Bazı Türk linyitlerinin kısa-elementel değerleri kullanılarak maseral dağılımlarının belirlenmesi

Kömür, dünya genelinde önemli enerji kaynaklarından biridir. Ülkemizde ise özellikle linyit kömürü rezervlerinin büyük bir öneme sahip olduğu bilinmektedir. Araştırmalar fosil yakıtlardan, petrolün ve doğal gazın dünyadaki rezervlerinin kömüre kıyasla daha erken tükeneceğini göstermektedir. Kömür bu kadar önemli bir maden olmasına karşın karakterize edilmesi yüksek maliyete sebebiyet veren ve uzmanlık gerektiren süreçlerden geçmektedir. Bu nedenle, yapay zekâ tabanlı yöntemlerle analiz süreçlerini kolaylaştırmak ve daha düşük maliyetlerle yüksek doğrulukta sonuçlar elde etmek büyük önem taşımaktadır. Bu çalışma, yapay sinir ağlarını laboratuvar analizlerine alternatif bir yöntem olarak sunmayı hedeflemiştir. Türkiye kömürlerinin kısa ve elementel analiz değerlerinden yola çıkılarak yapay sinir ağları yardımı ile maseral dağılımlarının belirlenmesini hedeflemiştir. Maseral dağılımlarının belirlenmesi, kömürün kalite parametrelerinin ve çökelim ortamı özeliklerinin belirlenmesinde rol oynamaktadır. Bu bağlamda, çalışmada Türkiye bazı linyit kömürlerinin fiziksel ve kimyasal özellikleri incelenmiş, literatürde yer alan kısa ve elementel analiz verileri temel alınmıştır. Elde edilen veriler ise yapay sinir ağları ve optimizasyon teknikleri kullanılarak analiz edilmiştir. Yapay sinir ağını eğitmek için 232 adet linyit kömürü verisi kullanılmıştır. Bu veriler ile Matlab yazılımı kullanılarak ileri yönlü çok katmanlı algılayıcı, kaskad ileri yönlü algılayıcı ve Python dili kullanılarak Bayes hiper-parametre optimizasyonu teknikleri kullanılmıştır. Regresyon analizi, hata metrikleri ve diğer istatistiksel yöntemlerle yapay sinir ağlarının tahmin gücü değerlendirilmiştir. Alınan veriler farklı gizli nöron sayıları ile denenmiş en iyi sonucun alınabileceği nöron katmanı seçilmiştir. Sonuç olarak ileri yönlü çok katmanlı algılayıcı, daha karmaşık verilerde etkili olurken, kaskad ileri yönlü algılayıcı daha basit ve az sayıda katmanın gerektiği durumlarda öne çıkmıştır. Bayes optimizasyonu ise az veri ile de olsa hiper-parametre ayarlamalarında daha hassas sonuçlarda verimli olduğu görülmüştür. Üç algoritma arasında en iyi sonucu Bayes optimizasyonu vermiş ikinci olarak ise ileri yönlü çok katmanlı algılayıcı olduğu görülmüştür. Sonucun maksimum verimlilikte olması için kullanılan veriler literatür kaynaklı ise doğruluğu arttırmak için veri seti sayısı arttırılmasının doğru bir yaklaşım olabileceği sonucuna varılmıştır. Bu şekilde girilen ve tahmin verileri, "x=y" doğru ekseni için en yakın değerleri elde edebilecek ve minimum hataya ulaşmanın mümkün olabileceği sonucuna varılmıştır.