S. cerevisiae ile REMAZOL SARI (RR) GİDERİMİNE YAPAY SİNİR AĞI (YSA) YAKLAŞIMI

Fatma Erdem

doi:10.17482/uumfd.461122

S. cerevisiae ile REMAZOL SARI (RR) GİDERİMİNE YAPAY SİNİR AĞI (YSA) YAKLAŞIMI

Öz

Bu çalışmada kesikli sistemde S. cerevisiae ile Remazol Sarı (RR) giderimine Yapay Sinir Ağı (YSA) yaklaşımı uygulanmıştır. Bu kapsamda yapay sinir ağı için sistem girdi verisi olarak pH, başlangıç boya konsantrasyonu ve başlangıç biyosorbent konsantrasyonu tanımlanırken çıktı katmanında % boya giderim değeri tahmin edilmiştir. Yapay sinir ağı (YSA) eğitimi Levenberg–Marquardt ileri besleme algoritması ile yapılmış olup deneysel veriler %60 eğitim, %20 validasyon ve %20 test olarak bölünmüştür. Maksimum devir (epoch) değeri 12000 iterasyon olarak belirlenmiştir. Sisteme ait R² değerleri eğitim için %98, validasyon için %96 ve tüm biyosorpsiyon sistemi için %98 olarak belirlenmiştir. Çalışmanın devamında biyosorpsiyon sistemi modellenmesi kapsamında sistem değişkenleri olan pH, başlangıç boya ve biyosorbent konsantrasyonları ile sıcaklık için ayrı ayrı modelleme çalışmaları gerçekleştirilmiştir. Çalışma sonucunda deneysel ve model tahmini % giderim değerleri karşılaştırıldığında, YSA ile sistemin iyi bir şekilde modellendiği ve modelin iyi bir tahmin yeteneğine sahip olduğu görülmüştür.

Anahtar Kelimeler

Biyosorpsiyon,Yapay Sinir Ağı,Modelleme,Remazol Sarı (RR),S.cerevisiae

Kaynakça

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.
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
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
4. Arı A., Berberler M.E. (2017) Yapay Sinir Ağları ile Tahmin ve Sınıflandırma Problemlerinin Çözümü İçin Arayüz Tasarımı, Acta Infologica, 1(2).
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
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
7. Ataseven B. (2013) Yapay Sinir Ağları ile Öngörü Modellemesi, Öneri Dergisi, 10(39), 101-105.
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.

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.
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).
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
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.
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
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
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
16. Fiona N.(2001) Neural Networks algorithms and applications, Neil’s Brock Business College.
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
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
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
20. Krose B., Smagt P. (1998) An introduction to Neural Networks, 8. Baskı, Amsterdam.
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
22. Özdemir H. (2013) Yapay Sinir Ağları ve Dokuma Teknolojisinde Kullanımı, Tekstil Teknolojileri Elektronik Dergisi, 7(1), 51-68.
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
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
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.

Ayrıntılar

Birincil Dil

Türkçe

Konular

Mühendislik

Bölüm

Araştırma Makalesi

Yazarlar

Fatma Erdem ^*
Türkiye

Yayımlanma Tarihi

30 Ağustos 2019

Gönderilme Tarihi

18 Eylül 2018

Kabul Tarihi

24 Mayıs 2019

Yayımlandığı Sayı

Yıl 2019 Cilt: 24 Sayı: 2

DOI

https://doi.org/10.17482/uumfd.461122

IZ

https://izlik.org/JA32NE49BA

Kaynak Göster

RIS / Bibtex

APA

Erdem, F. (2019). S. cerevisiae ile REMAZOL SARI (RR) GİDERİMİNE YAPAY SİNİR AĞI (YSA) YAKLAŞIMI. Uludağ Üniversitesi Mühendislik Fakültesi Dergisi, 24(2), 289-298. https://doi.org/10.17482/uumfd.461122

AMA

1.Erdem F. S. cerevisiae ile REMAZOL SARI (RR) GİDERİMİNE YAPAY SİNİR AĞI (YSA) YAKLAŞIMI. UUJFE. 2019;24(2):289-298. doi:10.17482/uumfd.461122

Chicago

Erdem, Fatma. 2019. “S. cerevisiae ile REMAZOL SARI (RR) GİDERİMİNE YAPAY SİNİR AĞI (YSA) YAKLAŞIMI”. Uludağ Üniversitesi Mühendislik Fakültesi Dergisi 24 (2): 289-98. https://doi.org/10.17482/uumfd.461122.

EndNote

Erdem F (01 Ağustos 2019) S. cerevisiae ile REMAZOL SARI (RR) GİDERİMİNE YAPAY SİNİR AĞI (YSA) YAKLAŞIMI. Uludağ Üniversitesi Mühendislik Fakültesi Dergisi 24 2 289–298.

IEEE

[1]F. Erdem, “S. cerevisiae ile REMAZOL SARI (RR) GİDERİMİNE YAPAY SİNİR AĞI (YSA) YAKLAŞIMI”, UUJFE, c. 24, sy 2, ss. 289–298, Ağu. 2019, doi: 10.17482/uumfd.461122.

ISNAD

Erdem, Fatma. “S. cerevisiae ile REMAZOL SARI (RR) GİDERİMİNE YAPAY SİNİR AĞI (YSA) YAKLAŞIMI”. Uludağ Üniversitesi Mühendislik Fakültesi Dergisi 24/2 (01 Ağustos 2019): 289-298. https://doi.org/10.17482/uumfd.461122.

JAMA

1.Erdem F. S. cerevisiae ile REMAZOL SARI (RR) GİDERİMİNE YAPAY SİNİR AĞI (YSA) YAKLAŞIMI. UUJFE. 2019;24:289–298.

MLA

Erdem, Fatma. “S. cerevisiae ile REMAZOL SARI (RR) GİDERİMİNE YAPAY SİNİR AĞI (YSA) YAKLAŞIMI”. Uludağ Üniversitesi Mühendislik Fakültesi Dergisi, c. 24, sy 2, Ağustos 2019, ss. 289-98, doi:10.17482/uumfd.461122.

Vancouver

1.Fatma Erdem. S. cerevisiae ile REMAZOL SARI (RR) GİDERİMİNE YAPAY SİNİR AĞI (YSA) YAKLAŞIMI. UUJFE. 01 Ağustos 2019;24(2):289-98. doi:10.17482/uumfd.461122

Cited By

Performance Modeling of the Fenton Process Used as a Single Unit for Treating Raw Textile Effluent

Çukurova Üniversitesi Mühendislik Fakültesi Dergisi

https://doi.org/10.21605/cukurovaumfd.1560112

Gaziantep İlinde Bazı Hava Kirleticilerinin Ölçümü, Modellenmesi ve Değerlendirilmesi

Karaelmas Science and Engineering Journal

https://doi.org/10.7212/karaelmasfen.1204995