Please use this identifier to cite or link to this item:
http://hdl.handle.net/11452/12265
Title: | El baskısı işletmelerinden kaynaklanan tekstil atıksularının uv/h2o2 prosesiyle arıtılabilirliğinin yapay sinir ağları ile araştırılması |
Other Titles: | Investigation of the treatability of hand-printed textile wastewaters by uv/h2o2 using artificial neural networks |
Authors: | Uludağ Üniversitesi/Mühendislik Fakültesi/Çevre Mühendisliği Bölümü. Kılıç, Melike Yalılı Yonar, Taner |
Keywords: | Arıtma El baskısı tekstil atıksuyu UV/H2O2 Yapay sinir ağları Treatment Hand-printed textile wastewater Artificial neural network |
Issue Date: | 18-Dec-2017 |
Publisher: | Uludağ Üniversitesi |
Citation: | Kılıç, M. Y. ve Yonar, T. (2017). "El baskısı işletmelerinden kaynaklanan tekstil atıksularının uv/h2o2 prosesiyle arıtılabilirliğinin yapay sinir ağları ile araştırılması". Uludağ Üniversitesi Mühendislik Fakültesi Dergisi, 22(3), 201-212. |
Abstract: | Bu çalışmada, el baskısı işletmelerinden kaynaklanan tekstil atıksularındaki KOİ ve renk gibi kirleticilerin fotooksidasyonu, UV/H2O2 prosesi ile 256 nm dalga boyunda, 15 W’lık lambaların kullanımıyla gerçekleştirilmiş ve arıtma sonuçları sunulmuştur. Veriler NeuroSolutions 5.06 model ile başarılı bir şekilde test edilmiştir. Her bir örnek, üç bağımsız değişken (pH, H2O2 konsantrasyonu, işletme süresi) ve iki bağımlı değişken (renk ve KOİ) ile karakterize edilmiştir. Sonuçlar, pH’ın baskın değişken olduğunu, reaksiyon süresi ile H2O2 konsantrasyonunun daha az etkili değişkenler olduğunu göstermiştir. Model, KOİ için %99 ve renk için %99 korelasyon katsayıları sunarken, modelin tahmin gücünü ve genellemenin karakterini belirtmektedir. In this study, the photooxidation of pollutants such as COD and color present in hand-printed textile wastewaters has been carried out in the presence of hydrogen peroxide (H2O2), using 256 nm UV light (15 W), and the results of the treatment has been presented. The obtained data has been successfully tested through a NeuroSolutions 5.06 model. Each sample has been characterized by three independent variables (i.e., pH, H2O2 concentration, and time of operation) and two dependent variables (i.e., color and COD). According to the results, pH is the predominant variable, and the reaction mean time and H2O2 volume are the less influential variables. The neural model obtained presented coefficients of correlation of 99% for COD and 99% for color, indicating the prediction power of the model and its character of generalization. |
URI: | https://dergipark.org.tr/tr/download/article-file/403140 http://hdl.handle.net/11452/12265 |
ISSN: | 2148-4147 2148-4155 |
Appears in Collections: | 2017 Cilt 22 Sayı 3 |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
22_3_15.pdf | 886.77 kB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License