thesis.page.titleprefix NEURAL NETWORK PREDICTION OF FLASH POINT OF DIESEL FUEL FROM ITS CHEMICAL COMPOSITION AND PHYSICAL PROPERTIES
Date
2022-02-25
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
The flash point is important in engineering calculations, so this study has two major
purposes. The first purpose of the study is to predict the flash point from its chemical
composition and physical properties by using artificial neural network to decrease time
and cost spent on experimental analysis of flash point, and the second purpose is to find
the simplest formula to predict the flash point.
Artificial Neural Networks is applied as a black-box type modeling for flash point prediction
of diesel fuel. The experimental data used in this study is obtained from Erbil power station.
Every truck holding diesel fuel needs to be monitored, especially for the flash point test.
In this study, the Levenberg-Marquardt training algorithm is utilized to train the neural
network and to predict the flash point.
The network performance is evaluated through network test results, mean squared error
analysis, regression corrections and error histograms. The findings obtained in this study
indicated that the designed neural network performs quite well in the prediction of flash point
of diesel fuel from its chemical composition and physical properties.
Description
DİZEL YAKITIN ALEVLENME NOKTASININ KİMYASAL BİLEŞİM VE
FİZİKSEL ÖZELLİKLERDEN SİNİR AĞI İLE TAHMİNİ
ÖZ: Bir dizel yakıtın alevlenme noktası mühendislik hesaplamaları için önemlidir, bu nedenle bu çalışmanın iki ana amacı vardır. Çalışmanın ilk amacı, alevlenme noktasının deneysel analizine harcanan zaman ve maliyeti düşürmek için yapay sinir ağını kullanarak kimyasal bileşim ve fiziksel özelliklerinden alevlenme noktasını tahmin etmek ve ikinci amacı da alevlenme noktasını tahmin etmek için en basit formülü bulmaktır. Yapay sinir ağları, dizel yakıtın alevlenme noktası tahmininde kara kutu tipi bir modelleme olarak uygulanır. Bu çalışmada kullanılan deneysel veriler Erbil enerji santralinden elde edilmiştir. Dizel yakıt depolayan her kamyon, özellikle de alevlenme noktası testi için izlenmelidir. Bu çalışmada, Levenberg-Marquardt eğitim algoritması sinir ağını eğitmek ve alevlenme noktasını tahmin etmek için kullanılmıştır. Ağ performansı, ağ test sonuçları, ortalama kareli hata analizi, regresyon düzeltmeleri ve hata histogramları ile değerlendirilmiştir. Bu çalışmada elde edilen bulgular dizel yakıtın alevlenme noktasını kimyasal bileşiminden ve fiziksel özelliklerinden tahmin etmek üzere tasarlanmış sinir ağının oldukça iyi performans gösterdiğini ortaya koymuştur.
ÖZ: Bir dizel yakıtın alevlenme noktası mühendislik hesaplamaları için önemlidir, bu nedenle bu çalışmanın iki ana amacı vardır. Çalışmanın ilk amacı, alevlenme noktasının deneysel analizine harcanan zaman ve maliyeti düşürmek için yapay sinir ağını kullanarak kimyasal bileşim ve fiziksel özelliklerinden alevlenme noktasını tahmin etmek ve ikinci amacı da alevlenme noktasını tahmin etmek için en basit formülü bulmaktır. Yapay sinir ağları, dizel yakıtın alevlenme noktası tahmininde kara kutu tipi bir modelleme olarak uygulanır. Bu çalışmada kullanılan deneysel veriler Erbil enerji santralinden elde edilmiştir. Dizel yakıt depolayan her kamyon, özellikle de alevlenme noktası testi için izlenmelidir. Bu çalışmada, Levenberg-Marquardt eğitim algoritması sinir ağını eğitmek ve alevlenme noktasını tahmin etmek için kullanılmıştır. Ağ performansı, ağ test sonuçları, ortalama kareli hata analizi, regresyon düzeltmeleri ve hata histogramları ile değerlendirilmiştir. Bu çalışmada elde edilen bulgular dizel yakıtın alevlenme noktasını kimyasal bileşiminden ve fiziksel özelliklerinden tahmin etmek üzere tasarlanmış sinir ağının oldukça iyi performans gösterdiğini ortaya koymuştur.
Keywords
chemical engineering