyst type, catalyst active phase, catalyst support material, additive, solvent, temperature (K), pressure (bar), time (h), while TOF (h-1) is the target value and catalytic hydrogen production from formic acid will be estimated. Random Forest (RF), Extreme Gradient Boosting (XGBoost), Categorical Boosting (CatBoost) and Gradient Boosting Regressor (GBR) are four different advanced machine learning algorithms used in the study. As a result, the RF model, which was determined as the most suitable prediction model for hydrogen production from formic acid, has training and test root mean square error (RMSE) of 12.54 and 19.99, respectively, and R2 is 0.99 for training and 0.98 for testing. In addition, the results reveal that the most important feature affecting how many moles of hydrogen can be produced per active center per unit time of the catalysts used in catalytic hydrogen production from formic acid in the model development process is the catalyst active phase. The success of the model was evaluated with statistical metrics and validation was done with external data. The obtained model is at a level that can predict the optimum production conditions. The proposed model is intended to be used to provide efficient hydrogen production from formic acid in industrial applications and academic research.
Benzer Tezler
- Comprehensıve analysıs of vıtamın D3 adsorptıon and monıtorıng usıng QCM wıth hydrophobıc algınate-halloysıte nanoclay composıte bılayers
Hidrofobik aljinat-halloysit nanokil kompozitleri QCM kullanılarak D3 vitamini adsorpsiyonu ve izlenmesinin kapsamlı analizi
MERVENUR KİRAZOĞLU
Yüksek Lisans
İngilizce
2024
Biyomühendislikİstanbul Teknik ÜniversitesiNanobilim ve Nanomühendislik Ana Bilim Dalı
DOÇ. DR. BİRGÜL BENLİ
- Crystal structure prediction and ammonia dynamics in strontium ammine complex
Stronsiyum amin kompleksinin kristal yapı tahmini ve amonyak dinamiğinin analizi
MEHMET ÇANKAYA
Yüksek Lisans
İngilizce
2016
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DOÇ. DR. ADEM TEKİN
- Crystal structure prediction and ammonia dynamics in calcium ammine
Kalsiyum aminin kristal yapı tahmini ve amonyak dinamiğinin incelenmesi
SENCER BÜYÜKYEĞEN
Yüksek Lisans
İngilizce
2017
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. ADEM TEKİN
- Nanoparçaçık temelli hidrojen üretimi
Hydrogen production based on nanoparticles
EMRE ASLAN
Yüksek Lisans
Türkçe
2014
EnerjiSelçuk ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA ERSÖZ
DOÇ. DR. İMREN HATAY PATIR
- Determination of organic and inorganic tin compounds by molecular emission cavity analysis
Başlık çevirisi yok
ÜMİT AY