Modeling of selective CO oxidation over CuOx-CoOx-:CeO2 catalysts using artificial neural networks

---

Tezin Türü: Yüksek Lisans

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

Tezin Onay Tarihi: 2008

Tezin Dili: İngilizce

Öğrenci: UFUK KANTAR

Danışman: RAMAZAN YILDIRIM

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu çalışmada sinir ve modüler sinir ağları kullanılarak CO oksidasyonu için CuOx-CoOx-CeO2 katalizörlerinin tasarım ve reaksiyon parametreleri modellenmişir. Modüler sinir ağları değişik yapılarda kullanılabileceğinden, en iyi ağ mimarisi korelasyon ölçümleri kullanılarak aranmış, her ağ için R^2, R^2adj ve RMSE değerleri hesaplanarak karşılaştırılmıştır. Her model için önce küçük bir ağ kurulmuş ve veriyi ezberlemeyeceği şekilde performansını artıracak ölçüde genişletilmiştir. En iyi ağlar MATLAB® Optimizasyon Kiti kullanılarak Quasi-Newton metodu ile optime edilmiştir. Ayrıca, CO dönüşümü üzerine girdi parametrelerinin önemi ve etkileri de analiz edilmişlerdir. Karşılaştırma yapabilmek amacıyla deneysel veriler çoklu regresyon metodu ile de modellenmiştir.Çöktürme pH'ı ve sıcaklığı, saklı katmanında iki nöronu bulunan sinir ağı ile modellenmiş ve 0.970'lik R^2 değeri elde edilmiştir. Çökelme ve reaksiyon şartları 3-1'lik sinir ağı ile 2-3-1 ve 1-1-1'lik moduler ağlar kullanılarak modellenmiş ve sırasıyla 0.981, 0.989 ve 0.971'lik R2 değerleri elde edilmiştir. Bu sonuçlar her iki modelleme biçiminin de kullanılabileceğini gösterse de modüler yapay sinir ağlarının, değişik girdi gruplarını ayırması ile modelleme gücünü arttırma avantajı olduğu belirlenmiştir. Ayrıca, moduler yapı nöronlar arasındaki bağlantı sayısını indirmekte ve böylece modelin veriyi ezberleme olasılığını da azalmaktadır. Katalizör hazırlama koşullarının (çökelme pH'ı ve sıcaklığı), hedef metal yüzdelerinin (Cu, Co ve Ce ağırlık yüzdeleri) ve reaksiyon parametlerinin (sıcaklık, W/F ve kalış süresi) çeşitli kombinasyonlarını için benzer modeller makul başarı ile geliştirilmiştir. Ayrıca ölçülmüş katalizör özelliklerinin (metal yüzdeleri ve katalizör yüzey alanı) CO dönüşümü üzerine etkilerinin de sinir ve modüler sinir ağları ile başarılı bir şekilde modellenebildiği görülmüştür.