Soy metal katalizörleri üzerinde su-gazı geçiş reaksiyonunun literatürde yayınlanmış veriler kullanılarak yapay sinir ağlarıyla incelenmesi

Bu çalışmanın amacı, yapay öğrenme tekniklerini kullanarak soy metal katalizörleri üzerinde su-gazı geçiş reaksiyonu için literatürde yayınlanmış deneysel verilerden bilgi çıkarmak ve böylece literatürdeki eğilimleri anlayarak katalizör tasarımını iyileştirmektir. Bunun için ilk olarak, literatürde 2002 ve 2012 yılları arasında yayınlanan 85 makaleden deneysel veriler çıkarılmış ve 4372 veri noktası ve 87 değişken içeren bir veri tabanı oluşturulmuştur. Sonra, bilgi çıkarımı yapmak için kullanılacak yöntem seçilmiş, bunun için yapay öğrenmede en etkili yöntemler arasında yer alan destek yöney makinaları ve yapay sinir ağları yöntemleri daha önce laboratuvarımızda analiz edilmiş olan bir veri tabanı üzerinde test edilmiş, yapay sinir ağları daha başarılı bulunmuştur. Bu nedenle oluşturulan su gazı geçiş reaksiyonuna ait veritabanı sinir ağları yöntemiyle modellenmiştir. Optimum yapay sinir ağı yapısı, değişik ağ yapıları oluşturularak kıyaslanmış, bunun için bir modelin genelleme (modelin hiç görmediği veriyi tahmin edebilme) yeteneğinin ölçüsü olarak kabul edilen ortalama karekök hataların toplamı kullanılmıştır. Çalışma sonunda veri tabanına en uygun ağın her biri 21 nöron içeren iki saklı katmanlı ağ yapısının uygun olduğu görülmüştür. Daha sonra, her makaledeki veriler, diğer makalelerdeki veriler kullanılarak tekrar eğitilen modelle teker teker tahmin edilmeye çalışılmıştır. 85 makale içerisinden 29 makale, 0.5'in üzerinde bir R2 değeri ile, başarılı sayılabilecek biçimde tahmin edilmiştir. Ayrıca, katalizör tasarım ve operasyonel değişkenlerin katalizör performansına etkileri ve göreceli önemleri sinir ağları yöntemiyle analiz edilmiş ve sonuçlar genel olarak literatüre uygun çıkmıştır.