DALGACIK DÖNÜŞÜMÜ TABANLI NAİVE BAYES SINIFLANDIRICI İLE TÜRKİYE’NİN TAMAMINI İÇEREN BÖLGELERDEKİ LİNYİT KÖMÜRÜNÜN KALİTE TESPİTİ

Today, the process of determining whether the complex lignite coal obtained from Turkey's drilling fields is of acceptable quality or relatively poor quality is of vital importance in power plants, other areas and energy production. In particular, the accurate determination of multiple complex parameters according to their quality has gained great importance in investment decisions. In this article, the moisture, ash, sulfur and calorie contents of 96 drilling regions of 96 lignite coals covering the whole of Turkey in the lignite inventory published by MTA, received from the General Directorate of Turkish Coal Enterprises, are discussed. The 3 parameters mentioned, such as moisture, ash and sulfur, affect the caloric value, which is the dependent variable. The higher the calories, the better the coal quality. First, by applying the K-Means clustering algorithm to the data, the caloric values of coal were divided into 2 groups. These values, divided into 2 groups, were used as validation data. Feature values obtained from wavelet coefficients were classified with the Naive Bayes classifier. When the classification performances were compared, it was determined that db4, which is from the Daubechies wavelet family, showed higher performance than other wavelet families and CA wavelet coefficients compared to CH, CV and CD coefficients. Wavelet Transform coefficients of moisture, ash and sulfur contents were calculated and classification performances were compared with the Naive Bayes method. It has been determined that the quality detection rate of coal obtained with the approximation coefficients of db4, which is from the Daubechies family, is the highest and is 100%.

Günümüzde Türkiye sondaj sahalarından elde edilen karmaşık linyit kömürünün kabul edilebilir kalite ve nispeten zayıf kalitede olduğunun tespiti işlemi enerji santrallerinde, diğer alanlarda ve enerji üretiminde hayati öneme sahiptir. Özellikle, birden fazla karmaşık parametrelerinin doğru bir şekilde kalitelerine göre belirlenmesi yatırım kararlarında büyük ölçüde önem kazanmıştır. Bu makalede, Türkiye Kömür İşletmeleri Genel Müdürlüğünden alınan, MTA tarafından yayınlanan linyit envanterinde Türkiye’nin tamamını içeren 96 linyit kömürünün 96 sondaj bölgesine ait nem, kül, kükürt ve kalori içerikleri ele alınmıştır. Belirtilen nem, kül ve kükürt gibi 3 parametre, bağımlı değişken olan kalori değeri üzerinde etkili olmaktadır. Kalori ne kadar yüksekse kömür kalitesi o kadar iyidir. İlk olarak verilere K-Ortalamalar kümeleme algoritması uygulanarak kömürünün kalori değerleri 2 gruba ayrılmıştır. 2 gruba ayrılan bu değerler doğrulama verisi olarak kullanılmıştır. Dalgacık katsayılarından elde edilen özellik değerleri Naive Bayes sınıflandırıcısı ile sınıflandırılmıştır. Sınıflandırma performansları kıyaslandığında Daubechies dalgacık ailesinden olan db4’ün diğer dalgacık ailelerine ve CA dalgacık katsayılarının CH, CV ve CD katsayılarına göre daha yüksek performans sergilediği tespit edilmiştir. Nem, kül ve kükürt içeriklerinin Dalgacık Dönüşümü katsayıları hesaplanarak, Naive Bayes yöntemi ile sınıflandırma performansları kıyaslanmıştır. Daubechies ailesinden olan db4’ün yaklaşımsal katsayıları ile elde edilen kömürün kalite tespit oranının en yüksek olduğu ve %100 olarak bulunduğu tespit edilmiştir.