Izvorni znanstveni članak
https://doi.org/10.15255/KUI.2021.001
Optimizacija i predviđanje doze koagulanta za uklanjanje organskih mikrozagađivala na temelju podataka o zamućenju
Hichem Tahraoui
; Laboratory of Biomaterials and Transport Phenomena (LBMPT), Nouveau Pôle Urbain, University of Médéa, 26 000 Médéa, Alžir
Abd-Elmouneïm Belhadj
; Laboratory of Biomaterials and Transport Phenomena (LBMPT), Nouveau Pôle Urbain, University of Médéa, 26 000 Médéa, Alžir
Nassim Moula
; Fundamental and Applied Research in Animal and Health (FARAH), Department of Veterinary Management of Animal Resources, Faculty of Veterinary Medicine, University of Liege, Liege 4000, Belgija
Saliha Bouranene
orcid.org/0000-0003-1881-2632
; University of Souk Ahras, Dept. Process Engineering, STEE Lab., Rue d’annaba, BP 1553, 41 000 Souk-Ahras, Alžir
Abdeltif Amrane
orcid.org/0000-0003-2622-2384
; University of Rennes, Ecole Nationale Supérieure de Chimie de Rennes, CNRS, ISCR – UMR6226, F-35 000 Rennes, Francuska
Sažetak
Četiri različita matematička modela primijenjena su za predviđanje doze koagulanta u svrhu uklanjanja zamućenja: model odzivne površine (RSM), umjetna neuronska mreža (ANN), model potpornih vektora (SVM) i model prilagodljivog sustava neizrazitog zaključivanja zasnovanog na neuronskoj mreži (ANFIS). Rezultati su pokazali da svi modeli točno opisuju eksperimentalne podatke, iako je ANN model bio nešto bolji. SVM model imao je sličnu podudarnost kao i ANN model no razlika je bila u validaciji modela gdje je ANN model ostvario vrlo visoke vrijednosti koeficijenta korelacije te niske vrijednosti statističkih pokazatelja. No s ekonomskog gledišta, SVM model je prikladniji od ANN modela, budući da je njegov broj parametara 22 što je gotovo upola manje od broja parametara ANN modela (43 parametra), dok su rezultati bili slični. Dodatno smanjenje ekonomskih troškova može se ostvariti primjenom RSM modela koji je ostvario visoke vrijednosti koeficijenata s obzirom na svega 13 parametara. Uz to, RSM model imao je prihvatljive statističke pokazatelje.
Ovo djelo je dano na korištenje pod licencom Creative Commons Imenovanje 4.0 međunarodna.
Ključne riječi
koagulacija; fizikalno-kemijska analiza; metodologija odzivnih površina; umjetne neuronske mreže; metoda potpornih vektora; ANFIS
Hrčak ID:
264639
URI
Datum izdavanja:
2.11.2021.
Posjeta: 723 *