Application of data mining tools to extract knowledge for dry reforming of methane from published papers in literature

AYŞE NESLİHAN ŞENER

Application of data mining tools to extract knowledge for dry reforming of methane from published papers in literature

Tezin Türü: Yüksek Lisans

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

Tezin Onay Tarihi: 2015

Tezin Dili: İngilizce

Öğrenci: AYŞE NESLİHAN ŞENER

Danışman: RAMAZAN YILDIRIM

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tezin amacı veri madenciliği tekniklerinden karar ağaçları ve yapay sinir ağları kullanılarak metanın kuru reformlanması reaksiyonu için bilgi çıkarmaktır. İlk olarak 2005 ve 2014 yılları arasında yayınlanmış 101 makaleden deneysel veriler toplanmıştır. Veri seti 5521 veri noktasından ve 63 değişkenden oluşmaktadır. Metanın dönüşümü, katalizör hazırlama ve operasyon değişkenlerinin fonksiyonu olarak MATLAB' de modellenmiştir. Toplam veri seti ile birlikte Ni, Co, Pt ve ıslak emdirme temelli alt veri setlerinin karar ağaçları analizi yapılırken metanın dönüşümü değerleri 0-50, 50-75, 75-100 olarak sınıflandırılmıştır. Bu ağaçların eğitim ve test hataları sırasıyla %21.1-%21.5, %16.7-%19.0, %10.2-%10.9, %9.3-%12.6 ve %13.6-%15.1 olarak bulunmuştur. Ayrıca, veri setleri sinir ağları kullanılarak da modellenmiştir. Bunun için aktivasyon fonksiyonu olarak tansig kullanılırken eğitim için trainlm, test için ise trainbr eğitici algoritmaları tercih edilmiştir. En uygun sinir ağ yapısı test analizi sonucu (tahmin edebilme gücü) kullanılarak 63-20-1 (gizli katmanda 20 nöron) olarak bulunmuştur. R2 ve bununla ilişkili RMSE değerleri sırasıyla eğitim için 0.97-4.23 ve test için 0.89-8.66 bulunmuştur. Ayrıca giren değişkelerin göreceli önem analizleri en uygun sinir ağ yapısı kullanılarak belirlenmiştir. Reaksiyon sıcaklığı en önemli değişken olarak bulunmuştur, ayrıca operasyon değişkenlerinin katalizör tasarlama değişkenlerinden daha yüksek grup önemine sahip oldukları belirlenmiştir. Son olarak en uygun sinir ağı yapısı deneylerin ve makalelerin sonuçlarını tahmin edebilmek için kullanılmıştır. 753 deneyden 590 ının (%78.4) RMSE değerleri 15 den küçük olarak tahmin edilmiştir. 101 makaleden 46 sının (%45.5) sonucu R2 değerleri 0.5 den büyük olarak ve 101 makaleden 65 inin (%64.4) RMSE değerleri 15 den küçük olarak tahmin edilmiştir.