Data mining for methane adsorption over metal organic frameworks in literature
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye
Tezin Onay Tarihi: 2019
Tezin Dili: İngilizce
Öğrenci: KADRİYE ZEYNEP GÜLSOY ŞERİF
Danışman: RAMAZAN YILDIRIM
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Metal organik yapılar (MOF) üzerinde hem kütlesel hem de hacimsel CH4 depolama ve taşıma için 3000 veri noktası içeren bir veri tabanı, genellenebilir bilgiler çıkarmak için RStudio ortamında makine öğrenmesi araçları kullanılarak analiz edilmiştir. Veri tabanı, öncelikle eksik değerler ve uygun olmayan giriş değişkenleriyle başa çıkmak için yeniden işleme aşamasını geçmiştir. Bu aşamada çapraz korelasyon analizi de yapılmış ve ilişkili değişkenler belirlenmiştir. Sonra, en iyi modellerin koşullarını bulmak için optimizasyon süreci gerçekleştirilmiştir. İlk olarak, veri tabanı, temel eğilimleri ve modelleri gözlemlemek için gözden geçirilmiştir. Daha sonra saklı bilgileri ortaya çıkarmak ve gelecekteki çalışmalar için kurallar ve modeller geliştirmek için veri tabanı, karar ağaçları ve yapay sinir ağları kullanılarak analiz edilmiştir. Her analizde, daha önce görülmeyen verilerle modellerin geçerliliğini test etmek için beş kat çapraz doğrulama kullanılmıştır. Karar ağacı analizleri, altı kullanıcı tanımlı tanımlayıcı ve iki yapısal özellik kullanılarak ayrı ayrı gerçekleştirilmiştir. Kristal yapı ve MOF molekülünün toplam doymamışlık derecesi, etkin kullanıcı tanımlı tanımlayıcılar olarak bulunurken, yapısal özellikler olarak gözenek hacmi ve maksimum gözenek çapı, yüksek CH4 depolama ve dağıtma kapasitesine sahip MOFları belirlemek için yeterli olmuştur. Beklendiği gibi her zaman yüksek bir gözenek hacminin gerekli olduğu görülmüştür. Yapay sinir ağları analizleri, kullanıcı tanımlı tanımlayıcılar ve yapısal özellikler ayrı ayrı kullanılarak yapılmıştır. Kullanıcı tanımlı tanımlayıcıların MOFların CH4 depolama ve dağıtma kapasitesini tanımlamak için yeterli olmadığı, yapısal özelliklerin, özellikle gözenek hacminin, düşük RMSE ve yüksek R2 değerleriyle doğru CH4 depolama ve dağıtma tahmini sağladığı gözlemlenmiştir.