Machine learning analysis of biogas production using waste as a resource
Atıktan biyogaz üretiminin yapay öğrenme ile analizi
- Tez No: 966298
- Danışmanlar: PROF. DR. RAMAZAN YILDIRIM
- Tez Türü: Yüksek Lisans
- Konular: Kimya Mühendisliği, Chemical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 96
Özet
Bu çalışma, atık malzemelerden biyogaz üretimini incelemek için makine öğrenimi tekniklerini kullanmayı amaçlamaktadır. Amacımız, biyogaz üretimine ilişkin deneysel verileri kullanarak biyogaz verimi, üretilen biyogaz, CH4 verimi ve biyoçözünürlük dahil olmak üzere önemli çıktı özelliklerini tahmin etmektir. Atık türü, ön işlem, eş sindirim (codigestion) durumu, reaktör tipi ve operasyonel parametreler (TS/VS oranı, C/N oranı, sıcaklık, pH ve hidrolik tutma süresi gibi) bu çalışmada dikkate alınan girdi özellikleri arasındadır. Veri seti, atık su, gıda atığı, tarımsal atık, belediye katı atığı (BKA) ve belediye katı atığın organik fraksiyonu (KKA) dahil olmak üzere bir dizi atık türünü kapsayan çeşitli çalışmalardan toplanan deneysel verileri içermektedir. Bu girdiler, çıktı değişkenlerini tahmin etmek için Random Forest (RF) gibi makine öğrenimi modellerini eğitmek için kullanılmıştır. Model eğitimi öncesinde, veri seti özellik seçimi ve eksik değer işlemi gibi ön işleme teknikleri kullanılarak temizlenip ve düzenlenmiştir. Giriş parametrelerine karar vermek için Boruta analizi de yapılmıştır. Veriler, özellikle üretilen biyogaz (R2 = 0,92) ve verim (R2 = 0,94) için yüksek tahmin performansı göstermiştir. Özellik önem analizine göre, özellikle çalışma hacmi ve sıcaklık olmak üzere operasyonel parametreler üretim projeksiyonları üzerinde önemli bir etkiye sahiptir. Bu çalışma, gelecekteki atıktan enerji üretim sistemleri için önemli içgörüler sağlamaktadır ve makine öğreniminin biyogaz üretim süreçlerini iyileştirmek için nasıl kullanılabileceğini göstermektedir. Model hassasiyetini artırmak için, gelecekteki araştırmalar daha fazla girdi ve çıktı parametresi eklemeye yoğunlaşabilir. Ayrıca performansı iyileştirmek için diğer makine öğrenimi yaklaşımlarının kullanımına da başvurulabilir.
Özet (Çeviri)
This study aims to use machine learning techniques to examine the production of biogas from waste materials. Our goal is to forecast important output characteristics including biogas yield, biogas generated, CH4 yield, and biodegradability using experimental data on biogas production. Waste type, pre-treatment, co-digestion status, reactor type, and operational parameters (such as TS/VS ratio, C/N ratio, temperature, pH, and hydraulic retention length) are among the input features that are taken into account in this study. The dataset includes experimental data gathered from several studies that cover a range of waste types, including wastewater, food waste, agricultural waste, municipal solid waste (MSW), and organic fraction of municipal solid waste (OFMSW). These inputs are utilized for training machine learning models, such as Random Forest (RF), to predict output variables. Prior to model training, the dataset was cleaned and organized using preprocessing techniques such feature selection, and missing value treatment. Boruta analysis was also performed to decide on input parameters. High predictive performance was demonstrated by the data, especially for biogas generated (R2 = 0.92) and yield (R2 = 0.94). Operational parameters, particularly working volume and temperature, have a considerable impact on production projections, according to feature importance analysis. This study provides important insights for upcoming waste-to-energy systems and shows how machine learning may be used to improve biogas production processes. In order to increase model precision, future research can concentrate on adding more input and output parameters. It can also investigate the use of additional machine learning approaches to improve performance.
Benzer Tezler
- Gerçek işletme verilerine dayalı makine öğrenmesi yöntemleri ile anaerobik metan üretiminin tahmini ve simülasyon analizi
Prediction and simulation analysis of anaerobic methane production using machine learning methods based on real operational
ALİCAN YAĞIN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiAfyon Kocatepe ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YÜKSEL OĞUZ
- Makine öğrenmesi algoritmaları kullanarak atık sudan elektrik enerjisi tahmini
Prediction of electrical energy from wastewater using machine learning algorithms
EKREM YÜCE
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKahramanmaraş Sütçü İmam ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER KEREM
- Estimation of energy production in biogas plants
Biyogaz tesislerinde enerji üretiminin tahmini
ŞEVVAL AYŞE YURTEKİN
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiKadir Has ÜniversitesiMühendislik ve Doğa Bilimleri Ana Bilim Dalı
DOÇ. DR. ATİLLA ÖZMEN
DR. BARAN TANDER
- Machine learning analysis of biofuels using published data
Yayınlanmış veriler ile biyoyakıtların makine öğrenimi analizi
AHMET COŞGUN
Doktora
İngilizce
2024
Kimya MühendisliğiBoğaziçi ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. RAMAZAN YILDIRIM
- Biyogaz tesislerinde verimliliğin arttırılması için makine öğrenmesi destekli model geliştirilmesi
Developing a machine learning supported model for increasing efficiency in biogas plants
ÖZNUR YILDIRIM
Doktora
Türkçe
2023
BiyoteknolojiYıldız Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. BESTAMİ ÖZKAYA