2 results
Search Results
Now showing 1 - 2 of 2
Research Project Binükleer Rodyum Komplekslerinin, $[rh_2(b-b)_4l_2] (b-b=ch_3co_2^-, So_4^{2-}, Hpo_4^{2-})$ Elektrokimyasal Özellikleri, Elektron Soğurma Spektrumları ve Elektron Yapıları(2003) İşçi, Hüseyin; Özbek, Özge; Önal, M. Ahmet; Yaman, Şeniz ÖzalpBu çalışmada, çeşitli dirodyum(II,II) kompleksleri, [M2(B-B)4L2]n ve [NH4]n[M2(B-B)4L2] (M= Rh(II); B-B= O2CCH3\", SO42\\ CO32\" ve H2PO4\"; L = CH3OH, H2O), hazırlanmış, komplekslerin elektrokimyasal davranımları ve elektron soğurma spektrumları çalışılmıştır. Yükseltgenme-indirgenme tepe gerilimlerinin değişimleri ile komplekslerin HOMO ve LUMO enerji seviyelerini ilişkilendirebilmek amacıyla çeşitli eksenel ligandları (L = H2O, CH3CN, Cl\", Br\", SCN\"), içeren komplekslerin yükseltgenme tepe gerilimleri dönüşümlü voltametre yöntemi ile ölçülmüştür. Elektron soğurma spektrumlarmın açıklanması da yine elektrokimyasal veriler kullanılarak yapılmıştır. Komplekslerin sabit potansiyel elektrolizleri çeşitli çözücüler içinde yapılmış ve ürünlerin oluşumları elektroliz sırasında UV-Vis spektrofotometre kullanılarak izlenmiştir.Article Citation - WoS: 7Citation - Scopus: 9Ann-Assisted Forecasting of Adsorption Efficiency To Remove Heavy Metals(Tubitak Scientific & Technological Research Council Turkey, 2019) Buaısha, Magdi; Balku, Şaziye; Yaman, Şeniz ÖzalpIn wastewater treatment, scientific and practical models utilizing numerical computational techniques suchas artificial neural networks (ANNs) can significantly help to improve the process as a whole through adsorption systems.In the modeling of the adsorption efficiency for heavy metals from wastewater, some kinetic models have been used such as pseudo first-order and second-order. The present work develops an ANN model to forecast the adsorption efficiency of heavy metals such as zinc, nickel, and copper by extracting experimental data from three case studies. To do this, we apply trial-and-error to find the most ideal ANN settings, the efficiency of which is determined by mean square error (MSE) and coefficient of determination (R2). According to the results, the model can forecast adsorption efficiency percent (AE%) with a tangent sigmoid transfer function (tansig) in the hidden layer with 10 neurons and a linear transferfunction (purelin) in the output layer. Furthermore, the Levenberg–Marquardt algorithm is seen to be most ideal for training the algorithm for the case studies, with the lowest MSE and high R2 . In addition, the experimental results and the results predicted by the model with the ANN were found to be highly compatible with each other.
