Açıkkar, MustafaSivrikaya, Osman2025-01-062025-01-0620202148-268310.31590/ejosat.642676https://doi.org/10.31590/ejosat.642676https://search.trdizin.gov.tr/tr/yayin/detay/361984https://hdl.handle.net/20.500.14669/730Bu çalışmada yıkanmış Türk linyit kömürlerinin üst ısıl değeri (GCV), makine öğrenmesi yöntemleri ile kömür numunelerinin kuru bazkısa analiz sonuçları kullanılarak tahmin edilmiştir. Laboratuvar kömür analiz sonuçlarından elde edilen kül (A), uçucu madde (VM),kükürt (S) ve GCV değişkenleri kullanılarak veri kümesi oluşturulmuştur. Veri kümesine, Destek Vektör Regresyonu (SVR) ile ÇokKatmanlı Algılayıcı (MLP), Genel Regresyon Sinir Ağı (GRNN) ve Radyal Temelli Fonksiyon Sinir Ağı (RBFN) olmak üzere üç farklıYapay Sinir Ağı (ANN) uygulanarak GCV tahmin modelleri geliştirilmiştir. Geliştirilen modellerin performans genelleştirme kabiliyeti10-katlı çapraz-doğrulama kullanılarak sağlanmış ve modellerin tahmin doğruluğu, performans ölçütleri Çoklu Korelasyon Katsayısı(R), Kök Ortalama Kare Hatası (RMSE), Ortalama Mutlak Hata (MAE) ve Ortalama Mutlak Yüzde Hata (MAPE) kullanılarakhesaplanmıştır. Sonuçlar, GCV tahmini için, tüm modeller arasında SVR tabanlı modelin ANN tabanlı modellere göre biraz daha iyi,ANN tabanlı modeller arasında ise RBFN tabanlı modelin MLP ve GRNN tabanlı modellere göre daha iyi performans gösterdiğiniortaya koymuştur.trinfo:eu-repo/semantics/openAccessMaden İşletme ve Cevher HazırlamaBilgisayar BilimleriYazılım MühendisliğiMatematikJeokimya ve JeofizikArticle2418163619840