Tez No	İndirme	Tez Künye	Durumu
181811		Yapay sinir ağı ve bulanık mantık tabanlı algoritmalar ile uçucu organik bileşiklerin miktarsal tayini / Quantitative determination of volatile organic compounds by using artificial neural network and fuzzy logic based algorithm Yazar:ALİ GÜLBAĞ Danışman: Y.DOÇ.DR. FEVZULLAH TEMURTAŞ Yer Bilgisi: Sakarya Üniversitesi / Fen Bilimleri Enstitüsü / Elektrik-Elektronik Mühendisliği Ana Bilim Dalı Konu:Elektrik ve Elektronik Mühendisliği = Electrical and Electronics Engineering ; Kimya = Chemistry Dizin:	Onaylandı Doktora Türkçe 2006 164 s.
Bazı uçucu organik bileşiklere belirli seviyelerin üzerinde maruz kalındığında insansağlığı ve çevre açısından tehlike arz ettiği bilinmektedir. Bu uçucu organikbileşikler esasen aromatikler, alifatikler, ketonlar, klorlu bileşikler ve alkoller olarakgruplandırılmaktadır. Adı geçen grupları temsilen bu tezde aromatiklerden benzen,alifatiklerden hekzan, ketonlardan aseton, klorlu bileşiklerden trikloretilen vealkollerden metanol seçilmiştir. Kuartz kristal sensörlerden oluşan bir sensör dizisikullanılarak seçilen gazların değişik ikili karışımlarının konsantrasyona bağlı frekanscevapları ölçülmüştür. Bu sensörler, kuartz kristallerin yüzeyleri uçucu organikbileşiklere duyarlı olan ftalosiyanin ve oksim maddeleriyle kaplanarak hazırlanmıştır.Ölçümler sonucunda elde edilmiş frekans cevapları, farklı tipte yapay sinir ağları(YSA) ve uyarlamalı sinirsel bulanık çıkarım sistemleri (Adaptive Neuro FuzzyInference Systems-ANFIS) ile ikili gaz karışımlarının sınıflandırılması ve miktarsaltayini için kullanılmıştır. Bu amaçla ölçümler sonucu elde edilen frekans cevaplarıgeçici ve sürekli hal cevapları olarak gruplandırılmıştır. Geçici hal cevaplarınınsınıflandırma ve miktarsal tayin için kullanılmasında zaman gecikmeli YSAyapılarının yanı sıra, ayrıca cevapların eğim bilgisini de içeren ileri beslemeli YSAyapıları da uygulanmıştır. Sürekli hal cevapları kullanılarak gerçekleştirilensınıflandırma ve miktarsal tayin için ise ileri beslemeli YSA, radial temelli YSA veANFIS kullanılmıştır. YSA'ların eğitilmesinde geri yayılım ve sezgisel ve ileriseviyeli algoritmalar, ANFIS'in eğitilmesinde ise en küçük kareler yöntemi ve geriyayılım algoritması kullanılmıştır. Ayrıca, sürekli hal cevapları kullanılarak yedifarklı çeşit ikili gaz karışımının niteliksel sınıflandırılması olasılıksal sinir ağları(Probabilistic Neural Network-PNN) ve niceliksel sınıflandırılması ileri beslemeliağlar yardımıyla gerçekleştirilmiştir. Sonuç olarak, tezde kullanılmış olan YSAtipleri ve ANFIS uygulamalarının gazların sınıflandırılması ve miktarsal tayinindeyüksek performans sergilediği gözlenmiştir.
It?s widely known that some volatile organic compounds (VOCs) exposed more thanspecific levels have harmful effects on human health and environment.Fundamentally, these VOCs are grouped as aromatics, aliphatics, ketones,chlorinated compounds and alcohols. In this thesis, for representation of expressedgroups, benzene in aromatics, hexane in aliphatics, acetone in ketones,trichloroethylene in chlorinated compounds and methanol in alcohols were selected.The frequency responses versus concentration for the various mixtures of theselected gases were measured by using a sensor array composed of quartz crystalresonators (QCRs). These sensors were produced by coating their surfaces withphthalocyanines and oximes which were sensitive to the VOCs. Frequency responsesthat were obtained through measurements were used for classification andquantification of binary gas mixtures performing different kinds of artificial neuralnetworks (ANNs) and adaptive neuro-fuzzy inference systems (ANFIS). For thispurpose, frequency responses that were obtained through measurements weregrouped as the steady state and transient responses. In the using of the transientresponses for the classifications and quantifications, besides the time tapped delayANN, the feed-forward ANN that also takes account of responses? slope data, wereapplied. And, in the performing of the steady state responses for the classificationsand quantifications, the feed-forward ANN, radial based ANN and ANFIS wereused. In the training of the ANNs, the back propagation and heuristic algorithms, andin the training of ANFIS, the least squares method and back propagation algorithmwere performed. Furthermore, the qualitative classifications of seven different typesof binary gas mixtures were realized by using probabilistic neural network (PNN)and feed-forward ANN with the steady state responses. Consequently, it wasobserved that ANN types and ANFIS applications used in this thesis have shownhigh performance for classification and quantification of gases.