Analysis of published data in the literature to extract knowledge for Fischer-Tropsch synthesis
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye
Tezin Onay Tarihi: 2015
Tezin Dili: İngilizce
Öğrenci: BARIŞ BURNAK
Danışman: RAMAZAN YILDIRIM
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bu çalışmada, literatürde yayımlanan deneysel veriler üzerine özdevimli öğrenme algoritmaları kullanılarak Fischer-Tropshc Sentezi (FTS) üzerine genelgeçer ampirik modeller oluşturulmuştur. FTS'deki CO dönüşümü R 3.1.2 ortamında çoklu doğrusal regresyon, yapay sinir ağı (YSA), karar ağacı ve rastgele orman (random forest) algoritmaları kullanılarak katalizör tasarımı değişkenleri, katalizörün fiziksel özellikleri ve operasyon koşullarının bir fonksiyonu olarak modellenmiştir. Katalizörün fiziksel özelliklerindeki eksik değerler, bilinen değerlere dayanan YSA modelleri kullanılarak tahmin edilmiştir. Tamamlanan veri tabanı üzerine kurulan çoklu doğrusal regresyon ve karar ağacı sınıflandırma modelleri deneme seti üzerinde düşük tahmin oranıyla en az güvenilir sonuçları üretmişlerdir. Öte yandan, YSA ve rastgele orman modellerinin tahmin gücü sırasıyla 0.40 ve 0.59 R2 değerleri ile çok daha yüksek bulundu. Bu iki model üzerinde yapılan önem analizi, operasyon sıcaklığının FTS katalitik aktivitesindeki en önemli değişken olduğunu göstermiştir. Bu modellerin tahmin güçleri, bütün veri tabanının temel metal ve operasyon sıcaklığına göre ayrılmış Co tabanlı, Fe tabanlı, düşük sıcaklık ve yüksek sıcaklık alt gruplarıyla eğitilmiş alt modeller oluşturularak geliştirilmiştir. Bu alt modellerin R2 değerleri YSA algoritmasıyla 0.43 ve 0.53, rastgele orman algoritmasıyla ise 0.62 ve 0.66 değerleri arasında değişkenlik göstermiştir. Bu alt modellerde yapılan önem analizi, Fe tabanlı alt grupta katalizör hazırlama değişkenleri daha baskınken, Co tabanlı alt grupta operasyon koşullarının en önemli değişkenler olduklarını göstermiştir. YSA modellerindeki en önemli üç değişkenin etkisini gözlemlemek için hassaslık analizi yapılmıştır. Bütün modeller üzerinde yapılan kalıntı analizi, kullanılan algoritmaların akıştaki zamanın CO dönüşümü üzerindeki etkisini yansıtamadığını göstermiştir. Bu kestirimci yaklaşımlara ilaveten, giriş değişkenleri ve CO dönüşümü arasındaki korelasyonları betimlemek için temel bileşen analizi kullanılmıştır. Bu analiz, operasyon sıcaklığının en önemli değişken olduğunu belirleyerek YSA ve rastgele orman modellerinin sonuçlarını doğrulamıştır.