Classification of VOC vapors using machine learning algorithms

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, MATEMATİK ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: İngilizce

Öğrenci: SERRA AKSOY

Danışman: Muttalip Özavşar

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tezde, kobalt ftalosiyanin (CoPc) ince filminin, konsantrasyonları 50 ile 450 ppm arasında değişen altı farklı uçucu organik bileşen (UOB) buharlarını (metanol, etanol, bütanol, izopropil alkol, aseton ve amonyak) algılama özellikleri incelenmiştir. UOB buharları ile CoPc yüzeyi arasındaki etkileşimin seçici olmadığı gözlemlenmiştir. Bu bağlamda seçiciliği zayıf olan mevcut sensörün makine öğrenmesi algoritmaları kullanılarak daha iyi algılama kabiliyetine sahip daha verimli bir sensöre dönüştürülmesi amaçlanmıştır. Öznitelik olarak, kararlı durum bölgesinden alınan 10 saniyelik yanıtlar herhangi bir ek işleme tekniği olmadan kullanılmıştır. Sınıflandırma algoritmaları arasında K-En Yakın Komşu (KNN) ve Torbalı Ağaç algoritmaları %95'in üzerinde en yüksek doğruluğa ulaşmıştır. Bu özniteliğin performansı aynı zamanda maksimum değer, integral ve türev gibi geleneksel gaz sensörü tepki öznitelikleriyle de karşılaştırılmıştır. Sonuçlar kararlı durum bölgesinden alınan 10 saniyelik yanıtlara dayalı özelliğin, geleneksel özelliklere dayalı olanlardan çok daha iyi olduğunu göstermektedir. Bu çalışma sonucunda en iyi doğruluk KNN yöntemi ile %96,7 olarak elde edilmiştir.