Prediction of proximate analysis and process temperature of torrefied and pyrolyzed wood pellets by near-infrared spectroscopy coupled with machine learning

Basit Öğe Kaydı
dc.contributor.authorKasapoğlu Çalık, Meltem
dc.contributor.authorAydın, Ebubekir Sıddık
dc.contributor.authorYücel, Özgün
dc.date.accessioned2024-06-13T20:13:52Z
dc.date.available2024-06-13T20:13:52Z
dc.date.issued2020
dc.departmentMeslek Yüksekokulu, Gedik Meslek Yüksekokulu, Kimya Teknolojisi Programı
dc.description.abstractNear-Infrared (NIR) Spectroscopy is a time and cost-effective method to characterize the materials in the food, petrochemical, pharmaceutical, and agricultural industries. Proximate analysis of the carbon-containing materials and investigating the effectiveness of the heat treatments on the material are a particularly time-consuming process. This work presents the four regression methods, i.e., decision tree regression, support vector regression and two versions of ensembles of decision trees to predict the proximate analysis of biomass and heat treatment temperature. Thus, effective method has been proposed to reduce experimental effort and present the characterization of heat-treated biomass feedstock theoretically. Prediction results show that SVR and ENS2 regression methods calibrating the NIR spectra to the values of wood pellet properties achieved good performance with the coefficient of determination (R2) of 0.880- 0.984 and RMSE of 0.444- 5.308 for ash and volatile matter. This study suggests that machine learning-based regression methods with integrated NIR spectroscopy of biomass is promising as an alternative method for rapid characterization. Another possible application of the current study is that it can be used for processed fuel recognition prior to a fully automated fuel quality assessment system in the biomass industry.
dc.description.abstractYakın Kızılötesi (NIR) Spektroskopi, gıda, petrokimya, ilaç ve tarım endüstrilerindeki malzemeleri karakterize etmek için zaman ve maliyet açısından etkin bir yöntemdir. Karbon içeren malzemelerin yakın analizi ve ısıl işlemlerin malzeme üzerindeki etkinliğinin araştırılması özellikle zaman alan bir süreçtir. Bu çalışmada, biyokütle ve ısıl işlem sıcaklığının yakın analizini tahmin etmek için dört regresyon yöntemi olan karar ağacı regresyonu, destek vektör regresyonu ve rassal orman regresyonunun iki versiyonu kullanılmıştır. Deneysel çabayı azaltmak ve ısıl işlem görmüş biyokütle hammaddesinin karakterizasyonunu teorik olarak sunmak için etkili bir yöntem önerilmiştir. Tahmin sonuçları, odun peletinin NIR spektrum değerlerini kalibre eden SVR ve ENS2 regresyon yöntemlerinin kül ve uçucu madde için 0.880- 0.984 belirleme katsayısı (R2) ve 0.444- 5.308 RMSE ile iyi performans elde ettiğini göstermektedir. Bu çalışma, entegre NIR spektroskopisine sahip makine öğrenmesine dayalı regresyon yöntemlerinin biyokütlenin hızlı karakterizasyon için alternatif bir yöntem olarak umut verici olduğunu göstermektedir. Mevcut çalışmanın bir başka olası uygulaması, biyokütle endüstrisinde tam otomatik yakıt kalitesi değerlendirme sisteminden önce işlenmiş yakıt tanıma sistemleri için kullanılabilmesidir.
dc.identifier.doi10.22531/muglajsci.785974
dc.identifier.endpage110
dc.identifier.issn2149-3596
dc.identifier.issue2
dc.identifier.startpage99
dc.identifier.trdizinid453574
dc.identifier.urihttps://doi.org/10.22531/muglajsci.785974
dc.identifier.urihttps://search.trdizin.gov.tr/tr/yayin/detay/453574
dc.identifier.urihttps://hdl.handle.net/11501/751
dc.identifier.volume6
dc.indekslendigikaynakTR-Dizin
dc.institutionauthorKasapoğlu Çalık, Meltem
dc.institutionauthorid0000-0001-5851-0714
dc.language.isoen
dc.relation.ispartofMugla Journal of Science and Technology
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectBiomass
dc.subjectNear-Infrared Spectroscopy
dc.subjectMachine Learning
dc.subjectSupport Vector Regression
dc.subjectEnsembles of Decision Trees
dc.subjectDecision Tree Regression
dc.subjectBiyokütle
dc.subjectYakın Kızılötesi Spektroskopi
dc.subjectMakine Öğrenimi
dc.subjectDestek Vektör Regresyonu
dc.subjectRassal Orman
dc.subjectKarar Ağacı
dc.titlePrediction of proximate analysis and process temperature of torrefied and pyrolyzed wood pellets by near-infrared spectroscopy coupled with machine learning
dc.title.alternativeTorrefiye ve piroliz edilmiş odun peletinin proses sıcaklığının, kısa analizinin makine öğrenmesi destekli yakın kızılötesi spektroskopisi ile tahmini
dc.typeArticle

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
Tam Metin / Full Text
Boyut:
2.06 MB
Biçim:
Adobe Portable Document Format
İndir

Koleksiyon

TR-Dizin İndeksli Yayınlar Koleksiyonu
Gedik Meslek Yüksekokulu Koleksiyonu