Atıksu arıtma tesislerinde anaerobik reaktörlerde üretilen biyogaz miktarını tahminleme modellerinin karşılaştırılması
Comparison of prediction models for biogas production in anaerobic reactors of wastewater treatment plants
- Tez No: 995340
- Danışmanlar: PROF. DR. NİHAN ÇETİN DEMİREL
- Tez Türü: Yüksek Lisans
- Konular: Çevre Mühendisliği, Biyomühendislik, Endüstri ve Endüstri Mühendisliği, Environmental Engineering, Bioengineering, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mühendislik Yönetimi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, endüstriyel atıksu arıtma süreçlerinde enerji geri kazanımı ve proses optimizasyonuna yönelik veri temelli bir modelleme yaklaşımı geliştirmeyi amaçlamıştır. Araştırma, Türkiye'de faaliyet gösteren bir anaerobik reaktör sisteminden elde edilen yaklaşık 1.5 yıllık proses verilerinin analizine dayanmaktadır. İlk aşamada, veri setindeki eksikliklerin güvenilir biçimde giderilmesi için Analitik Hiyerarşi Prosesi (AHP) yöntemiyle proses parametrelerinin göreli önemleri belirlenmiştir. KOİ (0.503) en yüksek öneme sahip parametre olarak saptanmış; Debi (0.260) ve AKM (0.134) onu izlemiştir. Elde edilen ağırlıklar kullanılarak geliştirilen AHP-tabanlı hibrit imputasyon modeli, özellikle KOİ değişkenindeki eksiklikleri fiziksel ve istatistiksel açıdan tutarlı biçimde tamamlamış ve sonraki modelleme aşamasının güvenilirliğini artırmıştır. Eksik veriler giderildikten sonra, buhar üretimi (m³/gün) tahmini için üç model karşılaştırılmıştır: Doğrusal Regresyon, Random Forest ve Gradient Boosting. Modeller aynı veri kümesi üzerinde eğitilmiş; performansları R², MAE ve RMSE metrikleriyle değerlendirilmiştir. Güncel sonuçlar, Gradient Boosting modelinin en yüksek açıklama gücüne sahip olduğunu göstermektedir (R² = 0.221, MAE ≈ 4.28, RMSE ≈ 5.76). Random Forest modeli benzer hata seviyeleriyle ikinci sırada yer almış (R² ≈ 0.182), Doğrusal Regresyon modeli ise daha düşük açıklama gücüne sahip olmakla birlikte en düşük MAE değerlerinden birini üretmiştir (R² ≈ 0.159, MAE ≈ 4.03, RMSE ≈ 5.98). Bu sonuçlar, veri setinin sınırlı boyutu ve değişken çeşitliliği nedeniyle ilişkilerin yalnızca kısmi olarak açıklanabildiğini ortaya koymaktadır. Modellerin açıklama güçlerinin %20 seviyesinde kalması, buhar üretimini etkileyen dışsal ve operasyonel parametrelerin (reaktör sıcaklığı, kazan basıncı, besi içeriği, duruş-arıza günleri, mevsimsel etkiler vb.) veri setine dahil edilmemesinden kaynaklanmaktadır. Bununla birlikte, çalışma KOİ ve Debi değişkenlerinin buhar üretimi üzerinde belirleyici etkiye sahip olduğunu nicel biçimde göstermiş; süreç dinamiklerinin mühendislik açısından anlamlı bir çerçevesini sunmuştur. Elde edilen bulgular, model doğruluğundan çok süreç içgörüsü sağlaması açısından değerlidir. Modeller; trend analizi, performans izleme, ani dalgalanmaların tespiti ve erken uyarı mekanizmaları gibi operasyonel karar süreçlerinde fayda sağlayabilecek yapıda sonuçlar üretmiştir. Bu yönüyle çalışma, veri kalitesi sınırlı ortamlarda dahi uygulanabilir, düşük maliyetli bir karar destek yaklaşımı önermektedir. Sonuç olarak bu tez, veri analitiği ile biyolojik proses mühendisliğini birleştiren açıklanabilir ve hesap verebilir bir modelleme yaklaşımı ortaya koymuştur. Model sonuçları mutlak tahmin doğruluğu açısından sınırlı olmakla birlikte, tesis yönetimi için yön gösterici nitelikte olup sürekli iyileştirme kültürünü destekleyen bir araç sağlamaktadır. Çalışma, gerçek saha koşullarına dayalı özgün bir uygulama örneği sunmakta ve endüstriyel tesislerde veri analitiği tabanlı karar destek sistemlerine geçiş için pratik bir temel oluşturmaktadır.
Özet (Çeviri)
This study aims to develop a data-driven modeling approach for energy recovery and process optimization in industrial wastewater treatment systems. The analysis is based on approximately 1.5 years of operational data obtained from an anaerobic reactor operated in Türkiye. In the first stage, missing values in the dataset were addressed using the Analytic Hierarchy Process (AHP), which was employed to determine the relative importance of key process parameters. Among the selected variables, COD (0.503) was identified as the most influential parameter, followed by Flow Rate (0.260) and TSS (0.134). Using these weights, an AHP-based hybrid imputational model was developed to fill missing COD values in a physically and statistically consistent manner, thereby improving the reliability of the subsequent modeling stages. After completing the missing-value imputation, three regression models were evaluated for predicting daily steam generation (m³/day): Linear Regression, Random Forest, and Gradient Boosting. All models were trained on the same dataset, and their performances were assessed using the R², MAE, and RMSE metrics. Updated results indicate that the Gradient Boosting model achieved the highest explanatory power (R² = 0.221, MAE ≈ 4.28,RMSE ≈ 5.76). The Random Forest model ranked second (R² ≈ 0.182), while Linear Regression—despite having a lower R² value—produced one of the lowest MAE values (R² ≈ 0.159, MAE ≈ 4.03, RMSE ≈ 5.98). These findings show that the current variable set explains only a limited portion of the variation in steam production, mainly due to the constrained dataset size and lack of operational diversity. The relatively low explanatory power (around 20%) suggests that steam production is significantly influenced by external and operational variables that were not included in the dataset (e.g., reactor temperature, boiler pressure, feed composition, downtime or maintenance events, and seasonal factors). Nevertheless, the study quantitatively demonstrates that COD and Flow Rate are key drivers of steam production and provides a meaningful engineering interpretation of the underlying process dynamics. The outcomes of this work serve primarily as a source of process insight rather than absolute prediction accuracy. The models provide useful signals for trend monitoring, performance tracking, detection of abnormal fluctuations, and early warning mechanisms. Thus, the study proposes a low-cost and practical decision-support approach that remains applicable even in data-limited industrial environments. In conclusion, this thesis integrates data analytics with biological process engineering and presents a transparent, explainable, and reproducible modeling framework. While the prediction accuracy of the models remains limited, the approach offers managerial value and supports continuous improvement within industrial operations. Overall, the study provides a real-world application example and establishes a practical foundation for adopting data-driven decision-support systems in industrial wastewater treatment facilities.
Benzer Tezler
- Atıksu arıtma tesislerinde enerji verimliliğinin incelenmesi
Energy efficiency in wastewater treatment plants
ZEHRA AYNUR
Yüksek Lisans
Türkçe
2014
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. İZZET ÖZTÜRK
- Tekstil endüstrisi atıksularının arıtımı amacıyla farklı çamur yaşlarında işletilen aerobik membran biyoreaktörde oluşan atık çamurun anaerobik çürütülmesi ile biyogaz üretimi
Biogas production by anaerobic digestion of waste sludge produced in an aerobic membrane bioreactor operated at different sludge retention times for the treatment of textile industry wastewater
EBRU GÖCEN
Yüksek Lisans
Türkçe
2023
Çevre Mühendisliğiİstanbul Medeniyet ÜniversitesiÇevre ve Enerji Sistemleri Mühendisliği Ana Bilim Dalı (disiplinlerarası)
PROF. DR. ERKAN ŞAHİNKAYA
- Treatability of aircraft deicing fluids (ADFs) by high-rate anaerobic systems: An investigation on biogas potential and energy recovery
Havalimanlarında ortaya çıkan buz çözücü sıvıların yüksek-hızlı anaerobik sistemlerde arıtılabilirliği: Biyogaz potansiyeli ve enerji geri kazanımının araştırılması
GİZEM ENGİZ
Yüksek Lisans
İngilizce
2018
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÇİĞDEM GÖMEÇ
- Biogas recovery during anaerobic treatment of lignocellulose-rich pollutants with high sulphate content: an investigation via innovative applications
Yüksek sülfat içerikli lignoselüloz bakımından zengin kirleticilerin havasız arıtımı sırasında biyogaz geri kazanımı: yenilikçi uygulamalarla bir araştırma
EDA YARSUR
Yüksek Lisans
İngilizce
2021
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. ÇİĞDEM GÖMEÇ
- Effect of microwave pretreatment on fate of antimicrobials and conventional pollutants during anaerobic sludge digestion and biosolids quality for land application
Anaerobik çamur çürütme prosesinde uygulanan mikrodalga dezentegrasyon işleminin antimikrobiyallerin ve konvansiyonel kirleticilerin akıbetine ve arazi uygulaması için biyokatı kalitesine etkisi
GÖKÇE KOR BIÇAKCI
Doktora
İngilizce
2018
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. EMİNE ÇOKGÖR