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 | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | University of Birmingham (UoB) | - |
Autor(es): dc.creator | Bressane, Adriano | - |
Autor(es): dc.creator | Melo, Carrie Peres | - |
Autor(es): dc.creator | Sharifi, Soroosh | - |
Autor(es): dc.creator | da Silva, Pedro Grava | - |
Autor(es): dc.creator | Toda, Daniel Hiroshi Rufino | - |
Autor(es): dc.creator | Moruzzi, Rodrigo | - |
Data de aceite: dc.date.accessioned | 2025-08-21T20:25:34Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T20:25:34Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-10-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.jwpe.2024.106138 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/304836 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/304836 | - |
Descrição: dc.description | The dynamics of gravitational sedimentation in water treatment are crucial for optimising particulate matter removal. This study addresses the effect of fractal aggregate features on settling velocity and explores fuzzy machine learning (ML) for predicting this phenomenon. Particle image velocimetry determined aggregate velocities within a sedimentation column, with features identified concurrently. Using a comprehensive methodological framework, significant predictors were selected through various statistical analyses. The fuzzy ML model, developed with the ‘FisPro’ package in R, incorporated a hierarchical partitioning scheme using Lukasiewicz and Sum operators for conjunction and disjunction processes, respectively. The Wang-Mendel method extracted fuzzy rules, with defuzzification achieved using the maximum crisp operator. Hyperparameter optimization was conducted through grid search techniques, and model performance was evaluated using 3-fold cross-validation. The findings reveal that Margination, Radius, and Clumpiness significantly impact settling velocity. The model demonstrates exceptional predictive accuracy (R2 = 0.923) across both training and validation datasets, highlighting its potential for forecasting terminal velocity in water treatment. This research suggests that precise predictions of sedimentation dynamics can improve particulate matter removal efficiency and encourages further investigations into diverse aggregate types and environmental scenarios, advocating for integrating physics-informed ML approaches to enhance the model. | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | São Paulo State University (UNESP) Institute of Science and Technology | - |
Descrição: dc.description | Graduate Program in Civil and Environmental Engineering São Paulo State University (UNESP) | - |
Descrição: dc.description | School of Civil Engineering University of Birmingham (UoB) | - |
Descrição: dc.description | São Paulo State University (UNESP) Institute of Science and Technology | - |
Descrição: dc.description | Graduate Program in Civil and Environmental Engineering São Paulo State University (UNESP) | - |
Descrição: dc.description | FAPESP: 2023/08052-1 | - |
Descrição: dc.description | CNPq: 309788/2021-8 | - |
Descrição: dc.description | CNPq: 441591/2023-0 | - |
Descrição: dc.description | CAPES: 88887.310463/2018-00 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Journal of Water Process Engineering | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Fractal aggregate | - |
Palavras-chave: dc.subject | Fuzzy | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Settling velocity | - |
Palavras-chave: dc.subject | Water treatment | - |
Título: dc.title | Fuzzy machine learning predictions of settling velocity based on fractal aggregate physical features in water treatment | - |
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: