메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Muhammad Yaqub (Kumoh National Institute of Technology) Beytullah EREN (Sakarya University) Volkan Eyupoglu (Cankiri Karatekin University)
저널정보
대한환경공학회 Environmental Engineering Research Environmental Engineering Research 제25권 제3호
발행연도
2020.6
수록면
418 - 425 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
In this study soft computing techniques including, Artificial Neural Network (ANN) and Adaptive Neuro-Fuzzy Inference System (ANFIS) were investigated for the prediction of Cr(VI) transport efficiency by novel Polymer Inclusion Membranes (PIMs). Transport experiments carried out by varying parameters such as time, film thickness, carrier type, carier rate, plasticizer type, and plasticizer rate. The predictive performance of ANN and ANFIS model was evaluated by using statistical performance criteria such as Root Mean Standard Error (RMSE), Mean Absolute Error (MAE), and Coefficient of Determination (R<SUP>2</SUP>). Moreover, Sensitivity Analysis (SA) was carried out to investigate the effect of each input on PIMs Cr(VI) removal efficiency. The proposed ANN model presented reliable and valid results, followed by ANFIS model results. RMSE and MAE values were 0.00556, 0.00163 for ANN and 0.00924, 0.00493 for ANFIS model in the prediction of Cr(VI) removal efficiency on testing data sets. The R2 values were 0.973 and 0.867 on testing data sets by ANN and ANFIS, respectively. Results show that the ANN-based prediction model performed better than ANFIS. SA demonstrated that time; film thickness; carrier type and plasticizer type are major operating parameters having 33.61%, 26.85%, 21.07% and 8.917% contribution, respectively.
#Adaptive neuro-fuzzy inference system #Artificial neural networks #Chromium #Removal efficiency #Sensitivity analysis

목차

ABSTRACT
1. Introduction
2. Materials and Methodology
3. Results and Discussion
4. Conclusions
References

참고문헌 (52)

참고문헌 신청
Pavithra KG, Jaikumar V, Kumar PS, Sundarrajan P. A review on cleaner strategies for chromium industrial wastewater: Present research and future perspective. J. Clean. Prod. 2019;228:580-593. google schola Mishra S, Bharagava RN, More N, et al. Heavy metal contamination: An alarming threat to environment and human health. Environ. Biotechnol. 2019;103-125. google schola Peng W, Li H, Liu Y, Song S. A review on heavy metal ions adsorption from water by graphene oxide and its composites. J. Mol. Liq. 2017;230:496-504. google schola Carolin CF, Kumar PS, Saravanan A, Joshiba GJ, Naushad M. Efficient techniques for the removal of toxic heavy metals from aquatic environment: A review. J. Environ. Chem. Eng. 2017;5:2782-2799. google schola Bankar A, Nagaraja G. Recent trends in biosorption of heavy metals by Actinobacteria. In: New and Future Developments in Microbial Biotechnology and Bioengineering. Amsterdam: Elsevier; 2018. p. 257-275. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0