Evaluation of a Turkish Lignite Coal Cleaning by Conventional and Enhanced Gravity Separation Techniques

Tozsin, Gulsen; Acar, Cemil; Sivrikaya, Osman

doi:10.1080/19392699.2016.1209191

Cited by 19 publications

(10 citation statements)

References 14 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Zhu et al (2017) report that mismatched phenomena occurred as the existence of heavy particles in overflow, and light particles in the grooves could be resulted by increasing drag force due to the irregular shapes [ 272 ]. Other parameters like bowl speed (gravitational or centrifugal force), water pressure, solid concentration, and feed rate, also affect the separation efficiency of Falcon concentrator [ 269 , 271 , 273 ].…”

Section: Enhanced Gravity Separation Technologiesmentioning

confidence: 99%

Conventional and recent advances in gravity separation technologies for coal cleaning: A systematic and critical review

Phengsaart¹,

Srichonphaisan²,

Kertbundit³

et al. 2023

Heliyon

View full text Add to dashboard Cite

Section: Enhanced Gravity Separation Technologiesmentioning

confidence: 99%

Conventional and recent advances in gravity separation technologies for coal cleaning: A systematic and critical review

Phengsaart¹,

Srichonphaisan²,

Kertbundit³

et al. 2023

Heliyon

View full text Add to dashboard Cite

“…Washability characteristics of coals are tested with float & sink tests. Based on the float and sink test results of a specific coal, extent of the washing conditions are determined [14,15]. In addition to washability tests, Atesok et al [16] have employed Reichert spiral to understand the cleaning characteristics of bituminous and lignitic coals.…”

Section: Xxxxmentioning

confidence: 99%

Density cleaning for some Turkish lignites

Yilmaz

Bilen

2021

Environmental Research and Technology

View full text Add to dashboard Cite

In the scope of this study, in order to determine the floatability characteristics of lignites, 5 samples were collected from various lignite reserves of Turkey namely Dursunbey, Çayırhan, Ilgın, Ermenek, and Gürmin-Merzifon. Collected samples were analyzed in terms of float and sink analysis. As regards to float and sink analysis, the original samples were floated and sinked in 2 different ZnCl2 solutions of densities 1.40 and 1.60 g cm-3. Proximate analysis of each original sample for the corresponding lignite was carried out in the beginning of this study. In terms of proximate analysis performed, Dursunbey lignite sample has the lowest ash content of 24.86 % while Gürmin Merzifon lignite sample has the highest ash content of 45.02 %, respectively. Accordingly, 5 float and sink analysis graphic obtained and they would help one to understand and easily figure out the optimum medium density for cleaning.

show abstract

“…Temiz kömür üretiminde düşük kaliteli kömürler direk kullanıma uygun olmadıkları ve çevresel zararları minimize etmek için üretimden sonra lavvarlarda yıkama işlemine tabi tutulurlar. Kömür yıkama işleminde düşük kaliteli linyit kömürlerinin kül yapıcı mineral maddeleri bazı teknikler ile kömürden uzaklaştırılarak kalitesi nispeten yükseltilmiş temiz yıkanmış kömür elde edilir (Nasir, Kucerik, & Mahmood, 2012;Tozsin, Acar, & Sivrikaya, 2018;Xia, Xie, & Peng, 2015). Bu tür çalışmalar neticesinde elde edilen kömürlerin kullanımı hem ekonomik hem de çevresel açıdan daha uygundur.…”

Section: Introductionunclassified

Yıkanmış Türk Linyit Kömürlerinin Üst Isıl Değerinin Destek Vektör Regresyonu ile Tahmini

Acikkar

Sivrikaya

2020

European Journal of Science and Technology

View full text Add to dashboard Cite

Öz Bu çalışmada yıkanmış Türk linyit kömürlerinin üst ısıl değeri (GCV), makine öğrenmesi yöntemleri ile kömür numunelerinin kuru baz kısa analiz sonuçları kullanılarak tahmin edilmiştir. Laboratuvar kömür analiz sonuçlarından elde edilen kül (A), uçucu madde (VM), kükürt (S) ve GCV değişkenleri kullanılarak veri kümesi oluşturulmuştur. Veri kümesine, Destek Vektör Regresyonu (SVR) ile Çok Katmanlı Algılayıcı (MLP), Genel Regresyon Sinir Ağı (GRNN) ve Radyal Temelli Fonksiyon Sinir Ağı (RBFN) olmak üzere üç farklı Yapay Sinir Ağı (ANN) uygulanarak GCV tahmin modelleri geliştirilmiştir. Geliştirilen modellerin performans genelleştirme kabiliyeti 10-katlı çapraz-doğrulama kullanılarak sağlanmış ve modellerin tahmin doğruluğu, performans ölçütleri Çoklu Korelasyon Katsayısı (R), Kök Ortalama Kare Hatası (RMSE), Ortalama Mutlak Hata (MAE) ve Ortalama Mutlak Yüzde Hata (MAPE) kullanılarak hesaplanmıştır. Sonuçlar, GCV tahmini için, tüm modeller arasında SVR tabanlı modelin ANN tabanlı modellere göre biraz daha iyi, ANN tabanlı modeller arasında ise RBFN tabanlı modelin MLP ve GRNN tabanlı modellere göre daha iyi performans gösterdiğini ortaya koymuştur.

show abstract

Evaluation of a Turkish Lignite Coal Cleaning by Conventional and Enhanced Gravity Separation Techniques

Cited by 19 publications

References 14 publications

Conventional and recent advances in gravity separation technologies for coal cleaning: A systematic and critical review

Conventional and recent advances in gravity separation technologies for coal cleaning: A systematic and critical review

Density cleaning for some Turkish lignites

Yıkanmış Türk Linyit Kömürlerinin Üst Isıl Değerinin Destek Vektör Regresyonu ile Tahmini

Contact Info

Product

Resources

About