Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | GIK Institute of Engineering Sciences and Technology | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | University of Veterinary and Animal Sciences | - |
Autor(es): dc.creator | Khan, Hammad | - |
Autor(es): dc.creator | Wahab, Fazal | - |
Autor(es): dc.creator | Hussain, Sajjad | - |
Autor(es): dc.creator | Khan, Sabir | - |
Autor(es): dc.creator | Rashid, Muhammad | - |
Data de aceite: dc.date.accessioned | 2025-08-21T22:47:11Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T22:47:11Z | - |
Data de envio: dc.date.issued | 2022-04-28 | - |
Data de envio: dc.date.issued | 2022-04-28 | - |
Data de envio: dc.date.issued | 2022-03-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.chemosphere.2021.132818 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/222923 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/222923 | - |
Descrição: dc.description | This study aims to model, analyze, and compare the electrochemical removal of Navy-blue dye (NB, %) and subsequent energy consumption (EC, Wh) using the integrated response surface modelling and optimization approaches. The Box-Behnken experimental design was exercised using current density, electrolyte concentration, pH and oxidation time as inputs, while NB removal and EC were recorded as responses for the implementation and analysis of multiple linear regression, support vector regression and artificial neural network models. The dual-response optimization using genetic algorithm generated multi-Pareto solutions for maximized NB removal at minimum energy cost, which were further ranked by employing the desirability function approach. The optimal parametric solution having total desirability of 0.804 is found when pH, current density, Na2SO4 concentration and electrolysis time were 6.4, 11.89 mA cm−2, 0.055 M and 21.5 min, respectively. At these conditions, NB degradation and EC were 83.23% and 3.64 Wh, respectively. Sensitivity analyses revealed the influential patterns of variables on simultaneous optimization of NB removal and EC to be current density followed by treatment time and finally supporting electrolyte concentration. Statistical metrics of modeling and validation confirmed the accuracy of artificial neural network model followed by support vector regression and multiple linear regression anlaysis. The results revealed that statistical and computational modeling is an effective approach for the optimization of process variables of an electrochemical degradation process. | - |
Descrição: dc.description | Faculty of Materials and Chemical Engineering GIK Institute of Engineering Sciences and Technology | - |
Descrição: dc.description | São Paulo State University (UNESP) Institute of Chemistry, Araraquara. 55 Prof. Francisco Degni St | - |
Descrição: dc.description | Faculty of Fisheries and Wildlife University of Veterinary and Animal Sciences | - |
Descrição: dc.description | São Paulo State University (UNESP) Institute of Chemistry, Araraquara. 55 Prof. Francisco Degni St | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Chemosphere | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | ANN | - |
Palavras-chave: dc.subject | Electrochemical degradation | - |
Palavras-chave: dc.subject | MLR | - |
Palavras-chave: dc.subject | Navy blue | - |
Palavras-chave: dc.subject | Nb/BDD | - |
Palavras-chave: dc.subject | SVR | - |
Título: dc.title | Multi-object optimization of Navy-blue anodic oxidation via response surface models assisted with statistical and machine learning techniques | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: