EVALUATING THE EFFECT OF BLENDING RATIO ON THE CO-GASIFICATION OF HIGH ASH COAL AND BIOMASS IN A FLUIDIZED BED GASIFIER USING MACHINE LEARNING

AKIŞKAN YATAK GAZLAŞTIRICIDA YÜKSEK KÜLLÜ KÖMÜR VE BİYOKÜTLENİN BİRLİKTE GAZLAŞTIRILMASINDA KARIŞIM ORANI ETKİLERİNİN MAKİNE ÖĞRENMESİ İLE DEĞERLENDİRİLMESİ

Abstract

Co-gasification is a process that converts coal and biomass into useful products, such as syngas. Analytical and numericalapproaches for modeling co-gasification process either require enormous amount of time or make a lot of assumptionswhich reduce consistency of the models in practical applications. Artificial Intelligence based modeling methods areused to simulate and to make predictions of outcomes of the co-gasification process. Even though previous studies resultin successful modelling for specific cases, limited selection of methods and lack of implementation of cross-validationtechniques causes insufficiency to explain unbiased performance evaluations and up-scale usability of the methods. Inthis paper, six different regression methods are employed to predict outputs of co-gasification process using a datasetcontaining 56 observations. Moreover, the original dataset is randomly resampled so that each model’s generalizationability is further assessed. The prediction performance of the proposed techniques on both datasets is evaluated andpractical usability is discussed.

Özet

Birlikte gazlaştırma, kömür ve biyokütlenin sentez gazı gibi faydalı ürünlere dönüştürülmesini sağlayan bir süreçtir. Birlikte gazlaştırma sürecinin modellenmesi için analitik ve sayısal yaklaşımlar ya çok uzun zaman ya da pratik uygulamalarda modellerin tutarlılığını azaltan çok sayıda varsayım gerektirir. Yapay zeka tabanlı modelleme yöntemleri, birlikte gazlaştırma sürecini simüle etmek ve sonuçlarını tahmin etmek için kullanılmıştır. Her ne kadar önceki çalışmalar belirli durumlar için başarılı bir modelleme ile sonuçlanmışsa da, sınırlı yöntem seçimi ve çapraz doğrulama tekniklerinin uygulanmaması, yansız performans değerlendirmelerini ve yöntemlerin büyük ölçekli kullanılabilirliğini açıklamakta yetersizliğe neden olmuştur. Bu çalışmada, 56 gözlem içeren bir veri seti kullanılarak birlikte gazlaştırma işleminin çıktılarını tahmin etmek için altı farklı regresyon yöntemi kullanılmıştır. Ardından, orijinal veri kümesi rastgele yeniden örneklendirilip, böylece her modelin genelleme yeteneği daha fazla değerlendirilmiştir. Önerilen tekniklerin her iki veri seti üzerinde tahmin performansı değerlendirilmiş ve pratik kullanılabilirlik tartışılmıştır.