ESTIMATION OF BIOCRUDE OIL YIELD BY MACHINE  LEARNING

ŞERAFETTİN GÜNGÖR

ESTIMATION OF BIOCRUDE OIL YIELD BY MACHINE LEARNING

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Kimya-Metalurji Fakültesi, Kimya Müh.Bölümü, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: İngilizce

Öğrenci: ŞERAFETTİN GÜNGÖR

Danışman: Hasan Sadıkoğlu

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Biyoyakıt üretimi, sürdürülebilir kaynak yönetimi, ekonomik fizibilite ve mevzuata uygunluk için biyo-ham petrol verimi tahminini gerektirir. Doğru tahminler yatırımcılara yardımcı olur, süreçleri optimize eder, enerji güvenliğini ve karbon azaltımını destekler ve teknoloji gelişimini, pazar rekabet gücünü ve çevresel etki değerlendirmelerini etkiler. Bu çalışma, sürdürülebilir enerji arzını ele almak amacıyla biyo-ham petrol verimini tahmin etmek için makine öğrenimini kullanıyor. Regresyon, destek vektör makineleri, rastgele ormanlar ve sinir ağları dahil olmak üzere çeşitli modelleri eğitmek için kapsamlı veri kümeleri kullanılır. Sonuçlar, biyo-ham petrol üretimini optimize etmeye ve sürdürülebilir enerji çözümlerini geliştirmeye yönelik öngörüler sunan doğru verim tahmini potansiyelini ortaya koyuyor. Bu çalışma, daha sürdürülebilir enerji geleceği için biyoenerji bilimi ile pratik uygulamalar arasında köprü kurmaktadır. Bu çalışma, R2, MSE ve RMSE kullanılarak biyo-ham petrol verimi tahmini için XGBoost, Random Forest, SVM ve ANN modellerini değerlendirmektedir. Titiz ön işleme ve eğitim, yüksek R2 puanlarını gösterir, bu da karmaşık ilişkileri yakalamadaki yeterliliği gösterir. 0,86 ve 0,0516'lık R2 ve RMSE değerleri tahmin doğruluğunu gösterir. Biyoenerji sektörü için çıkarımlar, optimizasyon potansiyelini vurguluyor ve özel uygulamalar için benzersiz modelin güçlü yönleri özetleniyor. XGBoost, Random Forest, SVM ve ANN'yi entegre eden bu çalışma, biyoenerji karar alma sürecine bilgi vererek model performansına ilişkin içgörüler sunuyor. Bu çalışma, biyo-ham petrol verimini doğru bir şekilde tahmin etmek için makine öğreniminin uygulanmasına yönelik yapılandırılmış bir çerçeve sunmaktadır. Bu çerçeve, biyoenerji üretimini geliştirme potansiyeline sahiptir ve bu alanda gelecekteki araştırmalar ve endüstri üzerinde önemli bir etkiye sahiptir.