Original scientific paper
https://doi.org/10.15255/KUI.2020.071
Ternarno višekomponentno modeliranje adsorpcije primjenom ANN-a, LS-SVR-a i SVR-a – studija slučaja
Amina Yettou
; Laboratory of Biomaterials and Transport Phenomena (LBMPT), University of Médéa, Algeria
Maamar Laidi
orcid.org/0000-0002-8977-9895
; Laboratory of Biomaterials and Transport Phenomena (LBMPT), University of Médéa, Algeria
Abdelmadjid El Bey
orcid.org/0000-0002-5525-074X
; Laboratory of Biomaterials and Transport Phenomena (LBMPT), University of Médéa, Algeria
Salah Hanini
; Laboratory of Biomaterials and Transport Phenomena (LBMPT), University of Médéa, Algeria
Mohamed Hentabli
orcid.org/0000-0002-6693-0708
; Laboratory Quality Control, Physico-Chemical Department, Antibiotical Saidal of Médéa, Algeria
Omar Khaldi
; Material and Environment Laboratory (LME), University Yahia Fares of Medea, Médéa, Algeria
Mihoub Abderrahim
; Laboratory of Biomaterials and Transport Phenomena (LBMPT), University of Médéa, Algeria
Abstract
Cilj ovog rada bio je razviti tri metode temeljene na umjetnoj inteligenciji za modeliranje trostruke adsorpcije iona teških metala {Pb2+, Hg2+, Cd2+, Cu2+, Zn2+, Ni2+, Cr4+} na različitim adsorbatima {aktivni ugljen, kitozan, danski treset, treset Heilongjiang, ugljik glave suncokreta i ugljik stabljike suncokreta). Rezultati pokazuju da se regresija potpornih vektora (SVR) pokazala nešto boljom, preciznijom, stabilnijom i bržom od regresije potpornih vektora najmanjih kvadrata
(LS-SVR) i umjetnih neuronskih mreža (ANN). Za procjenu kinetike trostrukog adsorpcijskog sustava višekomponentnog sustava preporučuje se model SVR.
Ovo djelo je dano na korištenje pod licencom Creative Commons Imenovanje 4.0 međunarodna.
Keywords
višekomponentna adsorpcija; teški metali; umjetne neuronske mreže; regresija potpornih vektora; regresija potpornih vektora najmanjih kvadrata
Hrčak ID:
261417
URI
Publication date:
23.8.2021.
Visits: 1.153 *