Prediction of heavy diesel T95 using just in time learning models
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye
Tezin Onay Tarihi: 2017
Tezin Dili: İngilizce
Öğrenci: SEVİ ZEYNEP HASDEMİR
Danışman: BURAK ALAKENT
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bu çalışmanın amacı atmosferik distilasyon ürünü olan Ağır Dizel'in hacimce %95'inin kaynama noktasının (T95) gerçek zamanlı olarak tahmin edilmesidir. Ağır Dizel'in T95 kaynama noktası kolon kontrolünde önemli bir kontrol edilen değişken olup, kolon yapısındaki MPC algoritmasının doğru aksiyonlar alabilmesi için bu değerin en doğru tahmin edilmesi operasyonel açıdan önemlidir. Bu çalışmada, Ağır Dizel T95 değerinin gerçek zamanlı tahmini için "anlık öğrenme" (JITL) yöntemi kullanılmıştır. JITL belirli sayıda ve tahmin edilecek veri noktasına en yakın komşuları tespit ederek, bu komşu veriler ile tahmin edilecek numuneye özel yerel modeller kurulmasını sağlayan bir modelleme yöntemidir. 47 süreç değişkeni ile yürütülen modelleme çalışmaları üç ana grupta incelenmiştir. İlk olarak, farklı değişken setleri denenerek Ağır Dizel T95 ile en yüksek ilişkili değişkenler tespit edilmeye çalışılmıştır. Bu çalışma değişkenler arasında zaman farkı olmadığı durum ve bir gün önceki Ağır Dizel T95 değerinin ARX girdisi olarak değişkenlere eklendiği durum olmak üzere iki ayrı şekilde incelenmiştir. İkinci modelleme grubunda ise belirlenen yedi değişken ile en küçük kare regresyonu (LS), kısmi en küçük kare regresyonu, ve model değişkenlerinin adım adım regresyon yöntemiyle belirlendiği yöntemler kullanılmıştır. Bu yöntemlerle kurulan JITL modelleri, referans kümesinin belirlenme yöntemi, referans kümesinin büyüklüğü, komşu sayısı, pencere büyüklüğü gibi parametreleri değiştirilerek değerlendirilmiştir. Bu grup çalışmada kurulan en iyi modelin kare ortalama hatası (RMSE) ve ortalama mutlak hatası (MAE) sırasıyla 5.66 ve 4.23 oC olarak hesaplanmıştır. Son modelleme grubunda, JITL modelleri kurulurken, en yakın komşu verilerin belirlenmesinde kullanılan değişkenler ve model değişkenleri ayrıştırılmış ve iki aşama için farklı değişkenler göz önünde bulundurulmuştur. Bu grup çalışmada kurulan en iyi modelin kare ortalama hatası ve ortalama mutlak hatası sırasıyla 4.77 ve 3.82 oC olarak hesaplanmıştır. Bu çalışma ile JITL yönteminin tahmin performansı önemli ölçüde artırılmıştır ve bu yöntemin endüstriyel uygulamalar için göz önünde bulundurulması gereken bir metot olduğu ortaya konmuştur.