PREDICTION OF GROSS CALORIFIC VALUE OF COAL FROM PROXIMATE AND ULTIMATE ANALYSIS VARIABLES USING SUPPORT VECTOR MACHINES WITH FEATURE SELECTION

Authors : Mustafa AÇIKKAR

Pages : 1129-1141

Doi:10.28948/ngumuh.585596

View : 15 | Download : 14

Publication Date : 2020-08-07

Article Type : Research Paper

Abstract :Üst ısıl değer insert ignore into journalissuearticles values(GCV);, kömürün belirli bir miktarı yakıldığında açığa çıkan ısı enerjisi miktarını gösteren temel bir termal özelliğidir. Sunulan çalışmanın ana amacı, özellik seçimi algoritması ile destek vektör makineleri insert ignore into journalissuearticles values(SVM`ler); kullanarak yeni GCV tahmin modelleri geliştirmektir. Bu amaçla, literatürde ilk kez, özellik seçici RRelief-F algortiması, GCV`nin her bir tahmin edici değişkeninin önemini belirlemek için kısa ve elementel analiz değişkenlerinden oluşan veri kümesine uygulanmıştır. Bu şekilde, yedi farklı karma giriş seti insert ignore into journalissuearticles values(veri modelleri); oluşturulmuştur. Sunulan modellerin tahmin performansı, çoklu korelasyon katsayısının karesi insert ignore into journalissuearticles values(R 2 );, kök ortalama kare hatası insert ignore into journalissuearticles values(RMSE); ve ortalama mutlak yüzde hatası insert ignore into journalissuearticles values(MAPE); ile hesaplanmıştır. Bu çalışmadan elde edilen tüm sonuçlar değerlendirildiğinde, kısa analizden elde edilen nem insert ignore into journalissuearticles values(M); ve kül insert ignore into journalissuearticles values(A); ile elementel analizden elde edilen karbon insert ignore into journalissuearticles values(C);, hidrojen insert ignore into journalissuearticles values(H); ve kükürt insert ignore into journalissuearticles values(S); değişkenleri kömürün GCV`sini tahmin etmede en uygun değişkenler olarak belirlenirken, kısa analizden elde edilen uçucu madde ile elementel analizden elde edilen nitrojenin tahmin etme doğruluğu üzerinde olumlu bir etkiye sahip olmadığı görülmüştür. M, A, C, H ve S tahmin edici değişkenlerini kullanan SVM-tabanlı model, en yüksek R 2 ve en düşük RMSE ve MAPE değerlerini sırasıyla 0,998, 0,22 Mj/kg ve % 0,66 olarak vermiştir. Ayrıca, karşılaştırma amacıyla GCV’yi tahmin etmek için çok katmanlı algılayıcı ve radyal temelli fonksiyon ağı kullanılmıştır.
Keywords : kömürün üst ısıl değeri, özellik seçimi, destek vektör makinesi, yapay sinir ağları