Hidroksil ve sülfat radikali bazli fotokimyasal oksidasyonla metformin gideriminin optimizasyonu ve makine öğrenmesiyle modellenmesi
Optimization of metformin removal by hydroxyl and sulfate radical based photochemical oxidation and modelling using machine learning
- Tez No: 983712
- Danışmanlar: PROF. DR. GAMZE VARANK
- Tez Türü: Doktora
- Konular: Çevre Mühendisliği, Environmental Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Çevre Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Çevre Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Mevcut tez çalışması kapsamında, sulu çözeltiden metformin gideriminde fotokimyasal ileri oksidasyon proseslerinin performansı araştırılmıştır. Fotokimyasal oksidasyon için UVC lambalar kullanılmış, oksidant olarak hidrojen peroksit (HP), peroksidisülfat (PS), peroksimonosülfat (PMS), perkarbonat (PC) ve perasetik asit (PAA) uygulanmıştır. Belirli şartlar altında kontrol deneyleri zamana bağlı olarak gerçekleştirilmiş, birinci derece kinetik model çalışmaları yapılarak proseslerin reaksiyon hız sabitleri hesaplanmıştır. Metformin giderim verimi üzerine işletme parametrelerinin (giriş pH değeri, oksidant dozu, ba metformin konsantrasyonu) etkisi belirlenmiş ve maksimum giderim veriminin elde edildiği optimum koşullar tespit edilmiştir. Optimum koşullarda UV bazlı prosesler üzerinde inorganik anyon etkisi araştırılmıştır. Ayrıca, optimum şartlarda radikal kısıtlayıcı deneyler yürütülerek kullanılan oksidant türüne bağlı olarak baskın radikal türler tanımlanmıştır. Proseslerin sinerjistik etkisi ve enerji maliyetleri de hesaplanmıştır. Deneysel çalışmaların yanı sıra, proses performansının öngörülmesi amacıyla makine öğrenmesi yöntemleri kullanılmıştır. Rastgele Orman, Yapay Sinir Ağları, Aşırı Gradyan Artırma, Destek Vektör Makineleri modelleri geliştirilmiştir. Modellerin performansı karşılaştırılmış, özellikle Aşırı Gradyan Artırma algoritmalarının metformin giderim verimlerini yüksek doğrulukla tahmin ettiği belirlenmiştir. Elde edilen sonuçlar, UV bazlı ileri oksidasyon prosesler'in metformin gideriminde metformin gideriminde etkin sonuçlar sağladığını ve makine öğrenmesi modellerinin ise deneysel verilerin değerlendirilmesi ve proses parametrelerinin tahmini için güçlü bir araç olduğunu göstermiştir. Çalışma, farmasötiklerin giderimi için hem deneysel hem de yapay zeka bazlı yaklaşımların birlikte kullanılabileceğini ortaya koymaktadır.
Özet (Çeviri)
Within the scope of this thesis, the performance of photochemical advanced oxidation processes for the removal of metformin from aqueous solution was investigated. UVC lamps were used as the light source, and hydrogen peroxide (HP), persulfate (PS), peroxymonosulfate (PMS), percarbonate (PC), and peracetic acid (PAA) were applied as oxidants. Control experiments were carried out under specific conditions as a function of time, and first-order kinetic model studies were performed to calculate the reaction rate constants of the processes. The effects of operating parameters (initial pH, oxidant dose, and initial metformin concentration) on metformin removal efficiency were determined, and the optimum conditions providing the maximum removal efficiency were identified. Under optimum conditions, the effects of inorganic anions on UV-based processes were also examined. In addition, radical scavenging experiments were conducted under optimum conditions to identify the dominant radical species depending on the type of oxidant used. The synergistic effects of the processes and their energy costs were also evaluated. In addition to experimental studies, machine learning methods were employed to predict process performance. Random Forest, Extreme Gradient Boosting , Support Vector Machines, and Artificial Neural Networks models were developed. The comparison of models indicated that especially Extreme Gradient Boosting achieved high accuracy in predicting metformin removal efficiencies. The results demonstrated that UV-based advanced oxidation processes provided effective removal for metformin, while machine learning models serve as a powerful tool for interpreting experimental data and predicting process parameters. This study highlights the potential of integrating experimental and artificial intelligence-based approaches for the removal of pharmaceuticals.
Benzer Tezler
- Endokrin bozucu dimetil fitalatın sülfat radikali bazlı fotokimyasal ileri oksidasyon prosesleri ile gideriminin araştırılması
Investigation of removal of endocrine distruptor dimethyl phthalate by sulphate radical based advanced oxidation processes
CEREN İMREN
Yüksek Lisans
Türkçe
2011
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUĞBA ÖLMEZ HANCI
- Applicability of sulfate radical based advanced oxidation processes for drinking water treatment
Sülfat radikali bazlı ileri oksidasyon proseslerinin içme suyu arıtımında uygulanabilirliği
NERGİS DİLSİZOĞLU
Yüksek Lisans
İngilizce
2022
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. TUĞBA ÖLMEZ HANCI
- Bisfenol A'nın fotokimyasal ileri oksidasyon prosesleri ile arıtımında toksisite ve östrojenik aktivite değişimleri
Toxicity and estrogenic activity changes during treatment of bisphenol A by photochemical advanced oxidation processes
DUYGU DURSUN
Yüksek Lisans
Türkçe
2014
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Bilimleri Ana Bilim Dalı
DOÇ. DR. TUĞBA ÖLMEZ HANCI
- Antibiyotiklerin fotokimyasal ileri oksidasyon prosesleri ile giderimi
Removal of antibiotics by photochemical advanced oxidation processes
HANDE GÜLCAN
Yüksek Lisans
Türkçe
2019
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. TUĞBA ÖLMEZ HANCI
- Assessment of persulfate (PS)/UV-C process for drinking water treatment
İçme suyu artımı persülfat (PS)/UV-C prosesinin değerlendirilmesi
SHAHIN SHAHKAR
Yüksek Lisans
İngilizce
2023
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. TUĞBA ÖLMEZ HANCI