Бул изилдөө, метан гидраты büyüme deneylerinden hesaplanan көрүнүүчү же эффективдүү bir кинетикалык параметрдин basit ve yorumlanabilir bir маалымат моделиyle болжол edilip edilemeyeceğini изилдейт. Araştırmacı, daha önce yayımlanmış bir deneysel изилдөөdan alınan 30 байкооi kullanmış; басым, hidrat тең салмак температурасы ve ашыкча муздооyı көп өзгөрмөлүү сызыктуу регрессия модельinin girdileri olarak seçmiştir. Yedi ар башка өзгөрмө bileşimi ошол эле 10 бүктөмдүү кайчылаш валидация ыкмаiyle karşılaştırılmıştır.

En başarılı модель olan Model 7; басым, тең салмак температурасы ve ашыкча муздооyı birlikte kullanmıştır. Bu модель için кайчылаш валидацияланган R² değeri 0,9682, орточо квадраттык катанын тамыры 3092,5 W/m²K ve орточо абсолюттук ката 2429,1 W/m²K olarak билдирилген. Aynı маалымат ve валидация ыкмаiyle değerlendirilen Arrhenius модели ise R² = 0,9540, RMSE = 3712,0 W/m²K ve MAE = 2967,0 W/m²K sonuçlarını vermiştir. Regresyon модельi, ek işletme өзгөрмөлөрini içerdiği için incelenen маалымат kümesinde daha төмөн болжол hatası камсыз кылган.

Ancak болжолдонгон büyüklük moleküler ölçekte түз ölçülmüş saf bir reaksiyon sabiti değildir. Parametre; deneysel аралык бет өсүү ылдамдыгы, hidrat oluşum ısısı, hidrat yoğunluğu ve жылуулук өткөрүү коэффициентиndan türetilmiştir. Bu nedenle termodinamik itici kuvvet, жылуулук жана масса өткөрүү, arayüz olayları ve deney düzeneğinin ortak etkilerini içeren görünür bir parametre olarak бааланышы керек. Model de fiziksel bir гидрат өсүү yasası değil, гана ошол эле koşullara benzeyen deneyler için маалымат kümesine özgü ampirik bir yaklaşım sunmaktadır.

Түркия жагынан değerlendirme: Изилдөө; Түркияда doğal gaz өткөрүү линиялары, denizaltı boru sistemleri, akış güvencesi, жогорку басымlı prosesler ve enerji mühendisliği alanlarında küçük эксперименттик маалымат kümelerinin şeffaf моделдерle değerlendirilmesi açısından yararlı bir ыкма örneği sunmaktadır. Yaklaşımın Түркияда kullanılabilmesi için yerel gaz bileşimleri, boru ve reaktör geometrileri, akış koşulları, tuzluluk, inhibitörler, karıştırma düzeyi ve ısı-масса өткөрүү koşullarını kapsayan bağımsız эксперименттик маалымат toplanmalıdır. Modelin ар башка sistemlere aktarılmadan önce dış маалыматyle doğrulanması, tekrarlı veya iç içe кайчылаш валидация uygulanması ve fiziksel өзгөрмөлөрle genişletilmesi gerekir. Бул изилдөөdan Түркиядаki herhangi bir boru hattının hidrat tıkanma riski, güvenli işletme sınırı veya inhibitör ihtiyacı түз hesaplanamaz.

Detaylı Açıklama

Изилдөөнүн ele aldığı problem nedir?

Yüksek басым ve төмөн температура koşullarında su molekülleri суутек bağlarıyla kafes benzeri kristal yapılar oluşturabilir ve metan gibi küçük gaz moleküllerini bu kafeslerin içine hapsedebilir. Ortaya çıkan katı kristal yapılara газ гидраты adı маалыматlir.

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

Bu nedenle гана hidratların hangi температура ve басымta termodinamik olarak туруктуу 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?

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

1. Evre I — Gaz çözünmesi ve indüksiyon: Gaz su fazında çözünür; туруктуу hidrat çekirdeklerinin makroskobik olarak fark edilmesine kadar geçen indüksiyon döнымдуулукi 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, бирок gaz tüketim hızı düşmeye başlar.
4. Evre IV — Kararlı veya sınırlanmış durum: Gaz tüketimi çok yavaşlar. Bu aşama çoğunlukla масса өткөрүү sınırlamalarıyla ilişkilendirilir.

Araştırma, özellikle гидрат өсүү deneylerinden türetilen bir кинетикалык параметрye 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 көрүнүүчү же эффективдүү bir parametredir?

İdeal bir intrinsik kinetik sabit, гана hidrat-su-gaz arayüzündeki moleküler reaksiyon hızını temsil etmelidir. İncelenen изилдөөdaki k parametresi ise түз moleküler өлчөөden elde edilmemiştir. Daha önce yayımlanmış deneylerde gözlenen arayüz hareket hızından ve жылуулук тең салмагы 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 фугаситетnin oluşturduğu termodinamik itici kuvvet,
• Hidrat filmi veya тешиктүү yapı içinde gelişen taşıma sınırlamaları.

Araştırmacı bu nedenle модельin “intrinsik reaksiyon sabiti” değil, deneysel sistemin ortak etkilerini yansıtan görünür bir кинетикалык параметрyi болжол ettiğini özellikle vurgulamaktadır.

Arrhenius yaklaşımının rolü

Geleneksel kinetik изилдөөlarda температура 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 тең салмак температурасыdır.

Arrhenius модели sıcaklığın reaksiyon hızı üzerindeki etkisine fiziksel bir temel sağlar. Buna karşılık стандарт biçimi basıncı, ашыкча муздооyı, gaz фугаситетsini veya deneysel taşıma koşullarını açıkça ayrı өзгөрмөлөр olarak içermez.

Изилдөөnın temel yaklaşımı, Arrhenius моделиni geçersiz saymak değil; басым ve ашыкча муздоо gibi ek өзгөрмөлөрi içeren şeffaf bir регрессия моделиnin ошол эле маалымат kümesindeki ampirik uyumu iyileştirip iyileştiremeyeceğini test etmektir.

Kullanılan маалымат kümesi

Veriler Freer ve изилдөө arkadaşlarının 2001 tarihli метан гидраты film büyümesi deneylerinden alınmıştır. Toplam 30 байкоо bulunmaktadır. Her байкооde şu өзгөрмөлөр yer almaktadır:

• Basınç, P,
• Hidrat тең салмак температурасы, T_eq,
• Yığın veya deney ortamı sıcaklığı, T_b,
• Aşırı soğuma, ΔT = T_eq − T_b,
• Deneysel маалыматтарden hesaplanan k parametresi.

Yalnızca 30 байкоо bulunması, модель аралашşıklığının sınırlı tutulmasını gerektirmektedir. Bu nedenle изилдөөчү yapay sinir ağı gibi çok parametreli ыкмаler yerine көп өзгөрмөлүү сызыктуу регрессияu temel модель olarak seçmiştir.

Kinetik parametre nasıl hesaplanmıştır?

Изилдөөda ilk olarak hareket eden hidrat arayüzü için ısı dengesi маалыматlmiştir:

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

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 жылуулук өткөрүү коэффициентиdır. 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 маалыматlmiş 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; изилдөө hesaplama kodunu paylaşmadığı için bu dönüşümün колдонмоdaki ayrıntıları түз denetleнымдуулукemektedir.

Sayfa 13’teki saçılım grafikleri ne көрсөтөт?

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

• Basınç: Basınç yükseldikçe k değerinde кубатlü ve болжол менен 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 öнымдуулукli bir aykırı değer belirlemediğini ve küçük маалымат kümesi nedeniyle hiçbir байкооi çıаралашdığını belirtmiştir. Ancak grafiklerde görülen ilişkiler гана bu deney aralığına aittir ve гидрат өсүшүnin temel fiziksel olarak doğrusal olduğu anlamına gelmemektedir.

Korelasyon analizi

Basınç, тең салмак температурасы ve ашыкча муздоо k ile 0,9’un üzerinde корреляция көрсөтөт. Buna karşılık көлөм температурасыnın түз ilişkisi oldukça zayıftır.

Ancak girdilerin kendi aralarındaki корреляцияlar da çok жогоркуtir. Özellikle P ile T_eq arasındaki 0,987 düzeyindeki корреляция ciddi көп коллинеардуулукya işaret etmektedir. Bu nedenle nihai модельdeki katsayıların bağımsız fiziksel etkiler veya nedensel değişimler olarak yorumlanmaması gerekir.

Yığın sıcaklığı neden nihai модельe alınmamıştır?

Yığın sıcaklığı k ile zayıf түз корреляция көрсөткөн. Ayrıca ашыкча муздоо zaten şu bağıntıyla hesaplanmaktadır:

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

T_b, T_eq ve ΔT’nin ошол эле anda модельe eklenmesi matematiksel olarak tekrarlı bilgi oluşturacaktır. Bu nedenle изилдөөчү көлөм температурасыnı aday модель kümesinden çıkarmış; басым, тең салмак температурасы ve ашыкча муздооya odaklanmıştır.

Bununla birlikte ΔT kullanılması, T_b bilgisinin tamamen ortadan kalktığı anlamına gelmez. Yığın sıcaklığının etkisi ашыкча муздоо өзгөрмөinin içinde dolaylı biçimde bulunmaktadır.

Rastgele orman öнымдуулук analizi

Изилдөөda Pearson корреляцияuna ek olarak keşif amaçlı кокус токой өзгөрмө öнымдуулук değerleri маалыматlmiştir:

Regresör sonuçlarında ашыкча муздоо en жогорку, басым ve тең салмак температурасы birbirine yakın, көлөм температурасы ise çok төмөн öнымдуулукe sahiptir. Bu sıralama корреляция analizindeki genel eğilimle uyumludur.

Buna karşılık sürekli bir hedef өзгөрмө için “Random Forest Classifier” kullanımının nasıl gerçekleştirildiği, k değerinin sınıflara dönüştürülüp dönüştürülmediği ve hangi гиперпараметрlerin kullanıldığı açıklanmamıştır. Araştırmacı da bu analizi модель тандооnin ana temeli olarak kullanmamış, гана keşif amaçlı karşılaştırma şeklinde sunmuştur.

Hangi regresyon моделдерi karşılaştırılmıştır?

Çoklu doğrusal regresyon yapısı

Genel көп өзгөрмөлүү сызыктуу регрессия модельi şu şekilde маалыматlmiştir:

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

Burada Y болжолдонгон çıktı, X өзгөрмөлөрi girdiler, β₀ sabit terim, β katsayıları girdilerin модель ağırlıkları ve ε açıklanamayan hata terimidir.

Бул изилдөө 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; болжолдонгон k birimi W/m²K’dir.

Modelde басым katsayısı pozitif, тең салмак температурасы katsayısı negatif ve ашыкча муздоо katsayısı pozitiftir. Denge sıcaklığı tek başına k ile pozitif корреляция göstermesine rağmen çok өзгөрмөli модельde katsayısının negatif olması, өзгөрмөлөрin birbirleriyle çok кубатlü bağlantılı olmasının bir sonucudur. Bu katsayılar ayrı fiziksel mekanizmaların büyüklüğü olarak yorumlanmamalıdır.

Sayfa 16’daki ыкма akışı

Şekil 3, изилдөөнүн işlem sırasını şu şekilde көрсөтөт:

1. Verilerin hazırlanması ve ön işlenmesi,
2. Bütün aday özelliklerin tanımlanması,
3. Ön keşif analizi,
4. Korelasyon ve fiziksel gerekçeyle өзгөрмө seçimi,
5. Seçilmiş girdilerle MLR моделдерinin kurulması,
6. Deneysel кинетикалык параметрдин болжол edilmesi,
7. Modellerin ortak валидация 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 бүктөмдүү кайчылаш валидация nasıl uygulanmıştır?

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

Toplam гана 30 байкоо bulunduğu için her test katında болжол менен üç байкоо yer almaktadır. Bu durum маалымат kullanımını маалыматmli kılsa da her kattaki R² ve hata ölçütlerinin az sayıdaki байкооden etkilenmesine neden olabilir.

Изилдөө; katların hangi rastgele tohumla oluşturulduğunu, маалыматтарin karıştırılıp karıştırılmadığını, кайчылаш валидацияnın kaç kez tekrarlandığını veya katlar arasındaki performans стандарт sapmasını bildirmemiştir. Bu nedenle sonuçların ар башка bir kat bölünmesinde ne kadar değişeceği bilinmemektedir.

Ayrıca yedi aday модель ошол эле кайчылаш валидация sonuçları üzerinden karşılaştırılıp en iyisi seçilmiştir. Ayrı bir dış тест топтому veya iç içe кайчылаш валидация kullanılmadığından bildirilen nihai performansın модель тандоо kaynaklı bir miktar iyimserlik içermesi mümkündür.

Kullanılan валидация 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 болжолlerin gözlenen өзгөрмөliği ne ölçüde temsil ettiğini gösterir. Değerin 1’e yaklaşması daha кубатlü uyuma işaret eder. Ancak жогорку 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. Бул изилдөөda birimi k ile ошол эле, yani W/m²K’dir.

Ortalama mutlak hata

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

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

Yedi регрессия моделиnin sonuçları

Tek өзгөрмөli моделдер arasında басым модельi M1 en iyi sonucu vermiştir. Basınç tek başına R² = 0,9207 elde ederek маалымат kümesindeki k değişiminin büyük bölümünü açıklamıştır.

Basınca тең салмак температурасы veya ашыкча муздоо eklendiğinde performans көбөйгөн. İki өзгөрмөli моделдер arasında P ve ΔT kullanan M5, R² = 0,9480 ile en başarılı sonucu vermiştir.

Üç өзгөрмөli M7, karşılaştırılan bütün regresyonlar içinde en жогорку R² ile en төмөн RMSE ve MAE değerlerini üretmiştir.

Tahmin edilen ve deneysel değerlerin karşılaştırılması

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

Düşük ve orta k değerlerinde uyum genel olarak кубатlü görünmektedir. Buna karşılık болжол менен 50.000–65.000 W/m²K aralığında bazı noktaların ideal түз daha belirgin uzaklaştığı görülmektedir. Bu durum жогорку k bölgesinde mutlak hataların büyüyebileceğini көрсөтөт.

Artık grafiği ne көрсөтөт?

Sayfa 23’teki Ek Şekil S1, deneysel değer ile болжол arasındaki farkı болжолдонгон k değerine karşı көрсөтөт. Artıklar sıfır çizgisinin hem üstünde hem altında bulunmaktadır ve изилдөө belirgin bir sistematik desen olmadığını bildirmektedir.

Bununla birlikte жогорку болжол aralığında болжол менен +10.000 ve −5.000 W/m²K düzeyine yaklaşan artıklar görülmektedir. Veri sayısının azlığı nedeniyle artıkların normal dağılımı, sabit varyans varsayımı veya etkili байкоолор konusunda кубатlü sonuç çıkarılamaz.

Изилдөөda artıkların normalliği, heteroskedastisite, kaldıraç değerleri, Cook uzaklığı veya болжол aralıkları raporlanmamıştır.

Arrhenius моделиyle karşılaştırma

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

Arrhenius моделиnin болжол менен 173 kJ/mol aktivasyon enerjisi verdiği belirtilmiştir. Ancak Arrhenius ön üstel katsayısı, her кайчылаш валидация katında parametrelerin yeniden nasıl uyarlandığı ve aktivasyon enerjisinin belirsizliği açıklanmamıştır.

Sayfa 24’teki Şekil 5’te hem Arrhenius hem MLR болжолleri ideal uyum çizgisi çevresinde yer almaktadır. İki yaklaşımın sonuçlarının birbirine oldukça yakın olması sıcaklığın маалымат kümesindeki baskın rolünü desteklemektedir. MLR’nin ek avantajı, басым ve ашыкча муздоо bilgisini ayrıca kullanabilmesidir.

MLR модельinin daha iyi istatistiksel uyumu ne anlama gelir?

Daha төмөн hata, MLR модельinin incelenen 30 байкоо içindeki değişimi Arrhenius моделиnden biraz daha iyi izlediğini көрсөтөт. Bu sonuç aşağıdaki anlama gelmez:

• MLR’nin гидрат өсүү fiziğini Arrhenius моделиnden daha doğru temsil ettiği,
• Basınç veya температура katsayılarının nedensel büyüklükler olduğu,
• Modelin изилдөө aralığının dışında güvenle kullanılabileceği,
• Modelin ар башка reaktörler ve gaz bileşimleri için geçerli olduğu,
• İntrinsik moleküler reaksiyon sabitinin болжол edildiği.

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

Basıncın кубатlü görünmesinin olası anlamı

Basınç, tek өзгөрмөli моделдер içinde en кубатlü болжол edici olmuştur. Bu durum изилдөөda basıncın gaz фугаситетsi, hidrat oluşum itici kuvveti ve arayüzde bulunabilen metan miktarı üzerindeki etkileriyle ilişkilendirilmektedir.

Ancak kullanılan маалымат kümesinde басым ile тең салмак температурасы arasında 0,987 gibi son derece кубатlü bir корреляция bulunmaktadır. Bu nedenle басым katsayısının гана basınca özgü bir etkiyi temsil ettiği söyleнымдуулукez. Basınç değişimi, deney tasarımında тең салмак температурасыndaki değişimle birlikte ilerlemiştir.

Изилдөөnın күчтүү жактары

• Küçük маалымат kümesine uygun, basit ve түшүндүрүлүүчү bir модель seçilmiştir.
• Yedi ар башка girdi bileşimi ошол эле валидация ыкмаiyle karşılaştırılmıştır.
• Basınç, температура ve ашыкча муздоо etkileri ayrı ve birlikte değerlendirilmiştir.
• Model гана eğitim uyumuyla değil, 10 бүктөмдүү кайчылаш валидацияyla değerlendirilmiştir.
• R² yanında RMSE ve MAE de raporlanmıştır.
• Arrhenius модели ошол эле маалымат ve валидация yaklaşımıyla karşılaştırılmıştır.
• Araştırmacı, MLR’nin fiziksel bir mekanizma olmadığını açık biçimde belirtmiştir.
• Çoklu doğrusal bağlantı ve маалымат kümesine özgü geçerlilik kaynak içinde kabul edilmiştir.
• Tahmin-gerçekleşen ve artık grafikleri sunulmuştur.
• Gelecekte fizik temelli ve маалыматка негизделген ыкмаlerin birleştirilmesi önerilmiştir.

Изилдөөnın temel чектөөлөрı

• Изилдөө рецензиядан өтпөгөн bir preprinttir.
• Veri kümesi гана 30 байкооden oluşmaktadır.
• Bütün маалыматтар tek bir eski deneysel изилдөөdan alınmıştır.
• Farklı laboratuvar, reaktör veya deney düzeneğine ait bağımsız тышкы валидация yoktur.
• Basınç ile тең салмак температурасы arasında çok жогорку корреляция bulunmaktadır.
• Regresyon katsayılarının туруктууlığını gösteren стандарт hata veya güven aralığı маалыматlmemiştir.
• Varyans şişirme faktörü gibi көп коллинеардуулук ölçütleri hesaplanmamıştır.
• Çapraz валидация katlarının rastgele tohumu ve tekrar sayısı açıklanmamıştır.
• Katlar arasındaki performans dağılımı veya стандарт sapma raporlanmamıştır.
• Ayrı bir dış тест топтому ya da iç içe кайчылаш валидация kullanılmamıştır.
• Verilerin ошол эле deney serileri içindeki bağımlılık yapısı değerlendirilmemiştir.
• Model гана 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 байкоо makale içinde tam tablo olarak sunulmamıştır.
• Arrhenius ön üstel katsayısı ve aktivasyon enerjisi belirsizliği маалыматlmemiştir.
• Gaz фугаситетsi, arayüz alanı, difüzyon ve kütle transfer katsayısı түз модельe alınmamıştır.
• Model ар башка gaz bileşimleri, tuzlar, inhibitörler veya akışlı sistemlerde sınanmamıştır.

Kaynak içindeki öнымдуулукli raporlama sorunları

• Sayfa 16’daki ыкма 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 түшүндүрмөsında “R-squared / adjusted R-squared” ifadesi kullanılmasına rağmen tabloda ayarlanmış R² ayrıca raporlanmamıştır.
• Çapraz валидацияnın rastgele bölünme ayrıntıları ve tekrar sayısı маалыматlmemiştir.
• Arrhenius uyumunun ön üstel çarpanı ve belirsizlikleri sunulmamıştır.
• Hesaplamaların yeniden üretilmesini sağlayacak kod ve tam маалымат tablosu paylaşılmamıştır.
• Model 7’nin çok кубатlü bağlantılı girdilerine rağmen katsayı belirsizlikleri маалыматlmemiştir.
• K parametresinin hesaplanmasında kullanılan birim dönüşümleri kod düzeyinde açıklanmamıştır.

Изилдөө hangi sonuçları desteklemektedir?

• İncelenen 30 байкоо içinde басым, тең салмак температурасы ve ашыкча муздоо k parametresiyle кубатlü istatistiksel ilişki көрсөткөн.
• Yığın sıcaklığı tek başına k ile zayıf doğrusal ilişki көрсөткөн.
• Basınç tek өзгөрмөli моделдер içinde en başarılı болжол edici olmuştur.
• P, T_eq ve ΔT’yi birlikte kullanan M7 test edilen regresyonlar içinde en төмөн кайчылаш валидация hatasını vermiştir.
• Arrhenius модели de ошол эле маалымат kümesinde кубатlü болжол performansı көрсөткөн.
• Ek işletme өзгөрмөлөрinin kullanılması маалымат kümesine özgü ampirik uyumu жакшырткан.
• Basit doğrusal моделдер küçük hidrat kinetiği маалымат kümelerini incelemek için şeffaf vekil araçlar olabilir.
• MLR ve Arrhenius yaklaşımları ар башка amaçlarla birbirini tamamlayabilir.

Изилдөө hangi sonuçları далилдебейт?

• Modelin moleküler ölçekte intrinsik гидрат өсүү yasası olduğunu далилдебейт.
• Regresyon katsayılarının bağımsız nedensel etkiler olduğunu göstermemektedir.
• Modelin başka reaktörlerde, boru hatlarında veya gaz bileşimlerinde geçerli olduğunu göstermemektedir.
• Gerçek bir boru hattının tıkanma zamanını болжол etmemektedir.
• Hidrat önleyici veya dağıtıcı kimyasal ihtiyacını hesaplamamaktadır.
• Isı ve масса өткөрүү etkilerini birbirinden ayırmamaktadır.
• MLR’nin fiziksel olarak Arrhenius моделиnden üstün olduğunu далилдебейт.
• Yüksek R² değerinin yeni ve genel bir fizik yasası oluşturduğunu göstermemektedir.
• Modelin маалымат aralığı dışındaki басым ve температураlarda güvenli ekstrapolasyon yapabileceğini göstermemektedir.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Ыкма özeti

Nihai модель ve колдонмо sınırı

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

Bu denklem гана изилдөөdaki болжол менен aralıklarda değerlendirilmiştir:

Denklemin bu aralıkların dışında kullanılması изилдөө tarafından doğrulanmamıştır. Doğrusal модель fiziksel sınırları zorunlu kılmadığı için uygun olmayan girdilerde negatif veya gerçekçi olmayan болжолler üretebilir.

Temel performans karşılaştırması

Model 7’nin орточо абсолюттук катаsı, маалымат kümesindeki ortalama k değeri olan болжол менен 29.696 W/m²K’nin болжол менен yüzde sekizine karşılık gelmektedir. Ancak bu oran байкоолор arasındaki hata dağılımını veya жогорку k bölgesindeki daha büyük hataları tek başına göstermez.

Araştırmacının gelecek изилдөө сунуштарi

• Deneysel маалымат tabanının büyütülmesi,
• Daha geniş басым ve температура aralıklarının incelenmesi,
• Farklı gaz bileşimleri ve reaktör düzenlerinin eklenmesi,
• Gaz фугаситетsinin түз girdi olarak kullanılması,
• Arayüz alanı, difüzivite ve kütle transfer katsayısının модельe eklenmesi,
• Daha gelişmiş makine öğrenmesi моделдерinin dikkatli biçimde karşılaştırılması,
• Küçük маалымат kümelerinde yorumlanabilirliğin korunması,
• Fizik temelli hidrat моделдерiyle маалыматка негизделген ыкмаlerin hibrit biçimde birleştirilmesi.

İstatistiksel değerlendirme sınırı

Изилдөөdaki performans değerleri tek bir 30 байкооli маалымат kümesi üzerinde elde edilmiştir. Bağımsız deneysel dış test маалыматsi bulunmadığı için R² = 0,9682 değeri genel kullanım başarısı olarak yorumlanamaz.

Basınç, тең салмак температурасы ve ашыкча муздоо arasındaki кубатlü корреляция, модель болжолini mutlaka geçersiz kılmaz; бирок katsayıların өзгөрмөлөр arasında hassas biçimde paylaşılmasına ve yeni маалыматde чечимsızlaşmasına yol açabilir. Bu nedenle модельin öncelikli kullanım alanı bağımsız fiziksel yorum değil, benzer koşullardaki k değerlerinin болжол менен болжолidir.

Булак жана Ыкма Эскертүүсү

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

Yazar: Chinedu Charles Alamezie

Yazar sıralaması: Изилдөөda 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 эксперименттик маалымат analizi ve regresyon модельlemesi içeren preprint araştırma изилдөөsı

Hakemlik durumu: Изилдөө рецензиядан өтпөгөнtir. Yüklenen sürümün her sayfasında preprintin hakemli olmadığı belirtilmektedir.

Resmî bağlantı:SSRN resmî preprint sayfası

Bu Türkçe makale; yüklenen изилдөөnın metni, denklemleri, dört ana şekli, ek калдыктар графиги, altı tablosu, корреляция matrisi, кокус токой öнымдуулук değerleri, yedi регрессия теңдемеси, кайчылаш валидация sonuçları, Arrhenius karşılaştırması, sonuçları ve сунуштарi incelenerek hazırlanmıştır.

Dış kaynaklar гана изилдөөnın yazar adı, kurumu, SSRN yayın tarihi, DOI’si, sayfa sayısı ve resmî bağlantısının bibliyografik doğrulanması için колдонулган. Изилдөөnın bilimsel жыйынтыктарına dış kaynaklardan yeni sonuç eklenmemiştir.

Изилдөөnın başlıca чектөөлөрı; küçük ve tek kaynaklı маалымат kümesi, кубатlü өзгөрмө bağlantıları, bağımsız тышкы валидацияnın olmaması, tekrarlı veya iç içe кайчылаш валидация kullanılmaması, regresyon katsayılarının belirsizliklerinin маалыматlmemesi ve болжолдонгон parametrenin saf intrinsik kinetikten ziyade termodinamik ve aktarım etkilerini birlikte içermesidir. Model, fiziksel гидрат өсүү denklemlerinin yerine geçen genel bir yasa olarak değil, benzer deney koşullarında kullanılabilecek şeffaf ve маалымат kümesine özgü bir орун басар модель olarak бааланышы керек.