TY - JOUR T1 - S. cerevisiae ile REMAZOL SARI (RR) GİDERİMİNE YAPAY SİNİR AĞI (YSA) YAKLAŞIMI AU - Erdem, Fatma PY - 2019 DA - August Y2 - 2019 DO - 10.17482/uumfd.461122 JF - Uludağ Üniversitesi Mühendislik Fakültesi Dergisi JO - UUJFE PB - Bursa Uludağ University WT - DergiPark SN - 2148-4155 SP - 289 EP - 298 VL - 24 IS - 2 LA - tr AB - Bu çalışmada kesikli sistemde S. cerevisiae ile Remazol Sarı (RR)giderimine Yapay Sinir Ağı (YSA) yaklaşımı uygulanmıştır. Bu kapsamda yapaysinir ağı için sistem girdi verisi olarak pH, başlangıç boya konsantrasyonu vebaşlangıç biyosorbent konsantrasyonu tanımlanırken çıktı katmanında % boya giderimdeğeri tahmin edilmiştir. Yapay sinirağı (YSA) eğitimi Levenberg–Marquardt ileri besleme algoritması ile yapılmışolup deneysel veriler %60 eğitim, %20 validasyon ve %20 test olarakbölünmüştür. Maksimum devir (epoch) değeri 12000 iterasyon olarak belirlenmiştir. Sisteme ait R2 değerleri eğitimiçin %98, validasyon için %96 ve tüm biyosorpsiyon sistemi için %98 olarakbelirlenmiştir. Çalışmanın devamında biyosorpsiyon sistemi modellenmesikapsamında sistem değişkenleri olan pH, başlangıç boya ve biyosorbentkonsantrasyonları ile sıcaklık için ayrı ayrı modelleme çalışmalarıgerçekleştirilmiştir. Çalışma sonucunda deneysel ve model tahmini % giderimdeğerleri karşılaştırıldığında, YSA ile sistemin iyi bir şekilde modellendiğive modelin iyi bir tahmin yeteneğine sahip olduğu görülmüştür. KW - Biyosorpsiyon KW - Yapay Sinir Ağı KW - Modelleme KW - Remazol Sarı (RR) KW - S.cerevisiae CR - 1. Abdurrahman, F.B., Akter, M., Abedin, Z. (2013) Dyes Removal From Textile Wastewater Using Orange Peels, International Journal of Scientific & Technology Research, 2-9. CR - 2. Amouei A., Amooey A.A., Asgharzadeh F. (2013) A study of cadmium removal from aqueous solutions by sunflower powders and its modeling using artificial neural network, Iranian Journal of Health Sciences., 1(3): 28-34. doi: 10.18869/acadpub.jhs.1.3.28 CR - 3. Argun, Y.A., Karacalı A., Çalışır U., Kılınç, N., İrak H. (2017) Biosorption method and biosorbents for dye removal from industrial wastewater: A Review, International Journal of Advanced Research, 5(8), 707-714. doi: 10.21474/IJAR01/5110 CR - 4. Arı A., Berberler M.E. (2017) Yapay Sinir Ağları ile Tahmin ve Sınıflandırma Problemlerinin Çözümü İçin Arayüz Tasarımı, Acta Infologica, 1(2). CR - 5. Asgher, M. (2012) Biosorption of Reactive Dyes: A Review, Water, Air, & Soil Pollution, 223(5), 2417–2435. doi: 10.1007/s11270-011-1034-z CR - 6. Aslay F., Özen Ü. (2013) Meteorolojik Parametreler Kullanılarak Yapay Sinir Ağları ile Toprak Sıcaklığının Tahmini, Politeknik Dergisi, 16(4), 139-145. doi: 10.2339/2013.16.4, 139-145 CR - 7. Ataseven B. (2013) Yapay Sinir Ağları ile Öngörü Modellemesi, Öneri Dergisi, 10(39), 101-105. CR - 8. Bingöl D., Kılıç E., Hercan M. (2016) Bakır biyosorpsiyon işlemine Yapay Sinir Ağı (ANN) yaklaşımı, Sakarya Üniversitesi Fen Bilimleri Üniversitesi Dergisi, 20(3), 433-440. doi: 10.16984/saufenbilder.25723. CR - 9. Chu K.H. (2003) Prediction of two-metal biosorption equilibria using a neural network, The European Journal of Mineral Processing and Environmental Protection, 3(1), 119-127. CR - 10. Çavuşlu M.A., Becerikli Y., Karakuzu C. (2012) Levenberg-Marquardt Algoritması ile YSA Eğitiminin Donanımsal Gerçeklenmesi, Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, 5(1). CR - 11. Çoruh S., Kılıç E., Geyikci F. (2014) Prediction of adsorption efficiency for the removal malachite green and acid blue 161 dyes by waste marble dust using ANN, Global Nest Journal, 16(4):676-689. doi: 10.30955/gnj.001366 CR - 12. Dalkılınç, M. (2015). Düşük Maliyetli Biyosorbent ile Sabit Yataklı Kolonda Reaktif Mavi 21 ve Reaktif Kırmızı 250 Biyar Maddelerinin Giderimi ve Atılım Eğrilerinin Modellenmesi, Yüksek Lisans Tezi, Atatürk Üniversitesi Fen Bilimleri Enstitüsü, Erzurum. CR - 13. Donut N., Cavas L. (2017) Artificial Neural Network Modeling of Tetracycline Biosorption by Pre-treated Posidonia oceanica, Turkish Journal of Fisheries and Aquatic Sciences 17, 1317-1333. doi: 10.4194/1303-2712-v17_6_50 CR - 14. Erdem F., Tosun A., Ergun M. (2016) S. cerevisiae ile Remazol Sarı (RR) boyasının kesikli sistemde biyosorpsiyonu, Journal of the Faculty of Engineering and Architecture of Gazi University, 31(4), 971-978. doi: 10.17341/gazimmfd.278452 CR - 15. Faisal A., Nassir Z.S. (2016) Modelling the removal of Cadmium ions from aqueous solutions onto olive pips using neural network technique, Al-Khwarizmi Engineering Journal, 12(3), 1-9. doi: 10.1016/j.procbio.2004.11.007 CR - 16. Fiona N.(2001) Neural Networks algorithms and applications, Neil’s Brock Business College. CR - 17. Garza-González M.T., Alcalá-Rodríguez M.M., Pérez-Elizond R., Cerino-Córdova F.J. Garcia-Reyes R.B., Loredo-Medrano J.A., Soto-Regalado, E. (2011) Artificial neural network for predicting biosorption of methylene blue by Spirulina sp., Water scence and technology, 75(5), 977-983. doi: 10.2166/wst.2011.279 CR - 18. Karaman Ş. Deniz F. (2014) Pinus brutia Ten. (Kızılçam) Kozalak ve Yaprak Biyomasının Boya Biyosorpsiyon/Desorpsiyon Potansiyeli, Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi, 17(3), 19-25. doi: 10.18016/ksujns.19406 CR - 19. Kardam A. Raj K.R., Arora J.K., Srivastava S. (2014) Simulation and Optimization of Artificial Neural Network Modeling for Prediction of Sorption Efficiency of Nanocellulose Fibers for Removal of Cd (II) Ions from Aqueous System, Engineering and Physical Sciences, 11(6): 497‐508. doi: 10.2004/wjst.v11i6.625 CR - 20. Krose B., Smagt P. (1998) An introduction to Neural Networks, 8. Baskı, Amsterdam. CR - 21. Nasrullaha A., Bhata A.H., Isab M.H., Danishc M., Naeemd A., Muhammade N., Khanb T. (2017) Efficient removal of methylene blue dye using mangosteen peel waste: kinetics, isotherms and artificial neural network (ANN) modeling, Desalination and Water Treatment, 86, 191-202. doi: 10.5004/dwt.2017.21295 CR - 22. Özdemir H. (2013) Yapay Sinir Ağları ve Dokuma Teknolojisinde Kullanımı, Tekstil Teknolojileri Elektronik Dergisi, 7(1), 51-68. CR - 23. Saibaba K.V.N., King P. (2012) Application of artificial neural networks and response surface methodology for dye removal using a novel adsorbent chemical technology. Chemical Technology: An Indian Journal, 7(1), 9-15. doi: 10.1177/0263617416675625 CR - 24. Yaseen D. A. , Scholz M. (2019) Textile dye wastewater characteristics and constituents of synthetic effluents: a critical review, International Journal of Environmental Science and Technology, 16(2), 1193–1226. doi: 10.1007/s13762-018-2130-z CR - 25. Yu L., Wang S. Keung Lai K. (2007) Basic Learning Principles of Artificial Neural Networks. In: Foreign-Exchange-Rate Forecasting With Artificial Neural Networks. International Series in Operations Research & Management Science, 107, Springer, Boston. doi: 10.1007/978-0-387-71720-3. UR - https://doi.org/10.17482/uumfd.461122 L1 - https://dergipark.org.tr/en/download/article-file/801363 ER -