Deri endüstrisi arıtma çamurlarının gazlaştırılmasında deneysel parametrelerin ve katalizör etkisinin araştırılması ve modellenmesi

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: İstanbul Üniversitesi-Cerrahpaşa, Lisansüstü Eğitim Enstitüsü, ÇEVRE MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2025

Tezin Dili: Türkçe

Öğrenci: MAYA ALFARRA

Danışman: HÜSEYİN KURTULUŞ ÖZCAN, PINAR CİHAN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Enerji talebinin artması, fosil yakıtların çevresel etkileri ve iklim değişikliği nedeniyle sürdürülebilir enerji çözümlerine ihtiyaç artmıştır. Bu bağlamda, biyokütle gazlaştırma teknolojisi atık bertarafı, enerji geri kazanımı ve karbon emisyonunu azaltma açısından kritik öneme sahiptir. Bu doktora çalışmasında deri endüstrisinden çıkan iki atık türü (arıtma çamur keki ve deri kırpıntısı) yukarı akışlı sabit yataklı reaktörde gazlaştırılmış ve süreç çıktıları yapay zeka (AI) yöntemleriyle analiz edilmiştir. Atıkların fiziksel ve kimyasal analizlerinde; nem oranları, %10 çamur keki, %8 deri kırpıntısı olarak hesaplanmıştır. Deri kırpıntısının uçucu madde (%95), kalorifik değer (4960 kcal/kg), karbon (%48,8) ve hidrojen (%7,2) içerikleri çamur kekine göre daha yüksek bulunarak sentez gaz üretimine daha uygun olduğu belirlenmiştir. TGA sonuçları deri kırpıntısında %88 kütle kaybını desteklerken, SEM analizleri her iki atığın da mikroyapısının gazlaştırma verimini artırdığını göstermiştir. FTIR analizleri ise organik madde açısından zengin olduklarını doğrulamıştır. Çalışmanın ikinci bölümünde; Mermer tozu ve Al-Ni katalizörleri kullanılarak gaz verimleri incelenmiş; %5 mermer tozu ile 1000°C'de maksimum verim (%74) elde edilirken, yüksek oranlarda katalizör kullanımının ters etki yaptığı gözlenmiştir. Yüksek sıcaklıkta (1000°C) H₂ üretimi (%36), saf oksijen kullanımında ise CO (%28) ve H₂ (%37) oranları artmıştır. AI tabanlı modelleme (RF, SVR, KNN ve CNN-LSTM gibi yöntemlerle) gerçekleştirilen analizlerde KNN, H₂ tahmininde R²=0,987 başarısı göstermiştir. CNN-LSTM modeli ise CO tahmininde R²=0,986 elde ederek en başarılı model olarak öne çıkmıştır. Sonuç olarak bu tez çalışmasında, deri endüstrisi atıklarının gazlaştırma teknolojisiyle enerjiye dönüştürülmesinin teknik ve çevresel olarak uygulanabilir olduğunu, AI modellerinin süreç optimizasyonunda etkili olduğunu ortaya konulmuştur.