Knowledge extraction for the steam reforming of methane from the published papers in the literature using data mining techniques
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye
Tezin Onay Tarihi: 2015
Tezin Dili: İngilizce
Öğrenci: MELTEM BAYSAL
Danışman: RAMAZAN YILDIRIM
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bu tezin amacı metan buhar reformu ile ilgili bilgi çıkarımı yapmak ve literatürden elde edilmiş verileri temsilen modeller oluşturmaktır. Deneysel veriler literatürde yayınlanmış makalelerden toplanmıştır. Metan dönüşümü, MATLAB'de yazılan bilgisayar kodlarınca oluşturulmuş karar ağacı sınıflandırması ve yapay sinir ağları kullanılarak çeşitli katalizör hazırlama ve operasyonel değişkenlerine bağlı bir fonksiyon gibi modellenmiştir. Metan dönüşümü için karar ağacı analizleri tüm verilere, Ni, Ru ve Rh metali tabanlı katalizörlere, emdirme yöntemli ve dolgulu reaktörlü verilere ayrı ayrı uygulanmıştır. Tüm verilerin analizi %20.83 eğitici hata yüzdesi ve %22.91 test hata yüzdesi ile sonuçlanmıştır. Ni metal tabanlı veriler için %21.41 eğitici hata yüzdesi ve %24.52 test hata yüzdesi elde edilmiştir. Rh metal tabanlı veriler için eğitici hata yüzdesi ve test hata yüzdesi %6.68 ve %8.93 bulunmuştur. Ru metal tabanlı veriler için %8.03 eğitici hata yüzdesi ve %14.77 test hata yüzdesi hesaplanmıştır. Emdirme yöntemli verilerin eğitici hata yüzdesi ve test hata yüzdesi %11.47 ve %14.5'tir. Dolgulu reaktör verilerinin eğitici hata yüzdesi ve test hata yüzdesi %20.01 ve %21.78'dir. Sinir ağı analizi de gerçekleştirilmiştir ve en uygun sinir ağı topolojisi, eğitici analizde "trainlm" ve test analizinde "trainbr" fonksiyonunun kullanıldığı, 59-16-16-1 (59 giren nöron, ilk ve ikinci saklı katmanın her birinde 16 nöron ve 1 sonuç; her katman için aktivasyon fonksiyonu hiperbolik tanjant sigmoid fonksiyonu) olarak bulunmuştur. Eğitici sinir ağı modelinin R2 ve RMSE değerleri 0.97 ve 6.03 bulunurken test sinir ağı modelininki 0.93 ve 8.78 çıkmıştır. Girenlerin önem analizi sonucunda, giriş değişkenleri arasında metal türü metan dönüşümü üzerinde en önemli etkiyi göstermiştir. Katalizör hazırlama metodu ise en az önemli değişken olarak bulunmuştur. Son olarak, en uygun model, deneylerin sonuçlarını veritabanındaki diğer deneyler kullanılarak tahmin etmeye zorlanmıştır. RMSE ve R2 %69.6 ve %9.03 çıkmıştır. Makaleler için de yapıldığında bu oranlar sırasıyla %44.07 ve %18.64 olarak bulunmuştur.