Show simple item record

dc.rights.licenseAtribución-NoComercial 4.0 Internacional
dc.contributor.authorMokhtari, Maryam
dc.contributor.authorHeshmati R., Ali Akbar
dc.contributor.authorShariatmadari, Nader
dc.date.accessioned2019-07-02T22:00:49Z
dc.date.available2019-07-02T22:00:49Z
dc.date.issued2014-07-01
dc.identifier.issnISSN: 2339-3459
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/63668
dc.description.abstractThe 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.
dc.format.mimetypeapplication/pdf
dc.language.isospa
dc.publisherUniversidad Nacional de Colombia - Sede Bogotá - Facultad de Ciencias - Departamento de Geociencia
dc.relationhttps://revistas.unal.edu.co/index.php/esrj/article/view/41988
dc.relation.ispartofUniversidad Nacional de Colombia Revistas electrónicas UN Earth Sciences Research Journal
dc.relation.ispartofEarth Sciences Research Journal
dc.rightsDerechos reservados - Universidad Nacional de Colombia
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0/
dc.subject.ddc55 Ciencias de la tierra / Earth sciences and geology
dc.titleCompression ratio of municipal solid waste simulation using artificial neural network and adaptive neurofuzzy system
dc.typeArtículo de revista
dc.type.driverinfo:eu-repo/semantics/article
dc.type.versioninfo:eu-repo/semantics/publishedVersion
dc.identifier.eprintshttp://bdigital.unal.edu.co/64114/
dc.relation.referencesMokhtari, 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
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.subject.proposalMunicipal solid waste
dc.subject.proposalCompression ratio
dc.subject.proposalPhysical properties
dc.subject.proposalANFIS model
dc.subject.proposalANN model
dc.subject.proposalStatistical criteria
dc.type.coarhttp://purl.org/coar/resource_type/c_6501
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.contentText
dc.type.redcolhttp://purl.org/redcol/resource_type/ART
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial 4.0 InternacionalThis work is licensed under a Creative Commons Reconocimiento-NoComercial 4.0.This document has been deposited by the author (s) under the following certificate of deposit