Search results

1

Application of ANN to the Sorption Equilibrium Modelling of Heavy Metal Ions on Clinoptilolite

100%

Tomczak E., Kaminski W.

Ecological Chemistry and Engineering S

|

2012

|

vol. 19

|

issue 2

227-237

EN

The latest achievements in the field of mathematical modelling include the application of artificial neural networks (ANN). A growing interest in the ANN is confirmed by the number of publications devoted to the applicability of ANN in chemical, process and environmental engineering. A recent dynamic development of ANN provided an efficient and universal tool that is used to solve many tasks, including modelling, approximation and identification of objects. The initial step of applying the network to a given process consists in the determination of weights of the proposed neural network structure. This is performed on the basis of training data. A network that is properly trained allows correct information to be obtained on the basis of other data which have not been used in the network training. In most cases the network training is performed on the basis of a known mathematical model. However, the training of a network can be also performed using experimental data. In this paper, the sorption isotherms were predicted by means of a multilayer perceptron (MLP). Calculations were made using a training program written in Matlab, which took advantage of the Lavenberg-Marquardt procedure. In the last decade a growing interest is observed in inexpensive and very cheap adsorbents to remove heavy metal ions. Clinoptilolite is the mineral sorbent extracted in Poland used to remove heavy metal ions from diluted solutions. Equilibrium experiments were carried out to estimate sorptivity of a clinoptilolite and its selectivity towards Cu(II), Zn(II) and Ni(II) ions for multicomponent solution. Calculations with the use of MLP enabled description of sorption isotherms for one, two and three ions which were present at the same time in the solution. The network also enabled an analysis of sorption of the single ion, taking into account the effect of its concentration.

PL

W ostatnich dekadach obserwuje się rosnące zainteresowanie zastosowaniem tanich adsorbentów w celu usuwania zanieczyszczeń z roztworów wodnych. Klinoptylolit jest sorbentem mineralnym wydobywanym w Polsce, stosowanym do usuwania jonów metali ciężkich z rozcieńczonych roztworów. Eksperymenty równowagi przeprowadzono w celu oszacowania efektywności sorpcji klinoptylolitu i jego selektywności wobec Cu(II), Zn(II) i Ni(II) w roztworach wieloskładnikowych. SSN umożliwiają obliczenia izoterm sorpcji dla jednego, dwóch lub trzech jonów jednocześnie obecnych w roztworze. W pracy izotermy sorpcji przewidywano za pomocą wielowarstwowego perceptronu (MLP). Obliczenia prowadzono za pomocą własnych algorytmów zgodnie z procedurą Matlaba z zastosowaniem metody uczenia Lavenberga-Marquardta.

2

Use of Artificial Neural Networks in Predicting Direct Nitrous Oxide Emissions from Agricultural Soils

80%

Kolasa-Więcek A.

Ecological Chemistry and Engineering S

|

2013

|

vol. 20

|

issue 2

419-428

EN

Agricultural greenhouse gases emissions are mainly produced in direct emissions from plant and animal production as well as those associated with land use changes. Agriculture is a major source of atmospheric nitrous oxide (N2O). N2O emissions from agricultural production has the source primarily in soil fertilized by mineral and organic fertilizers. In Poland, agricultural soils are responsible for 77.1% of emissions. Emissions associated with the animal manner farming amount 22.8%. Studies attempt to modeling and predicting of N2O emissions from Direct Soil Emissions in relation to the use of crops and livestock population. In the analysis an artificial neural networks were used. The best values showing the quality of neural regression model were obtained by multilayer perceptrons MLP. Based on the sensitivity analysis, attempts were taken to determine the extent of the contribution of each selected variables on the estimate of the direct emissions of N2O from agricultural soils. The sensitivity analysis of designed network on the structure MLP 9-4-1 shows that the amount of nitrogen fertilizer consumption has the biggest share in the shaping of N2O emissions from Direct Soil Emissions. The sensitivity analysis of network on the structure MLP 16-5-1 pointed to participate cattle and pigs as the most important in the formation of N2O emissions from Direct Soil Emissions. Among the crops in Poland, which may affect the release of N2O stands out rapeseed and rye. The study was conducted using the statistical package Statistica v. 10.0.

PL

Emisje rolnicze głównych gazów cieplarnianych to głównie bezpośrednie emisje wytwarzane w produkcji roślinnej i zwierzęcej, jak również te związane ze zmianami w sposobie użytkowania gruntów. Rolnictwo jest głównym źródłem atmosferycznego podtlenku azotu (N2O). Emisja N2O z produkcji rolniczej ma źródło przede wszystkim w glebie nawożonej nawozami mineralnymi i organicznymi. W Polsce gleby rolne odpowiedzialne są za 77,1% emisji N2O. Emisja związana z gospodarką odchodami zwierząt wynosi 22,8%. W badaniach podjęto próby modelowania i przewidywania bezpośrednich emisji N2O z gleb w odniesieniu do wielkości upraw i pogłowia zwierząt hodowlanych. W analizach posłużono się sztucznymi sieciami neuronowymi. Najlepsze wartości parametrów mówiących o jakości neuronowego modelu regresyjnego uzyskały perceptrony wielowarstwowe MLP. Na podstawie analizy wrażliwości zaprojektowanego modelu sztucznej sieci neuronowej podjęto próbę ustalenia stopnia udziału poszczególnych wybranych zmiennych na prognozowaną wielkość bezpośrednich emisji N2O z gleb rolnych. Analiza wrażliwości zaprojektowanej sieci MLP o strukturze 9-4-1 wykazała, że poziom zużycia nawozów azotowych ma największy udział w kształtowaniu emisji N2O z gleb rolnych. Analiza wrażliwości sieci MLP o strukturze 16-5-1 wskazała na udział bydła i trzody chlewnej jako najistotniejszy w kształtowaniu emisji N2O. Wśród upraw w Polsce, które mogą wpływać na wielkość uwalnianych emisji N2O, wyróżnia się rzepak oraz żyto. Badanie przeprowadzono z wykorzystaniem pakietu statystycznego Statistica v. 10.0.

3

Models for determining Annual Average Daily Traffic on the national roads

80%

Spławińska M., Spławińska M.

Archives of Civil Engineering

|

2015

|

issue 2

Refine search results

2 Ecological Chemistry and Engineering S

1 Archives of Civil Engineering

1 2015

1 2013

1 2012

1 Kaminski W.

1 Kolasa-Więcek A.

1 Spławińska M.

1 Tomczak E.

Application of ANN to the Sorption Equilibrium Modelling of Heavy Metal Ions on Clinoptilolite

Use of Artificial Neural Networks in Predicting Direct Nitrous Oxide Emissions from Agricultural Soils

Models for determining Annual Average Daily Traffic on the national roads