Escudo de la República de Colombia
Sistema Nacional de Biliotecas - Repositorio Institucional Universidad Nacional de Colombia Biblioteca Digital - Repositorio Institucional UN Sistema Nacional de Bibliotecas UN

Compression ratio of municipal solid waste simulation using artificial neural network and adaptive neurofuzzy system

Mokhtari, Maryam and Heshmati R., Ali Akbar and Shariatmadari, Nader (2014) Compression ratio of municipal solid waste simulation using artificial neural network and adaptive neurofuzzy system. Earth Sciences Research Journal, 18 (2). pp. 165-171. ISSN 2339-3459

Texto completo

[img]
Vista previa
PDF - Versión Publicada
Available under License Creative Commons Attribution.

1MB

URL oficial: https://revistas.unal.edu.co/index.php/esrj/articl...

Resumen

The compression ratio of Municipal Solid Waste (MSW) is an essential parameter for evaluation of waste settlement. Since it is relatively time-consuming to determine compression ratio from oedometer tests and there exist difficulties associated with working on waste materials, it will be useful to develop models based on waste physical properties. Therefore, present research attempts to develop proper prediction models using ANFIS and ANN models. The compression ratio was modeled as a function of the physical properties of waste including dry unit weight, water content, and biodegradable organic content. A reliable experimental database of oedometer tests, taken from the literature, was employed to train and test the ANN and ANFIS models. The performance of the developed models was investigated according to different statistical criteria (i.e. correlation coefficient, root mean squared error, and mean absolute error) recommended by researchers. The final models have demonstrated the correlation coefficients higher than 90% and low error values; so, they have capability for acceptable prediction of municipal solid waste compression ratio. Furthermore, the values of performance measures obtained for ANN and ANFIS models indicate that the ANFIS model performs better than ANN model. ResumenEl índice de compresión de residuos sólidos es un parámetro esencial para la evaluación del asentamiento de un basurero municipal. Debido al desgaste de tiempo para determinar el índice de compresión a partir de pruebas edométricas y debido a las dificultades asociadas al trabajo con materiales desechados es necesario desarrollar modelos basados en las propiedades físicas de los desechos solidos. Además, la presente investigación pretende  desarrollar modelos de predicción apropiados a partir de los esquemas ANFIS y ANN. El índice de comprensión se modeló como una función de propiedades físicas de desechos que incluyen el peso seco de una unidad, el contenido de agua y el contenido orgánico biodegradable. De la literatura se tomó una base de datos confiable de pruebas edométricas experimentales que fue empleada para preparar y evaluar los modelos ANFIS y ANN. El desempeño de los modelos desarrollados fue investigado de acuerdo con diferentes criterios estadísticos (por ejemplo, el coeficiente de correlación, el error cuadrático medio y el error medio absoluto) recomendados por investigadores. Los modelos finales han demostrado coeficientes de correlación mayores al 90 por ciento y valores bajos de error. Esto significa que estos modelos tienen una capacidad de predicción aceptable para el índice de comprensión del basurero municipal. Además, los valores de las medidas de desempeño obtenidos para los modelos ANFIS y ANN indican que el modelo ANFIS tiene una mayor asertividad que el modelo ANN.

Tipo de documento:Artículo - Article
Palabras clave:Municipal solid waste, Compression ratio, Physical properties, ANFIS model, ANN model, Statistical criteria
Temática:5 Ciencias naturales y matemáticas / Science > 55 Ciencias de la tierra / Earth sciences & geology
Unidad administrativa:Revistas electrónicas UN > Earth Sciences Research Journal
Código ID:64114
Enviado por : Dirección Nacional de Bibliotecas STECNICO
Enviado el día :06 Junio 2018 13:36
Ultima modificación:06 Junio 2018 13:36
Ultima modificación:06 Junio 2018 13:36
Exportar:Clic aquí
Estadísticas:Clic aquí
Compartir:

Solamente administradores del repositorio: página de control del ítem

Vicerrectoría de Investigación: Número uno en investigación
Indexado por:
Indexado por Scholar Google WorldCat DRIVER Metabiblioteca OAIster BASE BDCOL Registry of Open Access Repositories SNAAC Red de repositorios latinoamericanos eprints Open archives La referencia Tesis latinoamericanas OpenDOAR CLACSO
Este sitio web se ve mejor en Firefox