Knowledge extraction from experimental and computational data for selective CO oxidation and water gas shift reaction using data mining techniques

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 2012

Tezin Dili: İngilizce

Öğrenci: MEHMET ERDEM GÜNAY

Danışman: RAMAZAN YILDIRIM

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu çalışmada seçimli CO oksidasyonu ve su-gaz değişim reaksiyonlarına ait deneysel ve hesaplamalı verilere çeşitli veri madenciliği teknikleri uygulayarak bilgi çıkarımı yapılması ve dolayısıyla katalizör tasarımı ve proseslerinin geliştirilmesi amaçlanmıştır. Öncelikle, laboratuarımızda üretilmiş deneysel veriler üç ayrı kısımda incelenmiştir: Pt bazlı katalizörlerde seçimli CO oksidasyonunun sinir ağlarıyla modellenmesi, Au bazlı katalizörlerde aynı reaksiyonun karar ağaçları ve sinir ağlarıyla modellenmesi, Pt bazlı katalizörlerde su-gaz değişim reaksiyonun sinir ağlarıyla modellenmesi. Bu çalışmaların üçünde de, katalizör değişkenlerinin etkisi ve önem dereceleri literatürdeki bilgilerle büyük bir uyum içinde bulunmuştur. Sonraki aşamada, Au kümecikleri üzerinde seçimli CO oksidasyonu için kuantum mekaniksel yöntemlerle hesaplanmış veriler, sinir ağları ve lojistik regresyon yöntemleriyle modellenmiştir. İki metot da Au kümeciklerinin yapısal özellikleriyle kümecikler üzerindeki CO ve O2 adsorpsiyon enerjilerinin ilişkisini başarılı bir şekilde bulmuştur. Son olarak, başka araştırmacıların yayınlanmış çalışmalarına ait deneysel sonuçları tahmin etmeye yönelik modeller kurulmuş ve literatürde birikmiş bilginin çıkarımı amaçlanmıştır. İlk aşamada Cu bazlı katalizörler üzerinde seçimli CO oksidasyonu sinir ağlarıyla modellenmiştir. Ardından, soy metal ve altın bazlı katalizörlerde aynı reaksiyon genetik algoritma destekli gruplandırma ve sinir ağlarıyla modellenmiştir. İki çalışmada da bilimsel yayınlarda rapor edilmiş deneysel veriler, diğer yayınların sonuçlarıyla eğitilmiş sinir ağları tarafından başarılı şekilde tahmin edilmiştir. Değişkenlerin önem analizi ve bu verilere ait ana trendler de başarılı şekilde çıkartılmıştır. Sonuç olarak, yıllar boyunca literatürde birikmiş olan bilgi, uygun bir veri madenciliği yöntemi kullanarak başarılı şekilde çıkartılabilir ve böylelikle bu konuda çalışma yapacak olan araştırmacıların geleceğe yönelik deneylerini daha efektif bir şekilde planlanması ve tasarlaması sağlanabilir.