Search

316L based stainless steel hollow fiber membranes (HFs) are used as an alternative for polymer and ceramic based membranes. Application areas of 316L hollow fiber membranes are applications such as support or particle filter of gas and liquid separations in chemical and waste treatment industries. Among various methods, dry-wet spinning technique was selected as the production method of hollow fiber membranes since it is the most popular one. The aim of the study is to produce hollow fiber membranes in different powder particle sizes (coarse, fine, and their mixture), and to examine their structure and also their properties such as chemical compositions, pore amount, average pore size, and pore distribution. 3-point bending tests were also used to determine their mechanical properties. HFs produced from fine particles show higher densification than coarse particle size samples. In terms of pore structure, mixed particle size yields lower porosity and pore size than the finest particle size. On the other hand, the finest particle size yields the highest bending strength and bending deflection., 316L paslanmaz çelikler içi boş fiber membranlar, polimer ve seramik esaslı membranlara alternatif olarak kullanılmaktadır. 316L içi boş fiber membranların kullanım alanları kimya ve atık arıtma endüstrilerinde gaz ve sıvı ayrıştırmaları için destek ve partikül filtreleri gibi uygulamalardır. Birçok metod arasında, üretim tekniği olarak en popüler olan kuru-ıslak eğirme tekniği seçilmiştir. Çalışmanın amacı farklı toz partikül boyutlarında (kaba, ince ve bunların karışımı) içi boş fiber membranların üretilmesi ve bunların yapıları ve kimyasal kompozisyon, gözenek miktarı, ortalama gözenek boyutu ve gözenek dağılımlarını incelemektir. Aynı zamanda, mekanik özellikleri belirlemek amacıyla 3-nokta eğme testleri uygulanmıştır. İnce partiküllerden üretilen numuneler kaba partikül boyutlu numunelerden daha yüksek yoğunlaşma göstermektedir. Gözenek yapısına bakıldığında, karışım partikül boyutu ince partikül boyutuna kıyasla daha düşük gözeneklilik ve gözenek boyutu sunmaktadır. Öte yandan, en küçük partikül boyutu en yüksek mukavemet ve eğilme miktarı sunmaktadır.

Metanın kuru reformlanması, CO2emisyonunu azaltmak ve çeşitli Fischer-Tropsch sentezlerinde ve sentezgazlarının üretiminde kullanmak için umut verici bir yöntemdir. İstenenürünleri verimli bir şekilde elde etmek için, reaktantların ürünler üzerindekietkisi kesin olarak bilinmelidir. Bu amaçla, yapay-zeka bazlı veri odaklıtahmin modelleri ile metan kuru reformunun modellenmesi için çeşitli çalışmalaryayınlanmıştır. Önerilen metotlar, aşırı uyum probleminin araştırılmamasından,eksik ve/veya yanlı performans değerlendirmelerinden dolayı, sürecin belirliçıktılarını tahmin etmek için yetersiz kalmıştır. Bu çalışmada 57 örnek içerenbir veri seti kullanarak üç regresyon yöntemi kullandık ve tahmin modellerigeliştirdik. Modellerin performans değerlendirmeleri, tarafsız sonuçlar eldeetmek için, 10 katlı çapraz doğrulama ile gerçekleştirilmiştir. Önerilenyöntemlerin hem eğitim hem de test performansları ayrı ayrı incelenmiş ve pratikteuygulanabilirliği tartışılmıştır., Dry reforming of methane is a promising methodto reduce the emission of CO2 and to use it in various type ofFischer–Tropsch synthesis and production of syngas. In order to obtaindesirable products efficiently, the effect of reactants on the products must beknown precisely. For this purpose, several studies have published for modelingthe dry reforming of methane process with artificial intelligence-baseddata-driven prediction models. Due to lack of investigating overfitting problemand deficient and/or biased performance evaluations, actual potential ofproposed methods have not been revealed for predicting certain outputs of theprocess. In this paper, we employed three regression methods and developedprediction models using a dataset with 57 observations. Performance evaluationsof the models are performed with 10-fold cross-validation to ensure unbiasedresults. Proposed methods’ both training and testing performances areseparately investigated, further applicability is discussed.

Kısa ve elemental analizkullanılarak yüksek ısı değerinin (HHV) öngörülmesi, bir yakıtın karakteristikniteliğini anlamak için önemli bir prosedürdür. Araştırmalar, HHV değeri ile buanalizler arasındaki ilişkiyi açıklamak için denklemler oluşturma çabasınıortaya koymuştur. Ancak uygulanan yöntemler genellikle sadece basit istatistikselanalizleri içermektedir, bu nedenle kısmen başarılı sayılabilir. Bu makalede,bu tahmin sorununa makine öğrenme perspektifinden yaklaşılmaktadır, farklıtürdeki malzemelerin kısa ve elemental analizini kullanarak HHV'yi tahmin etmekiçin dört makine öğrenme yöntemi, yani doğrusal regresyon, polinom regresyonu,karar ağacı regresyonu ve destek vektör regresyonunu kullanılmıştır. Kullanılanveri seti literatürdeki farklı kaynaklardan temin edilerek, kategorilereayrılmış; sonuçta elde edilen kategoriler, mümkün olduğunca doğru tahminmodelleri oluşturmak için makine öğrenme modellerine beslenecek girdiler olarakkullanılmıştır. Önerilen yöntemlerin performansları k-katlı çapraz doğrulamatekniğiyle değerlendirilerek, her yöntemin performans değerleri hem tahmindoğruluğu hem de hesaplama karmaşıklığı açısından tartışılmıştır., Prediction of higher heating value (HHV) usingproximity and ultimate analysis is an important procedure for understanding thecharacteristic attribute of a fuel. Researches put effort to come up with equations to explain therelationship between the HHV value and those analyses. But conducted methodsusually included only simple statistical analysis, thus they were partiallyeffective to use in a practical manner. In this paper we approach thisprediction problem from the machine learning perspective, we employ fourmachine learning methods, i.e. linear regression, polynomial regression,decision tree regression and support vector regression to predict HHV usingproximity and ultimate analysis of different type of materials. Data set usedis collected from literature and is categorized, where the resulting categoriesare used as features to be fed to the machine learning models to createprediction models as accurate as possible. Performances of the proposed methodsare evaluated with k-fold cross-validation technique and each method’s pros andcons are discussed for both prediction accuracy and computational complexity.

Güneş enerjisi, rüzgar enerjisi, jeotermal enerji vs. gibi kaynakların son yıllarda geliştirilmesine hatta kullanılmasına rağmen bu kaynaklardan elde edilen enerji, artan ihtiyacı karşılamak konusunda yetersiz kalmaktadır. Biyokütle kullanımı, biyokütlenin her yerde yetişebilmesi ve yenilenebilir bir enerji kaynağı olması nedeniyle büyük bir potansiyele sahiptir. Biyokütle ayrıca çevreye zararsız, sosyo-ekonomik gelişime katkı sağlayan enerji veya değerli kimyasalların üretiminde kullanılabilen bir yakıttır. Gazlaştırma temel olarak yakıtın stokiyometrik olarak daha az hava ile yakılması, bir nevi piroliz için gereken enerjinin yakıtın kendisinden sağlanmasıdır. Sabit yataklı gazlaştırıcılar çalıştırması kolay, güvenilir ve küçük ölçekte enerji üretimi için uygundur. Yıllardır kullanılmasına rağmen zorluğu nedeni ile şu ana kadar literatürde bir boğazlı aşağı akışlı gazlaştırıcıyı tam olarak betimleyen bir kinetik model bulunmamaktadır. Bu tez kapsamında, boğazlı ve hemen boğaz üzerinde 5 adet enjeksiyon noktası bulunan bir imbert gazlaştırıcının kinetik olarak modellenmesi üzerine çalışılmıştır. Reaksiyona giren katı-gaz çift-fazlı karışımın taşınımı zamana bağlı olarak matematiksel modellenmesi yapılmıştır. Aşağı akışlı gazlaştırma birçok değişkeni olan karmaşık bir sistemdir ve tanımlaması zordur. İlk defa boğazlı bir gazlaştırıcı olabildiği kadar gerçekçi olarak modellenmiştir. Taşınım, kinetik ve yardımcı denklemler çeşitli nümerik yöntemlerle kullanılarak çözülen modelleme çalışması 10 kW'lık bir gazlaştırıcı üzerinde deneysel olarak doğrulanmıştır.Modelde deney düzeneğinin gerçek geometrisi kullanılmıştır. Model sonuçları deney sonuçları ile uyum içinde çıkmıştır. Yanma bölgesinin boğazlı olması daha iyi sıcaklık dağılımı sağlamakta ve ısı kaybını azaltmaktadır. Aynı reaktör göbeği boyutlarına sahip katmanlı bir gazlaştırıcının, boğazlı gazlaştırıcıdan % 24,5 daha az gaz çıkışı verdiği görülmüştür. Çalışma kapsamında yapılan model farklı geometrilere de uygulanabilir. In recent years, even though use and development of resources such as solar energy, wind energy, geothermal energy, etc. increased; these resources are inadequate in meeting the increasing demand.The use of biomass has great potential because it can be grown everywhere and is a renewable energy source. Additionally biomass is harmless to the environment and it is a fuel which can be used to produce energy and valuable chemicals, thus contributing to the socioeconomical development.Gasification is basically combusting a fuel with air which is less than stoichiometric amount, in a way, to supply the energy needed for pyrolysis from itself. Fixed bed gasifiers are easy to operate, reliable, and suitable for small scale energy production. Although used for many years, due to its dfficulty, there is not a kinetic model available in the literature describing a throated-down-draft gasifier completely.Within the context of this thesis, work has been undertaken on kinetic modeling of an imbret gasifier which is throated and it has 5 injection points just above the throat. Transient transport of a reacting solid-gas, two-phase mixture has been modeled mathematically. Downdraft gasification is a complex system with many variables and, thus, is difficult to describe. This is the first time a throated gasifier has been modeled as realistically as possible. The modeling work where transport, kinetic and auxilliary quations are solved via a variety of numerical methods, has been validated experimentally using a 10 kW gasifier.The real geometry of the experimental gasifier has been used in the model. The modeling and experimental results were found to be in agreement. The fact that the combustion zone is throated contributed to better distribution of heat and reduced heat loss. It has been seen that a stratified gasifier with the same hearth dimensions had % 24.5 less gas production than a throated gasifier. It is possible to apply the model produced in this work to other geometries. 116

Makine öğrenmesi (ML), araştırmacılara güçlü hesaplama araçları sunarak bilimin birçok alanında benzersiz veri odaklı çözümler yaratmalarının yolunu açmaktadır. Özellikle `ilgili girdi ve çıktı verilerinin toplanarak ve ML algoritmalarının sayesinde altında yatan sürecin keşfedilmesi` yaklaşımı, araştırmacıların kendi alanlarında geleneksel analitik ve/veya numerik yaklaşımların sahip olduğu sınırlamaların üstesinden gelmelerini sağlamıştır. Biyokütle gazlaştırmasıdır da bu süreçlerden biridir. Biyokütle gazlaştırması, biyolojik atık ve benzeri yenilenebilir enerji kaynaklarını kullanma kabiliyeti nedeniyle umut verici bir enerji üretim sürecidir. Bu tezde, biyokütle gazlaşmasının sahip olduğu zorluklar ML perspektifinden ele alınmıştır. İlk olarak, katı yakıtları optimum kullanımlarına ayırmak için ML sınıflandırıcıları kullanılarak hiyerarşik bir sınıflandırma yapısı geliştirilmiştir. Bu yapıda, 92% ve üzeri sınıflandırma doğruluğu elde edilmiştir. İkinci olarak, ML regresyon teknikleri deneysel olarak toplanan bir veri setine uygulanmış ve performansları k-katlı çapraz geçerlik yöntemiyle değerlendirilmiştir. Yapay sinir ağları ve karar ağacı regresyonu, çıktıların çoğunluğu için R2>0.9'a ulaşarak literatürdeki diğer modelleme yaklaşımlarından daha iyi performans göstermiştir. Son olarak, biyokütle gazlaştırma sürecinde bir zaman serisi modelleme yaklaşımı uygulanmış ve tüm çıktılar için R2 > 0.98 elde edilmiştir. Ayrıca, bir model tahmini kontrolör, biyokütle gazlaştırma işleminin çıkış konsantrasyonlarını kontrol etmek amacıyla tasarlanmıştır. Tasarlanmış MPC pratik senaryolarda test edilmiş ve tüm senaryolar için tatmin edici bir performans sergilemiştir. Aynı zamanda pratik deneysel verilere yüksek uyum göstererek pratik kullanılabilirlik potansiyelini daha da güçlendirmiştir. Machine learning (ML) has been paving the way for researchers to create unique data-driven solutions in many areas of science by offering a strong set of computational tools. Especially the `collecting related input and output data and letting ML algorithms try to discover the underlying phenomenon` approach enabled researchers to overcome severe limitations of conventional analytical and/or numeric approaches in their respective fields. One such phenomenon is the biomass gasification. Biomass gasification is a promising power generation process due to its ability to utilize waste materials and similar renewable energy sources that is highly open to ML augmentation due to its complex and unpredictable nature. In this thesis, challenges of the biomass gasification are undertaken from ML perspective. Firstly, a hierarchical classification framework is developed by employing ML classifiers to distinguish solid fuels for their optimal use. With this framework, over 92% classification accuracy is obtained. Secondly, ML regression techniques are applied on an experimentally collected data set. Performances of the proposed regression models are evaluated with k-fold cross validation. artificial neural networks and decision tree regression outperformed other modeling approaches in the literature by achieving R2 > 0.9 for the majority of outputs. Lastly, a time series modeling approach is implemented on biomass gasification process and R2 > 0.98 for all outputs is achieved. Furthermore, a model predictive controller (MPC) is designed to control output concentrations of the biomass gasification process. Designed MPC is challenged in practical scenarios. MPC showed satisfactory performance for all scenarios and also showed high compliance with the experimental data which further strengthened its practical usability potential. 106

Tarihinde başkentlik ya da önemli bir ticaret şehri durumu söz konusu olan kentler kendilerine özgü yapısal olarak karmaşık bir duruma sahiptir. Eğer tarihi kent merkezi ticari olarak faaliyet göstermişse, yüzyıllar boyu bir çok sosyal, kültürel, çevresel ve ekonomik etmenlere maruz kalmıştır. Bu durum politik, kamusal ve mimari gibi güçlü ve önemli bağlamlarda etkiler yaratır. Bu bağlamlar beraber düşünülemese de tarihi kent merkezlerinin sürdürülebilir bir geleceği için birlikte analiz edilmelidir ve incelenmelidir. Kemeraltı-İzmir de bir tarihi şehir merkezi olarak bu tarihsel süreçlere ve bahsedilen bağlamlardaki kendine özgü sorunlu konulara maruz kalmıştır. Bu çalışma tarihi kent merkezlerindeki kentsel koruma ve dönüşüm boyutlarını İzmir'deki Kemeraltı bölgesini inceleyerek açıklamayı amaçlamaktadır. İzmir Büyükşehir Belediyesi bahsedilen bölgelerle ilgili olarak kendi çalışmaları sonucunda büyük ölçekte kentsel dönüşüm projeleri oluşturmuştur. Bölge, daha iyi anlamak ve çalışmak amacıyla, fonksiyonlarına göre alt bölgelere ayrılmıştır. Bu tez, daha iyi kavranması amacıyla, konuya kentsel dönüşümün başlangıcı ve açıklamasıyla yaklaşacak ve Kemeraltı bölgesindeki durumları inceleyerek devam edecek, bu alandaki incelemeler de farklı bağlamlara ve tarihsel arkaplanına paralellik göstererek açıklama sağlayacaktır. Cities that have a history as a capital or an important trade center, has its own complex structure. If the historical city center was functionalized as a commercial district, it has been experienced social, cultural, environmental and economical subjects throughout centuries. This situation creates strong impacts as newly created contexts likewise political, public and architectural. These contexts generally not thought together, but they should be analyzed and investigated together for a sustainable future for the historical city centers. As a historical city center, Kemeralti-Izmir went through those historical influences and it has its own problematic courses within those contexts. This study aims to explain urban conservation contexts in historical city centers with analyzing the Kemeralti district in Izmir. Izmir Metropolitan Municipality plans large plotted urban regeneration projects for the certain are that they formed as a result of their examinations. The area separated sub areas according to their functions for better understanding and planning. This paper will approach to the case from the beginning and explaining urban regeneration for better understanding, also continue with the Kemeralti districts specific cases; examination of the area will be also parallel to its different contexts and historical background. 196