Machine learning methods have been successfully applied to many engineering disciplines. Prediction of the concrete compressive strength (fc) and slump (S) is important in terms of the desirability of concrete and its sustainability. The goals of this study were (i) to determine the most successful normalization technique for the datasets, (ii) to select the prime regression method to predict the fc and S outputs, (iii) to obtain the best subset with the ReliefF feature selection method, and (iv) to compare the regression results for the original and selected subsets. Experimental results demonstrate that the decimal scaling and min-max normalization techniques are the most successful methods for predicting the compressive strength and slump outputs, respectively. According to the evaluation metrics, such as the correlation coefficient, root mean squared error, and mean absolute error, the fuzzy logic method makes better predictions than any other regression method. Moreover, when the input variable was reduced from seven to four by the ReliefF feature selection method, the predicted accuracy was within the acceptable error rate.
Bazalt beton üretiminde agrega olarak tercih edilen ancak üretimi esnasında yan ürün olarak yüksek miktarda atık bazalt tozu malzemesi ortaya çıkaran bir kayaçtır. Bu atık malzemenin geri dönüşümüyle çevreye ve insan sağlığına verdiği zararın azaltılmasının yanında çimentoyla ikame edilmesi harç (beton) hammadde maliyetinde bir miktar düşme sağlayacaktır. Çalışma kapsamında kontrol serisi ve %5, %10, %15, %20 oranlarında bazalt tozu çimento ile ikame edilerek toplamda 5 seri harç numune üretilerek taze ve sertleşmiş harç deneyleri gerçekleştirildi. Taze harç deneyi olarak kıvam tayini, sertleşmiş harç deneyi olarak basınç, eğilme, yarmada çekme ve geçirimlilik deneyi olarak basınç altında su işleme derinliği deneyleri yapıldı. %10 ikameli seride basınç dayanımında yaklaşık olarak %8 oranında artış elde edilirken, eğilme dayanımında ise %15 ikameli seride önemli bir artış elde edildi. %10 bazalt tozu ikame oranına sahip seride basınç altında su işleme derinliği düşüş göstererek olumlu bir katkı sağlamaktadır.
Bu çalışmada, atıksulardan Fenton prosesi ile KOİ ve renk giderimi için gerekli şartların optimizasyonu sağlanmaya çalışılmıştır. Çalışmada, tepki değişkenleri Y1 ve Y2 sırasıyla KOİ giderim verimi (%) ve renk giderim verimi (%), etki değişkenleri A, B ve C sırasıyla H2O2 miktarı (mmol/L), reaksiyon süresi (sa) ve H2O2/Fe 2+ oranı olarak seçilmiştir. Deneysel tasarım olarak iki düzeyli faktöriyel tasarım kullanılmıştır. Köşe noktalarda 2 3 =8, merkez noktasında 3 ve toplamda 3.(8+3)=33 deneme noktasında ölçüm gerçekleştirilmiştir. H2O2 miktarı (mmol/L), reaksiyon süresi (saat) ve H2O2/Fe 2+ oranı olmak üzere üç değişkenin KOİ giderim ve renk giderim verimlerine etkisi araştırılmıştır. KOİ giderme verimi ve renk giderme verimi birlikte dikkate alındığında optimum şartlar H2O2 konsantrasyonu 8 mmol/L, temas süresi 3 sa ve H2O2/Fe 2+ oranı 2.6 olarak seçilmiştir. Bu şartlarda en yüksek KOİ giderim verimi ve renk giderim verimi sırasıyla %82 ve %93 olarak bulunmuştur. In this study, COD and color removal from wastewaters by Fenton's oxidation were investigated. In the study the response variables of Y1 and Y2 were selected as COD removal rate (%) and color removal rate(%), and efficacy variables of A, B, anc C were selected as H2O2 concentration (mmol/L), reaction time (h) and H2O2/Fe 2+. The experimental design was used as a two-level factorial design. In the corner points 2 3 = 8, in the center points 3 and a total of 3(8+3)=33 experiments were conducted. Effect of H2O2 concentration (mmol/L), reaction time (h) and H2O2/Fe 2+ molar ratio on COD removal rate and color removal rate were investigated. The optimum conditions for maximum COD removal rate and color removal rate were at H2O2 concentration 8 mmol/L, reaction time 3 h and H2O2/Fe 2+ molar ratio 2.6. At optimum conditions 82% COD removal rate and 93% color removal rate were achieved.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.