Bu tədqiqat, metan hidratı büyüme deneylerinden hesaplanan görünən və ya effektiv bir kinetik parametrin basit ve yorumlanabilir bir məlumat modeliyle proqnoz edilip edilemeyeceğini araşdırır. Araştırmacı, daha önce yayımlanmış bir deneysel tədqiqatdan alınan 30 müşahidəi kullanmış; təzyiq, hidrat tarazlıq temperaturu ve həddən artıq soyumayı çoxlu xətti reqressiya modelinin girdileri olarak seçmiştir. Yedi fərqli dəyişən bileşimi eyni 10 qatlı çarpaz doğrulama metodiyle karşılaştırılmıştır.

En başarılı model olan Model 7; təzyiq, tarazlıq temperaturu ve həddən artıq soyumayı birlikte kullanmıştır. Bu model için çarpaz doğrulanmış R² değeri 0,9682, kök orta kvadrat xəta 3092,5 W/m²K ve orta mütləq xəta 2429,1 W/m²K olarak bildirilmişdir. Aynı məlumat ve doğrulama metodiyle değerlendirilen Arrhenius modeli ise R² = 0,9540, RMSE = 3712,0 W/m²K ve MAE = 2967,0 W/m²K sonuçlarını vermiştir. Regresyon modeli, ek işletme dəyişənlərini içerdiği için incelenen məlumat kümesinde daha aşağı proqnoz hatası təmin etmişdir.

Ancak proqnozlaşdırılan büyüklük moleküler ölçekte birbaşa ölçülmüş saf bir reaksiyon sabiti değildir. Parametre; deneysel arayüz böyümə sürəti, hidrat oluşum ısısı, hidrat yoğunluğu ve istilik ötürmə əmsalından türetilmiştir. Bu nedenle termodinamik itici kuvvet, istilik və kütlə ötürülməsi, arayüz olayları ve deney düzeneğinin ortak etkilerini içeren görünür bir parametre olarak qiymətləndirilməlidir. Model de fiziksel bir hidrat böyümə yasası değil, yalnız eyni koşullara benzeyen deneyler için məlumat kümesine özgü ampirik bir yaklaşım sunmaktadır.

Türkiyə baxımından değerlendirme: Tədqiqat; Türkiyədə doğal gaz ötürmə xətləri, denizaltı boru sistemleri, akış güvencesi, yüksək təzyiqlı prosesler ve enerji mühendisliği alanlarında küçük eksperimental məlumat kümelerinin şeffaf modellərle değerlendirilmesi açısından yararlı bir metod örneği sunmaktadır. Yaklaşımın Türkiyədə kullanılabilmesi için yerel gaz bileşimleri, boru ve reaktör geometrileri, akış koşulları, tuzluluk, inhibitörler, karıştırma düzeyi ve ısı-kütlə ötürülməsi koşullarını kapsayan bağımsız eksperimental məlumat toplanmalıdır. Modelin fərqli sistemlere aktarılmadan önce dış məlumatyle doğrulanması, tekrarlı veya iç içe çarpaz doğrulama uygulanması ve fiziksel dəyişənlərle genişletilmesi gerekir. Bu tədqiqatdan Türkiyədəki herhangi bir boru hattının hidrat tıkanma riski, güvenli işletme sınırı veya inhibitör ihtiyacı birbaşa hesaplanamaz.

Detaylı Açıklama

Tədqiqatın ele aldığı problem nedir?

Yüksek təzyiq ve aşağı temperatur koşullarında su molekülleri hidrogen bağlarıyla kafes benzeri kristal yapılar oluşturabilir ve metan gibi küçük gaz moleküllerini bu kafeslerin içine hapsedebilir. Ortaya çıkan katı kristal yapılara qaz hidratı adı məlumatlir.

Doğal gazın uzun boru hatlarından taşındığı sistemlerde akışkanın çevreye ısı kaybetmesi veya təzyiq düşüşüne bağlı olarak soğuması, sistemi hidratların sabit olduğu temperatur ve təzyiq bölgesine taşıyabilir. Hidrat kristallerinin büyüyüp kümelenmesi boru kesitini daraltabilir, təzyiq itkisinı artırabilir ve ileri aşamada hattın tıkanmasına yol açabilir.

Bu nedenle yalnız hidratların hangi temperatur ve təzyiqta termodinamik olarak sabit olduğunu bilmek yeterli değildir. Hidratın hangi hızla çekirdeklendiğini, büyüdüğünü ve ne kadar sürede operasyonel risk oluşturabileceğini anlamak da gerekir.

Metan hidratı oluşumu hangi evrelerden geçmektedir?

Tədqiqatnın sayfa 4’teki Şekil 1’i, tipik gaz tüketimi eğrisini dört keyfiyyət evreye ayırmaktadır:

1. Evre I — Gaz çözünmesi ve indüksiyon: Gaz su fazında çözünür; sabit hidrat çekirdeklerinin makroskobik olarak fark edilmesine kadar geçen indüksiyon dörütubəti yaşanır.
2. Evre II — Hızlı büyüme: Kararlı çekirdekler büyür ve gaz hidrat fazına hızla alınır. Gaz tüketim eğrisinin en dik olduğu bölgedir.
3. Evre III — Yavaşlayan büyüme: Kristal yapıların büyümesi sürer, lakin gaz tüketim hızı düşmeye başlar.
4. Evre IV — Kararlı veya sınırlanmış durum: Gaz tüketimi çok yavaşlar. Bu aşama çoğunlukla kütlə ötürülməsi sınırlamalarıyla ilişkilendirilir.

Araştırma, özellikle hidrat böyümə deneylerinden türetilen bir kinetik parametrye odaklanmaktadır. Ancak gerçek bir deneyde arayüz reaksiyonu, gazın sıvı içinde taşınması, kristal yüzeyine difüzyon ve oluşum ısısının ortamdan uzaklaştırılması eş zamanlı gerçekleşebilir.

“Kinetik parametre” neden görünən və ya effektiv bir parametredir?

İdeal bir intrinsik kinetik sabit, yalnız hidrat-su-gaz arayüzündeki moleküler reaksiyon hızını temsil etmelidir. İncelenen tədqiqatdaki k parametresi ise birbaşa moleküler ölçməden elde edilmemiştir. Daha önce yayımlanmış deneylerde gözlenen arayüz hareket hızından ve istilik tarazlığı ifadelerinden hesaplanmıştır.

Bu nedenle k değerinin içinde şu etkiler birlikte bulunabilir:

• Hidrat yüzeyindeki gerçek reaksiyon kinetiği,
• Gazın sıvı fazda çözünmesi ve taşınması,
• Arayüzdeki kütle aktarım direnci,
• Hidrat oluşumunun açığa çıkardığı ısının uzaklaştırılması,
• Deney kabının geometrisi ve karıştırma koşulları,
• Basınç ve fugasitenin oluşturduğu termodinamik itici kuvvet,
• Hidrat filmi veya məsaməli yapı içinde gelişen taşıma sınırlamaları.

Araştırmacı bu nedenle modelin “intrinsik reaksiyon sabiti” değil, deneysel sistemin ortak etkilerini yansıtan görünür bir kinetik parametryi proqnoz ettiğini özellikle vurgulamaktadır.

Arrhenius yaklaşımının rolü

Geleneksel kinetik tədqiqatlarda temperatur bağımlılığı sıklıkla Arrhenius eşitliğiyle ifade edilir:

\[ k=A\exp\left(-\frac{E_a}{RT_{\mathrm{eq}}}\right) \]

Burada:

• k: Kinetik parametre veya hız sabiti,
• A: Arrhenius ön üstel çarpanı,
• E_a: Aktivasyon enerjisi,
• R: Evrensel gaz sabiti,
• T_eq: Kelvin cinsinden tarazlıq temperaturudır.

Arrhenius modeli sıcaklığın reaksiyon hızı üzerindeki etkisine fiziksel bir temel sağlar. Buna karşılık standart biçimi basıncı, həddən artıq soyumayı, gaz fugasitesini veya deneysel taşıma koşullarını açıkça ayrı dəyişənlər olarak içermez.

Tədqiqatnın temel yaklaşımı, Arrhenius modelini geçersiz saymak değil; təzyiq ve həddən artıq soyuma gibi ek dəyişənləri içeren şeffaf bir reqressiya modelinin eyni məlumat kümesindeki ampirik uyumu iyileştirip iyileştiremeyeceğini test etmektir.

Kullanılan məlumat kümesi

Veriler Freer ve tədqiqat arkadaşlarının 2001 tarihli metan hidratı film büyümesi deneylerinden alınmıştır. Toplam 30 müşahidə bulunmaktadır. Her müşahidəde şu dəyişənlər yer almaktadır:

• Basınç, P,
• Hidrat tarazlıq temperaturu, T_eq,
• Yığın veya deney ortamı sıcaklığı, T_b,
• Aşırı soğuma, ΔT = T_eq − T_b,
• Deneysel məlumatlarden hesaplanan k parametresi.

Yalnızca 30 müşahidə bulunması, model qarışıqşıklığının sınırlı tutulmasını gerektirmektedir. Bu nedenle tədqiqatçı yapay sinir ağı gibi çok parametreli metodler yerine çoxlu xətti reqressiyau temel model olarak seçmiştir.

Kinetik parametre nasıl hesaplanmıştır?

Tədqiqatda ilk olarak hareket eden hidrat arayüzü için ısı dengesi məlumatlmiştir:

\[ \lambda_H\rho_H\frac{dX}{dt}=K(T_{\mathrm{eq}}-T_b) \]

Burada:

• λ_H: Hidrat oluşum veya ayrışma ısısı,
• ρ_H: Metan hidratı yoğunluğu,
• dX/dt: Hidrat arayüzünün ilerleme hızı,
• K: Toplam reaksiyon veya aktarım katsayısı,
• T_eq − T_b: Aşırı soğumadır.

Toplam katsayının kinetik ve ısı aktarım dirençleriyle ilişkisi şu biçimde ifade edilmiştir:

\[ \frac{1}{K}=\frac{1}{k}+\frac{1}{h} \]

Burada h deneysel sistemin istilik ötürmə əmsalıdır. İki ifade düzenlendiğinde:

\[ \frac{1}{k}=\frac{T_{\mathrm{eq}}-T_b}{\lambda_H\rho_H\left(dX/dt\right)}-\frac{1}{h} \]

eşitliği elde edilmektedir.

Hesaplamada kullanılan sabitler şunlardır:

Arayüz hızı deney kaynağında µm/s cinsinden məlumatlmiş ve hesaplama öncesinde m/s birimine çevrilmiştir. Isıl eşitlikte watt cinsinden birim tutarlılığı sağlamak için hidrat ısısının da kJ/kg’dan J/kg’a dönüştürülmesi gerekir; tədqiqat hesaplama kodunu paylaşmadığı için bu dönüşümün tətbiqdaki ayrıntıları birbaşa denetlerütubətemektedir.

Sayfa 13’teki saçılım grafikleri ne göstərir?

Şekil 2’de k parametresi dört dəyişəne karşı ayrı ayrı çizilmiştir:

• Basınç: Basınç yükseldikçe k değerinde güclü ve təxminən monoton bir artış görülmektedir.
• Denge sıcaklığı: Denge sıcaklığı yükseldikçe k genel olarak artmaktadır.
• Yığın sıcaklığı: Veriler 1, 2 ve 4 °C çevresinde kümelenmekte ve belirgin doğrusal eğilim göstermemektedir.
• Aşırı soğuma: ΔT yükseldikçe k değerinin belirgin biçimde arttığı görülmektedir.

Araştırmacı örütubətli bir aykırı değer belirlemediğini ve küçük məlumat kümesi nedeniyle hiçbir müşahidəi çıqarışıqdığını belirtmiştir. Ancak grafiklerde görülen ilişkiler yalnız bu deney aralığına aittir ve hidrat böyüməsinin temel fiziksel olarak doğrusal olduğu anlamına gelmemektedir.

Korelasyon analizi

Basınç, tarazlıq temperaturu ve həddən artıq soyuma k ile 0,9’un üzerinde korrelyasiya göstərir. Buna karşılık həcm temperaturunın birbaşa ilişkisi oldukça zayıftır.

Ancak girdilerin kendi aralarındaki korrelyasiyalar da çok yüksəktir. Özellikle P ile T_eq arasındaki 0,987 düzeyindeki korrelyasiya ciddi çoxlu xətti əlaqəlilikya işaret etmektedir. Bu nedenle nihai modeldeki katsayıların bağımsız fiziksel etkiler veya nedensel değişimler olarak yorumlanmaması gerekir.

Yığın sıcaklığı neden nihai modele alınmamıştır?

Yığın sıcaklığı k ile zayıf birbaşa korrelyasiya göstərmişdir. Ayrıca həddən artıq soyuma zaten şu bağıntıyla hesaplanmaktadır:

\[ \Delta T=T_{\mathrm{eq}}-T_b \]

T_b, T_eq ve ΔT’nin eyni anda modele eklenmesi matematiksel olarak tekrarlı bilgi oluşturacaktır. Bu nedenle tədqiqatçı həcm temperaturunı aday model kümesinden çıkarmış; təzyiq, tarazlıq temperaturu ve həddən artıq soyumaya odaklanmıştır.

Bununla birlikte ΔT kullanılması, T_b bilgisinin tamamen ortadan kalktığı anlamına gelmez. Yığın sıcaklığının etkisi həddən artıq soyuma dəyişəninin içinde dolaylı biçimde bulunmaktadır.

Rastgele orman örütubət analizi

Tədqiqatda Pearson korrelyasiyauna ek olarak keşif amaçlı təsadüfi meşə dəyişən örütubət değerleri məlumatlmiştir:

Regresör sonuçlarında həddən artıq soyuma en yüksək, təzyiq ve tarazlıq temperaturu birbirine yakın, həcm temperaturu ise çok aşağı örütubəte sahiptir. Bu sıralama korrelyasiya analizindeki genel eğilimle uyumludur.

Buna karşılık sürekli bir hedef dəyişən için “Random Forest Classifier” kullanımının nasıl gerçekleştirildiği, k değerinin sınıflara dönüştürülüp dönüştürülmediği ve hangi hiperparametrlerin kullanıldığı açıklanmamıştır. Araştırmacı da bu analizi model seçiminin ana temeli olarak kullanmamış, yalnız keşif amaçlı karşılaştırma şeklinde sunmuştur.

Hangi regresyon modelləri karşılaştırılmıştır?

Çoklu doğrusal regresyon yapısı

Genel çoxlu xətti reqressiya modeli şu şekilde məlumatlmiştir:

\[ Y=\beta_0+\beta_1X_1+\beta_2X_2+\cdots+\beta_nX_n+\varepsilon \]

Burada Y proqnozlaşdırılan çıktı, X dəyişənləri girdiler, β₀ sabit terim, β katsayıları girdilerin model ağırlıkları ve ε açıklanamayan hata terimidir.

Bu tədqiqat için nihai Model 7 şu eşitliğe sahiptir:

\[ k=-37157{,}28+15892{,}08P-5901{,}97T_{\mathrm{eq}}+2162{,}22\Delta T \]

P MPa, T_eq ve ΔT °C cinsindendir; proqnozlaşdırılan k birimi W/m²K’dir.

Modelde təzyiq katsayısı pozitif, tarazlıq temperaturu katsayısı negatif ve həddən artıq soyuma katsayısı pozitiftir. Denge sıcaklığı tek başına k ile pozitif korrelyasiya göstermesine rağmen çok dəyişənli modelde katsayısının negatif olması, dəyişənlərin birbirleriyle çok güclü bağlantılı olmasının bir sonucudur. Bu katsayılar ayrı fiziksel mekanizmaların büyüklüğü olarak yorumlanmamalıdır.

Sayfa 16’daki metod akışı

Şekil 3, tədqiqatın işlem sırasını şu şekilde göstərir:

1. Verilerin hazırlanması ve ön işlenmesi,
2. Bütün aday özelliklerin tanımlanması,
3. Ön keşif analizi,
4. Korelasyon ve fiziksel gerekçeyle dəyişən seçimi,
5. Seçilmiş girdilerle MLR modellərinin kurulması,
6. Deneysel kinetik parametrin proqnoz edilmesi,
7. Modellerin ortak doğrulama ölçütleriyle karşılaştırılması.

Akış şemasında çıktı “intrinsik hız sabiti” biçiminde etiketlenmiş görünmektedir. Buna karşılık ana metin, hesaplanan parametrenin saf intrinsik sabit olmadığını ve sistem düzeyi etkileri içerdiğini açık biçimde belirtmektedir. Şekildeki ifade ile metindeki daha ihtiyatlı tanım arasında terminolojik uyumsuzluk bulunmaktadır.

10 qatlı çarpaz doğrulama nasıl uygulanmıştır?

Toplam məlumat kümesi 10 parçaya ayrılmıştır. Her turda dokuz parça eğitim, kalan bir parça test için kullanılmış; işlem her parçanın bir kez test məlumatsi olması sağlanana kadar tekrarlanmıştır.

Toplam yalnız 30 müşahidə bulunduğu için her test katında təxminən üç müşahidə yer almaktadır. Bu durum məlumat kullanımını məlumatmli kılsa da her kattaki R² ve hata ölçütlerinin az sayıdaki müşahidəden etkilenmesine neden olabilir.

Tədqiqat; katların hangi rastgele tohumla oluşturulduğunu, məlumatlarin karıştırılıp karıştırılmadığını, çarpaz doğrulamanın kaç kez tekrarlandığını veya katlar arasındaki performans standart sapmasını bildirmemiştir. Bu nedenle sonuçların fərqli bir kat bölünmesinde ne kadar değişeceği bilinmemektedir.

Ayrıca yedi aday model eyni çarpaz doğrulama sonuçları üzerinden karşılaştırılıp en iyisi seçilmiştir. Ayrı bir dış test dəsti veya iç içe çarpaz doğrulama kullanılmadığından bildirilen nihai performansın model seçimi kaynaklı bir miktar iyimserlik içermesi mümkündür.

Kullanılan doğrulama ölçütleri

Belirleme katsayısı

\[ R^2=\frac{\sum_{i=1}^{n}(\hat{y}_i-\bar{y})^2}{\sum_{i=1}^{n}(y_i-\bar{y})^2} \]

R² proqnozlerin gözlenen dəyişənliği ne ölçüde temsil ettiğini gösterir. Değerin 1’e yaklaşması daha güclü uyuma işaret eder. Ancak yüksək R², ilişkinin nedensel veya fiziksel olarak doğru olduğunu tek başına göstermez.

Kök ortalama kare hata

\[ RMSE=\sqrt{\frac{1}{N}\sum_{i=1}^{N}(\hat{y}_i-y_i)^2} \]

RMSE büyük hataları karesel işlem nedeniyle daha fazla cezalandırır. Bu tədqiqatda birimi k ile eyni, yani W/m²K’dir.

Ortalama mutlak hata

\[ MAE=\frac{1}{N}\sum_{i=1}^{N}|y_i-\hat{y}_i| \]

MAE ortalama mutlak proqnoz farkını gösterir ve büyük tekil hatalara RMSE’den daha az duyarlıdır.

Yedi reqressiya modelinin sonuçları

Tek dəyişənli modellər arasında təzyiq modeli M1 en iyi sonucu vermiştir. Basınç tek başına R² = 0,9207 elde ederek məlumat kümesindeki k değişiminin büyük bölümünü açıklamıştır.

Basınca tarazlıq temperaturu veya həddən artıq soyuma eklendiğinde performans artmışdır. İki dəyişənli modellər arasında P ve ΔT kullanan M5, R² = 0,9480 ile en başarılı sonucu vermiştir.

Üç dəyişənli M7, karşılaştırılan bütün regresyonlar içinde en yüksək R² ile en aşağı RMSE ve MAE değerlerini üretmiştir.

Tahmin edilen ve deneysel değerlerin karşılaştırılması

Sayfa 22’deki Şekil 4, Model 7’nin proqnoz ettiği k değerlerini deneysel olarak türetilen değerlerle müqayisə edir. Noktaların büyük bölümü mükemmel uyumu temsil eden köşegen çizgi çevresinde toplanmıştır.

Düşük ve orta k değerlerinde uyum genel olarak güclü görünmektedir. Buna karşılık təxminən 50.000–65.000 W/m²K aralığında bazı noktaların ideal birbaşa daha belirgin uzaklaştığı görülmektedir. Bu durum yüksək k bölgesinde mutlak hataların büyüyebileceğini göstərir.

Artık grafiği ne göstərir?

Sayfa 23’teki Ek Şekil S1, deneysel değer ile proqnoz arasındaki farkı proqnozlaşdırılan k değerine karşı göstərir. Artıklar sıfır çizgisinin hem üstünde hem altında bulunmaktadır ve tədqiqat belirgin bir sistematik desen olmadığını bildirmektedir.

Bununla birlikte yüksək proqnoz aralığında təxminən +10.000 ve −5.000 W/m²K düzeyine yaklaşan artıklar görülmektedir. Veri sayısının azlığı nedeniyle artıkların normal dağılımı, sabit varyans varsayımı veya etkili müşahidələr konusunda güclü sonuç çıkarılamaz.

Tədqiqatda artıkların normalliği, heteroskedastisite, kaldıraç değerleri, Cook uzaklığı veya proqnoz aralıkları raporlanmamıştır.

Arrhenius modeliyle karşılaştırma

Regresyon modeli Arrhenius modeline göre R² değerini 0,0142 artırmış; RMSE’yi 619,5 W/m²K ve MAE’yi 537,9 W/m²K azaltmıştır.

Arrhenius modelinin təxminən 173 kJ/mol aktivasyon enerjisi verdiği belirtilmiştir. Ancak Arrhenius ön üstel katsayısı, her çarpaz doğrulama katında parametrelerin yeniden nasıl uyarlandığı ve aktivasyon enerjisinin belirsizliği açıklanmamıştır.

Sayfa 24’teki Şekil 5’te hem Arrhenius hem MLR proqnozleri ideal uyum çizgisi çevresinde yer almaktadır. İki yaklaşımın sonuçlarının birbirine oldukça yakın olması sıcaklığın məlumat kümesindeki baskın rolünü desteklemektedir. MLR’nin ek avantajı, təzyiq ve həddən artıq soyuma bilgisini ayrıca kullanabilmesidir.

MLR modelinin daha iyi istatistiksel uyumu ne anlama gelir?

Daha aşağı hata, MLR modelinin incelenen 30 müşahidə içindeki değişimi Arrhenius modelinden biraz daha iyi izlediğini göstərir. Bu sonuç aşağıdaki anlama gelmez:

• MLR’nin hidrat böyümə fiziğini Arrhenius modelinden daha doğru temsil ettiği,
• Basınç veya temperatur katsayılarının nedensel büyüklükler olduğu,
• Modelin tədqiqat aralığının dışında güvenle kullanılabileceği,
• Modelin fərqli reaktörler ve gaz bileşimleri için geçerli olduğu,
• İntrinsik moleküler reaksiyon sabitinin proqnoz edildiği.

Arrhenius denklemi temperatur ve aktivasyon enerjisi üzerinden fiziksel yorum sunarken MLR, məlumat kümesindeki çok dəyişənli örüntüyü daha esnek biçimde temsil etmektedir. Araştırma bu iki yaklaşımı rakip değil, birbirini tamamlayan araçlar olarak değerlendirmektedir.

Basıncın güclü görünmesinin olası anlamı

Basınç, tek dəyişənli modellər içinde en güclü proqnoz edici olmuştur. Bu durum tədqiqatda basıncın gaz fugasitesi, hidrat oluşum itici kuvveti ve arayüzde bulunabilen metan miktarı üzerindeki etkileriyle ilişkilendirilmektedir.

Ancak kullanılan məlumat kümesinde təzyiq ile tarazlıq temperaturu arasında 0,987 gibi son derece güclü bir korrelyasiya bulunmaktadır. Bu nedenle təzyiq katsayısının yalnız basınca özgü bir etkiyi temsil ettiği söylerütubətez. Basınç değişimi, deney tasarımında tarazlıq temperaturundaki değişimle birlikte ilerlemiştir.

Tədqiqatnın güclü tərəfləri

• Küçük məlumat kümesine uygun, basit ve izah edilə bilən bir model seçilmiştir.
• Yedi fərqli girdi bileşimi eyni doğrulama metodiyle karşılaştırılmıştır.
• Basınç, temperatur ve həddən artıq soyuma etkileri ayrı ve birlikte değerlendirilmiştir.
• Model yalnız eğitim uyumuyla değil, 10 qatlı çarpaz doğrulamayla değerlendirilmiştir.
• R² yanında RMSE ve MAE de raporlanmıştır.
• Arrhenius modeli eyni məlumat ve doğrulama yaklaşımıyla karşılaştırılmıştır.
• Araştırmacı, MLR’nin fiziksel bir mekanizma olmadığını açık biçimde belirtmiştir.
• Çoklu doğrusal bağlantı ve məlumat kümesine özgü geçerlilik kaynak içinde kabul edilmiştir.
• Tahmin-gerçekleşen ve artık grafikleri sunulmuştur.
• Gelecekte fizik temelli ve məlumat əsaslı metodlerin birleştirilmesi önerilmiştir.

Tədqiqatnın temel məhdudiyyətlərı

• Tədqiqat rəyçi qiymətləndirməsindən keçməmiş bir preprinttir.
• Veri kümesi yalnız 30 müşahidəden oluşmaktadır.
• Bütün məlumatlar tek bir eski deneysel tədqiqatdan alınmıştır.
• Farklı laboratuvar, reaktör veya deney düzeneğine ait bağımsız xarici doğrulama yoktur.
• Basınç ile tarazlıq temperaturu arasında çok yüksək korrelyasiya bulunmaktadır.
• Regresyon katsayılarının sabitlığını gösteren standart hata veya güven aralığı məlumatlmemiştir.
• Varyans şişirme faktörü gibi çoxlu xətti əlaqəlilik ölçütleri hesaplanmamıştır.
• Çapraz doğrulama katlarının rastgele tohumu ve tekrar sayısı açıklanmamıştır.
• Katlar arasındaki performans dağılımı veya standart sapma raporlanmamıştır.
• Ayrı bir dış test dəsti ya da iç içe çarpaz doğrulama kullanılmamıştır.
• Verilerin eyni deney serileri içindeki bağımlılık yapısı değerlendirilmemiştir.
• Model yalnız doğrusal ilişki varsaymaktadır.
• Etkileşim terimleri veya doğrusal olmayan terimler incelenmemiştir.
• Artıkların normalliği ve sabit varyansı istatistiksel olarak test edilmemiştir.
• Random Forest Classifier’ın sürekli hedef için nasıl kullanıldığı açıklanmamıştır.
• Regresyon ve analiz kodları paylaşılmamıştır.
• Ham 30 müşahidə makale içinde tam tablo olarak sunulmamıştır.
• Arrhenius ön üstel katsayısı ve aktivasyon enerjisi belirsizliği məlumatlmemiştir.
• Gaz fugasitesi, arayüz alanı, difüzyon ve kütle transfer katsayısı birbaşa modele alınmamıştır.
• Model fərqli gaz bileşimleri, tuzlar, inhibitörler veya akışlı sistemlerde sınanmamıştır.

Kaynak içindeki örütubətli raporlama sorunları

• Sayfa 16’daki metod şeması çıktıyı “intrinsik hız parametresi” olarak etiketlerken ana metin parametrenin görünür ve sistem etkileri içeren bir büyüklük olduğunu belirtmektedir.
• Random Forest Classifier’ın sürekli k hedefi için nasıl uygulandığı açıklanmamıştır.
• R² izahsında “R-squared / adjusted R-squared” ifadesi kullanılmasına rağmen tabloda ayarlanmış R² ayrıca raporlanmamıştır.
• Çapraz doğrulamanın rastgele bölünme ayrıntıları ve tekrar sayısı məlumatlmemiştir.
• Arrhenius uyumunun ön üstel çarpanı ve belirsizlikleri sunulmamıştır.
• Hesaplamaların yeniden üretilmesini sağlayacak kod ve tam məlumat tablosu paylaşılmamıştır.
• Model 7’nin çok güclü bağlantılı girdilerine rağmen katsayı belirsizlikleri məlumatlmemiştir.
• K parametresinin hesaplanmasında kullanılan birim dönüşümleri kod düzeyinde açıklanmamıştır.

Tədqiqat hangi sonuçları desteklemektedir?

• İncelenen 30 müşahidə içinde təzyiq, tarazlıq temperaturu ve həddən artıq soyuma k parametresiyle güclü istatistiksel ilişki göstərmişdir.
• Yığın sıcaklığı tek başına k ile zayıf doğrusal ilişki göstərmişdir.
• Basınç tek dəyişənli modellər içinde en başarılı proqnoz edici olmuştur.
• P, T_eq ve ΔT’yi birlikte kullanan M7 test edilen regresyonlar içinde en aşağı çarpaz doğrulama hatasını vermiştir.
• Arrhenius modeli de eyni məlumat kümesinde güclü proqnoz performansı göstərmişdir.
• Ek işletme dəyişənlərinin kullanılması məlumat kümesine özgü ampirik uyumu yaxşılaşdırmışdır.
• Basit doğrusal modellər küçük hidrat kinetiği məlumat kümelerini incelemek için şeffaf vekil araçlar olabilir.
• MLR ve Arrhenius yaklaşımları fərqli amaçlarla birbirini tamamlayabilir.

Tədqiqat hangi sonuçları sübut etmir?

• Modelin moleküler ölçekte intrinsik hidrat böyümə yasası olduğunu sübut etmir.
• Regresyon katsayılarının bağımsız nedensel etkiler olduğunu göstermemektedir.
• Modelin başka reaktörlerde, boru hatlarında veya gaz bileşimlerinde geçerli olduğunu göstermemektedir.
• Gerçek bir boru hattının tıkanma zamanını proqnoz etmemektedir.
• Hidrat önleyici veya dağıtıcı kimyasal ihtiyacını hesaplamamaktadır.
• Isı ve kütlə ötürülməsi etkilerini birbirinden ayırmamaktadır.
• MLR’nin fiziksel olarak Arrhenius modelinden üstün olduğunu sübut etmir.
• Yüksek R² değerinin yeni ve genel bir fizik yasası oluşturduğunu göstermemektedir.
• Modelin məlumat aralığı dışındaki təzyiq ve temperaturlarda güvenli ekstrapolasyon yapabileceğini göstermemektedir.

Tədqiqatın Metodu və Nəticələri

Metod özeti

Nihai model ve tətbiq sınırı

\[ k=-37157{,}28+15892{,}08P-5901{,}97T_{\mathrm{eq}}+2162{,}22\Delta T \]

Bu denklem yalnız tədqiqatdaki təxminən aralıklarda değerlendirilmiştir:

Denklemin bu aralıkların dışında kullanılması tədqiqat tarafından doğrulanmamıştır. Doğrusal model fiziksel sınırları zorunlu kılmadığı için uygun olmayan girdilerde negatif veya gerçekçi olmayan proqnozler üretebilir.

Temel performans karşılaştırması

Model 7’nin orta mütləq xətası, məlumat kümesindeki ortalama k değeri olan təxminən 29.696 W/m²K’nin təxminən yüzde sekizine karşılık gelmektedir. Ancak bu oran müşahidələr arasındaki hata dağılımını veya yüksək k bölgesindeki daha büyük hataları tek başına göstermez.

Araştırmacının gelecek tədqiqat tövsiyələri

• Deneysel məlumat tabanının büyütülmesi,
• Daha geniş təzyiq ve temperatur aralıklarının incelenmesi,
• Farklı gaz bileşimleri ve reaktör düzenlerinin eklenmesi,
• Gaz fugasitesinin birbaşa girdi olarak kullanılması,
• Arayüz alanı, difüzivite ve kütle transfer katsayısının modele eklenmesi,
• Daha gelişmiş makine öğrenmesi modellərinin dikkatli biçimde karşılaştırılması,
• Küçük məlumat kümelerinde yorumlanabilirliğin korunması,
• Fizik temelli hidrat modelləriyle məlumat əsaslı metodlerin hibrit biçimde birleştirilmesi.

İstatistiksel değerlendirme sınırı

Tədqiqatdaki performans değerleri tek bir 30 müşahidəli məlumat kümesi üzerinde elde edilmiştir. Bağımsız deneysel dış test məlumatsi bulunmadığı için R² = 0,9682 değeri genel kullanım başarısı olarak yorumlanamaz.

Basınç, tarazlıq temperaturu ve həddən artıq soyuma arasındaki güclü korrelyasiya, model proqnozini mutlaka geçersiz kılmaz; lakin katsayıların dəyişənlər arasında hassas biçimde paylaşılmasına ve yeni məlumatde qərarsızlaşmasına yol açabilir. Bu nedenle modelin öncelikli kullanım alanı bağımsız fiziksel yorum değil, benzer koşullardaki k değerlerinin təxminən proqnozidir.

Mənbə və Metod Qeydi

Tədqiqatnın tam özgün adı: A Data-Driven Approach for Estimating an Experimentally Derived Kinetic Parameter in Methane Hydrate Growth

Yazar: Chinedu Charles Alamezie

Yazar sıralaması: Tədqiqatda tek yazar bulunmaktadır.

Eş birinci yazar veya eş katkı: Bulunmamaktadır.

Sorumlu yazar: Chinedu Charles Alamezie

Kurumsal bağlantı: School of Engineering, University of Aberdeen, Aberdeen AB24 3UE, Scotland, United Kingdom

Sorumlu yazar e-postası: ccalamezie@hotmail.com

ORCID: Yüklenen sürümde ORCID bilgisi yer almamaktadır.

DOI:10.2139/ssrn.6944011

Dergi: Hakemli bir dergide yayımlanmamıştır.

Özgün dergi yayınevi: Bulunmamaktadır.

Yayın platformu: SSRN

Yayın tarihi: 15 Haziran 2026

Sayfa sayısı: 33

Kaynak türü: İkincil eksperimental məlumat analizi ve regresyon modellemesi içeren preprint araştırma tədqiqatsı

Hakemlik durumu: Tədqiqat rəyçi qiymətləndirməsindən keçməmiştir. Yüklenen sürümün her sayfasında preprintin hakemli olmadığı belirtilmektedir.

Resmî bağlantı:SSRN resmî preprint sayfası

Bu Türkçe makale; yüklenen tədqiqatnın metni, denklemleri, dört ana şekli, ek qalıq qrafiki, altı tablosu, korrelyasiya matrisi, təsadüfi meşə örütubət değerleri, yedi reqressiya tənliyi, çarpaz doğrulama sonuçları, Arrhenius karşılaştırması, sonuçları ve tövsiyələri incelenerek hazırlanmıştır.

Dış kaynaklar yalnız tədqiqatnın yazar adı, kurumu, SSRN yayın tarihi, DOI’si, sayfa sayısı ve resmî bağlantısının bibliyografik doğrulanması için istifadə edilmişdir. Tədqiqatnın bilimsel nəticələrına dış kaynaklardan yeni sonuç eklenmemiştir.

Tədqiqatnın başlıca məhdudiyyətlərı; küçük ve tek kaynaklı məlumat kümesi, güclü dəyişən bağlantıları, bağımsız xarici doğrulamanın olmaması, tekrarlı veya iç içe çarpaz doğrulama kullanılmaması, regresyon katsayılarının belirsizliklerinin məlumatlmemesi ve proqnozlaşdırılan parametrenin saf intrinsik kinetikten ziyade termodinamik ve aktarım etkilerini birlikte içermesidir. Model, fiziksel hidrat böyümə denklemlerinin yerine geçen genel bir yasa olarak değil, benzer deney koşullarında kullanılabilecek şeffaf ve məlumat kümesine özgü bir əvəzedici model olarak qiymətləndirilməlidir.