Araştırma Makalesi
PDF Zotero Mendeley EndNote BibTex Kaynak Göster

Yangın geciktirici kimyasallarla emprenye edilmiş kontrplakların en iyi ısı iletim özellikleri için optimum çözelti konsantrasyonunun yapay sinir ağları ile belirlenmesi

Yıl 2021, Cilt 22, Sayı 2, 161 - 169, 19.11.2021
https://doi.org/10.17474/artvinofd.896585

Öz

Yangın geciktirici kimyasallar, uygulanmış oldukları malzemelerin fiziksel, mekanik ve diğer bazı teknolojik özellikleri üzerinde farklı etkilere neden olmaktadır. Bu etkiler, çözeltilerin konsantrasyon miktarlarına ve retensiyon miktarlarına bağlı olarak değişim gösterebilmektedir. Bu yüzden, yangın geciktirici kimyasalların uygulandıkları malzemeleri kullanım yerlerinde istenilen özelliklere göre en az seviyede olumsuz etkileyebilmesi için en uygun konsantrasyonlarda kullanılması gerekmektedir. Bu çalışmada, farklı yangın geciktirici kimyasallarla emprenye edilmiş kontrplakların en iyi ısı iletim özellikleri için optimum çözelti konsantrasyon değerlerinin yapay sinir ağları aracılığıyla (YSA) belirlenmesi amaçlanmıştır. Deneysel veriler, literatürde tarafımızca yapılan önceki çalışmadan elde edilmiştir. Ağaç türü olarak, sarıçam (Pinus sylvestris L.) ve kızılağaç (Alnus glutinosa subsp. barbata), yangın geciktirici kimyasal olarak da çinko borat, monoamonyum fosfat ve amonyum sülfat kullanılmıştır. Kaplama levhaları daldırma metoduna göre emprenye edilmiş ve %5, %7 ve %10 olmak üzere üç farklı çözelti konsantrasyonları seçilmiştir. Kontrplak levhalarının ısı iletim özelliklerini belirlemek için ısıl iletkenlik katsayıları ASTM C 518 standardına göre belirlenmiştir. Deneysel olarak elde edilen veriler ile YSA analizleri sonucunda elde edilen tahmin değerleri hem istatistiksel hem de grafiksel karşılaştırmalar kullanılarak, en iyi performansa ve kabul edilebilir sapmalara sahip tahmin modeli belirlenmiştir. Daha sonra, bu tahmin modeli kullanılarak, ısıl iletkenlik katsayı değerleri deneysel olarak testi yapılmayan ara çözelti konsantrasyon değerleri için tahmin edilmiştir. Analiz bulgularına göre, sarıçam kontrplaklarda optimum çözelti konsantrasyon değerleri monoamonyum fosfat, çinko borat ve amonyum sülfat için sırasıyla, %5, %8.6 ve %6.2 iken kızılağaç kontrplaklar için ise bu değerler, %8.4, %6.2 ve %8.8 olarak hesaplanmıştır.

Kaynakça

  • Antanasijević DZ, Pocajt VV, Povrenović DS, Ristić MĐ, Perić-Grujić AA (2013) PM10 emission forecasting using artificial neural networks and genetic algorithm input variable optimization. Science of the Total Environment 443: 511-519
  • ASTM C 518 (2004) Methots of Measuring Thermal Conductivity, Absolute and Reference Method. ASTM International: West Conshohocken, USA
  • Aydin I, Colakoglu G (2007) Variation in surface roughness, wettability and some plywood properties after preservative treatment with boron compounds. Building and Environment 42:11: 3837-3840
  • Bryn O, Bekhta P, Sedliačik J, Forosz V, Galysh V (2016) The effect of diffusive impregnation of birch veneers with fire retardant on plywood properties. BioResources 11:4: 9112-9125
  • Cheng RX, Wang QW (2011) The influence of FRW-1 fire retardant treatment on the bonding of plywood. Journal of Adhesion Science and Technology 25:14: 1715-1724
  • Demir A, Aydin İ, Öztürk H (2016) Farklı konsantrasyonlardaki çeşitli yangın geciktirici kimyasalların kontrplakların ısıl iletkenlikleri üzerine etkisi. In: Proceedings of International Multidisciplinary Congress of Eurasian, Odessa, Ukrayna,2: 328-332
  • Demir A, Demirkir C, Aydin I (2019) The effect of some technological properties of plywood panels on seismic resistant performance of wooden shear wall. Sigma J Eng & Natur Sci 10:1: 37-45
  • Demirkir C, Colakoglu G, Karacabeyli E (2013a) Effect of manufacturing factors on technological properties of plywood from northern turkey and suitability of panels for use in shear walls. Journal of structural engineering 139(12): 04013002
  • Demirkir C, Özsahin Ş, Aydin I, Colakoglu G (2013b) Optimization of some panel manufacturing parameters for the best bonding strength of plywood. International Journal of Adhesion and Adhesives 46: 14-20
  • Demirkır MS (2014) Çeşitli ağaç türlerinden elde edilen kontrplakların teknolojik özellikleri üzerine presleme süresi ve tutkal türünün etkisi, K.T.Ü., Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Trabzon, 23 s
  • Esteban LG, Fernandez FG, Palacios P (2011) Prediction of plywood bonding quality using an artificial neural network. Holzforschung 65:2: 209–214
  • Fernández FG, Esteban LG, Palacios P, Navarro N, Conde M (2008) Prediction of standard particleboard mechanical properties utilizing an artificial neural network and subsequent comparison with a multivariate regression model. Investigación agraria: Sistemas y recursos forestales 17:2: 178–187
  • Gao M, Sun C, Wang C (2006) Thermal degradation of wood treated with flame retardants. Journal of Thermal Analysis and Calorimetry 85:3: 765-769
  • Kol HS, Sefil Y (2011) The thermal conductivity of Fir and Beech Wood Heat Treated at 170, 180, 190, 200 and 212°C, Journal of Applied Polymer Science 121: 2473-2480
  • Kol HS, Uysal B, Kurt S (2010) Thermal conductivity of oak impregnated with some chemicals and finished. Bioresources 5:2: 545-555
  • Küçükönder H, Boyaci S, Akyüz A (2016) A modeling study with an artificial neural network: developing estimation models for the tomato plant leaf area. Turkish Journal of Agriculture and Forestry 40:2: 203-212
  • LeVan SL (1984) Chemistry of Fire Retardancy, In R.M.Rowel, ed. The Chemistry of Solid Wood. Advances in Chemistry Series 207. American Chemical Society, Washington, D.C.
  • Örs Y, Şenel A (1999) Bazı ahşap ve ahşap kökenli malzemelerin ısı iletkenlik katsayıları. Turkish Journal of Agriculture and Forestry 23: 239-245
  • Ozsahin S, Aydin I, (2014) Prediction of the optimum veneer drying temperature for good bonding in plywood manufacturing by means of artificial neural network. Wood science and technology 48:1: 59-70
  • Özşahin Ş (2012. The use of an artificial neural network for modelling the moisture absorption and thickness swelling of oriented strand board. BioResources 7: 1053-1067
  • Ozsahin S, Murat M (2018) Prediction of equilibrium moisture content and specific gravity of heat treated wood by artificial neural networks. European journal of wood and wood products 76:2: 563-572
  • Rice RW, Shepard R (2004) The thermal conductivity of plantation grown white pine (Pinus strobus) and red pine (Pinus resinosa) at two moisture content levels. Forest Products Journal 54:1: 92-94
  • Su WY, Hata T, Nishimiya K, Imamura Y, Ishihara S (1998) Improvement of fire retardancy of plywood by incorporating boron or phosphate compounds in the glue. Journal of wood science 44:2: 131-136
  • Taşpınar F, Bozkurt Z (2014) Application of artificial neural networks and regression models in the prediction of daily maximum PM10 concentration in Düzce, Turkey. Fresenius Environ Bull 23: 2450-2459
  • Tiryaki S, Bardak S, Aydın A (2016) Modeling of wood bonding strength based on soaking temperature and soaking time by means of artificial neural networks. International Journal of Intelligent Systems and Applications in Engineering 153-157
  • Tiryaki S, Özşahin Ş, Aydın A (2017) Employing artificial neural networks for minimizing surface roughness and power consumption in abrasive machining of wood. European Journal of Wood and Wood Products 75:3: 347-358
  • Ustaömer D (2008) Çeşitli yanmayı geciktirici kimyasal maddelerle muamele edilerek üretilmiş orta yoğunluktaki liflevhaların (MDF) özelliklerindeki değişimlerin belirlenmesi, K.T.Ü., Fen Bilimleri Enstitüsü, Doktora Tezi, Trabzon, 1 s
  • Uysal B, Kurt Ş, Kol HŞ, Özcan C (2008) Thermal conductivity of poplar impregnated with some fire retardant, Teknoloji 11:4: 239-251
  • Uysal B, Yapıcı F, Kol HŞ, Özcan C, Esen R, Korkmaz M (2011) Emprenye yapılmış ağaç malzeme üzerine uygulanan üstyüzey işlemlerinin isı iletkenliklerinin belirlenmesi, . In: Proceedings of 6th International Advanced Technologies Symposium (IATS’11), Elazığ
  • Varol T, Canakci A, Ozsahin S (2018) Prediction of effect of reinforcement content, flake size and flake time on the density and hardness of flake AA2024-SiC nanocomposites using neural networks. Journal of Alloys and Compounds 739: 1005-1014
  • Wang W, Zammarano M, Shields JR, Knowlton ED, Kim I, Gales JA, ... Li J (2018) A novel application of silicone-based flame-retardant adhesive in plywood. Construction and Building Materials 189: 448-459
  • Wang Y, Zhao J (2018) Preliminary study on decanoic/palmitic eutectic mixture modified silica fume geopolymer-based coating for flame retardant plywood. Construction and Building Materials 189: 1-7
  • Wu M, Song W, Wu Y, Qu W (2020) Preparation and characterization of the flame-retardant decorated plywood based on the intumescent flame retardant adhesive. Materials 13:3: 676
  • Yadav V, Nath S (2017) Forecasting of PM 10 Using Autoregressive Models and Exponential Smoothing Technique. Asian Journal of Water, Environment and Pollution 14:4: 109-113

Determination of optimum solution concentration for the best thermal conduction properties of plywood treated with fire retardant chemicals by artificial neural network

Yıl 2021, Cilt 22, Sayı 2, 161 - 169, 19.11.2021
https://doi.org/10.17474/artvinofd.896585

Öz

Fire-retardant chemicals cause different effects on the physical, mechanical and some technological properties of materials which they are applied to. These effects may vary depending on retention amounts and concentration of solutions. Therefore, fire-retardant chemicals should be used at the most suitable concentration to have a minimal negative effect on the materials which they are applied to according to desired properties. In this study, it is aimed to determine the optimum solution concentration values for the best insulation properties of plywood treated with different fire-retardant chemicals through artificial neural network (ANN). Scots pine and alder were used as wood species while zinc borate, monoammonium phosphate and ammonium sulphate were used as fire-retardant chemicals. The veneer sheets were treated with immersion method and chosen three different concentrations as 5%, 7% and 10% aqueous solutions. To determine the insulation properties of plywood panels, the thermal conductivity coefficients were determined according to ASTM C 518 standard. The prediction model with the best performance and acceptable deviations was determined by using statistical and graphical comparisons between the experimental data and the prediction values obtained as a result of ANN analysis. Then, using this prediction model, the thermal conductivity coefficient values were estimated for the intermediate solution concentration values that were not experimentally tested. According to the analysis findings, the optimum solution concentration values for monoammonium phosphate, zinc borate and ammonium sulphate in the scots pine plywood were calculated 5%, 8.6% and 6.2% while these values in the alder plywood were calculated 8.4%, 6.2% and 8.8%, respectively.

Kaynakça

  • Antanasijević DZ, Pocajt VV, Povrenović DS, Ristić MĐ, Perić-Grujić AA (2013) PM10 emission forecasting using artificial neural networks and genetic algorithm input variable optimization. Science of the Total Environment 443: 511-519
  • ASTM C 518 (2004) Methots of Measuring Thermal Conductivity, Absolute and Reference Method. ASTM International: West Conshohocken, USA
  • Aydin I, Colakoglu G (2007) Variation in surface roughness, wettability and some plywood properties after preservative treatment with boron compounds. Building and Environment 42:11: 3837-3840
  • Bryn O, Bekhta P, Sedliačik J, Forosz V, Galysh V (2016) The effect of diffusive impregnation of birch veneers with fire retardant on plywood properties. BioResources 11:4: 9112-9125
  • Cheng RX, Wang QW (2011) The influence of FRW-1 fire retardant treatment on the bonding of plywood. Journal of Adhesion Science and Technology 25:14: 1715-1724
  • Demir A, Aydin İ, Öztürk H (2016) Farklı konsantrasyonlardaki çeşitli yangın geciktirici kimyasalların kontrplakların ısıl iletkenlikleri üzerine etkisi. In: Proceedings of International Multidisciplinary Congress of Eurasian, Odessa, Ukrayna,2: 328-332
  • Demir A, Demirkir C, Aydin I (2019) The effect of some technological properties of plywood panels on seismic resistant performance of wooden shear wall. Sigma J Eng & Natur Sci 10:1: 37-45
  • Demirkir C, Colakoglu G, Karacabeyli E (2013a) Effect of manufacturing factors on technological properties of plywood from northern turkey and suitability of panels for use in shear walls. Journal of structural engineering 139(12): 04013002
  • Demirkir C, Özsahin Ş, Aydin I, Colakoglu G (2013b) Optimization of some panel manufacturing parameters for the best bonding strength of plywood. International Journal of Adhesion and Adhesives 46: 14-20
  • Demirkır MS (2014) Çeşitli ağaç türlerinden elde edilen kontrplakların teknolojik özellikleri üzerine presleme süresi ve tutkal türünün etkisi, K.T.Ü., Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Trabzon, 23 s
  • Esteban LG, Fernandez FG, Palacios P (2011) Prediction of plywood bonding quality using an artificial neural network. Holzforschung 65:2: 209–214
  • Fernández FG, Esteban LG, Palacios P, Navarro N, Conde M (2008) Prediction of standard particleboard mechanical properties utilizing an artificial neural network and subsequent comparison with a multivariate regression model. Investigación agraria: Sistemas y recursos forestales 17:2: 178–187
  • Gao M, Sun C, Wang C (2006) Thermal degradation of wood treated with flame retardants. Journal of Thermal Analysis and Calorimetry 85:3: 765-769
  • Kol HS, Sefil Y (2011) The thermal conductivity of Fir and Beech Wood Heat Treated at 170, 180, 190, 200 and 212°C, Journal of Applied Polymer Science 121: 2473-2480
  • Kol HS, Uysal B, Kurt S (2010) Thermal conductivity of oak impregnated with some chemicals and finished. Bioresources 5:2: 545-555
  • Küçükönder H, Boyaci S, Akyüz A (2016) A modeling study with an artificial neural network: developing estimation models for the tomato plant leaf area. Turkish Journal of Agriculture and Forestry 40:2: 203-212
  • LeVan SL (1984) Chemistry of Fire Retardancy, In R.M.Rowel, ed. The Chemistry of Solid Wood. Advances in Chemistry Series 207. American Chemical Society, Washington, D.C.
  • Örs Y, Şenel A (1999) Bazı ahşap ve ahşap kökenli malzemelerin ısı iletkenlik katsayıları. Turkish Journal of Agriculture and Forestry 23: 239-245
  • Ozsahin S, Aydin I, (2014) Prediction of the optimum veneer drying temperature for good bonding in plywood manufacturing by means of artificial neural network. Wood science and technology 48:1: 59-70
  • Özşahin Ş (2012. The use of an artificial neural network for modelling the moisture absorption and thickness swelling of oriented strand board. BioResources 7: 1053-1067
  • Ozsahin S, Murat M (2018) Prediction of equilibrium moisture content and specific gravity of heat treated wood by artificial neural networks. European journal of wood and wood products 76:2: 563-572
  • Rice RW, Shepard R (2004) The thermal conductivity of plantation grown white pine (Pinus strobus) and red pine (Pinus resinosa) at two moisture content levels. Forest Products Journal 54:1: 92-94
  • Su WY, Hata T, Nishimiya K, Imamura Y, Ishihara S (1998) Improvement of fire retardancy of plywood by incorporating boron or phosphate compounds in the glue. Journal of wood science 44:2: 131-136
  • Taşpınar F, Bozkurt Z (2014) Application of artificial neural networks and regression models in the prediction of daily maximum PM10 concentration in Düzce, Turkey. Fresenius Environ Bull 23: 2450-2459
  • Tiryaki S, Bardak S, Aydın A (2016) Modeling of wood bonding strength based on soaking temperature and soaking time by means of artificial neural networks. International Journal of Intelligent Systems and Applications in Engineering 153-157
  • Tiryaki S, Özşahin Ş, Aydın A (2017) Employing artificial neural networks for minimizing surface roughness and power consumption in abrasive machining of wood. European Journal of Wood and Wood Products 75:3: 347-358
  • Ustaömer D (2008) Çeşitli yanmayı geciktirici kimyasal maddelerle muamele edilerek üretilmiş orta yoğunluktaki liflevhaların (MDF) özelliklerindeki değişimlerin belirlenmesi, K.T.Ü., Fen Bilimleri Enstitüsü, Doktora Tezi, Trabzon, 1 s
  • Uysal B, Kurt Ş, Kol HŞ, Özcan C (2008) Thermal conductivity of poplar impregnated with some fire retardant, Teknoloji 11:4: 239-251
  • Uysal B, Yapıcı F, Kol HŞ, Özcan C, Esen R, Korkmaz M (2011) Emprenye yapılmış ağaç malzeme üzerine uygulanan üstyüzey işlemlerinin isı iletkenliklerinin belirlenmesi, . In: Proceedings of 6th International Advanced Technologies Symposium (IATS’11), Elazığ
  • Varol T, Canakci A, Ozsahin S (2018) Prediction of effect of reinforcement content, flake size and flake time on the density and hardness of flake AA2024-SiC nanocomposites using neural networks. Journal of Alloys and Compounds 739: 1005-1014
  • Wang W, Zammarano M, Shields JR, Knowlton ED, Kim I, Gales JA, ... Li J (2018) A novel application of silicone-based flame-retardant adhesive in plywood. Construction and Building Materials 189: 448-459
  • Wang Y, Zhao J (2018) Preliminary study on decanoic/palmitic eutectic mixture modified silica fume geopolymer-based coating for flame retardant plywood. Construction and Building Materials 189: 1-7
  • Wu M, Song W, Wu Y, Qu W (2020) Preparation and characterization of the flame-retardant decorated plywood based on the intumescent flame retardant adhesive. Materials 13:3: 676
  • Yadav V, Nath S (2017) Forecasting of PM 10 Using Autoregressive Models and Exponential Smoothing Technique. Asian Journal of Water, Environment and Pollution 14:4: 109-113

Ayrıntılar

Birincil Dil Türkçe
Konular Orman Mühendisliği
Bölüm Araştırma Makalesi
Yazarlar

Aydın DEMİR (Sorumlu Yazar)
Karadeniz Teknik Üniversitesi
0000-0003-4060-2578
Türkiye


İsmail AYDIN
KARADENİZ TEKNİK ÜNİVERSİTESİ
0000-0003-0152-7501
Türkiye

Yayımlanma Tarihi 19 Kasım 2021
Yayınlandığı Sayı Yıl 2021, Cilt 22, Sayı 2

Kaynak Göster

Bibtex @araştırma makalesi { artvinofd896585, journal = {Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi}, issn = {2146-1880}, eissn = {2146-698X}, address = {}, publisher = {Artvin Çoruh Üniversitesi}, year = {2021}, volume = {22}, pages = {161 - 169}, doi = {10.17474/artvinofd.896585}, title = {Yangın geciktirici kimyasallarla emprenye edilmiş kontrplakların en iyi ısı iletim özellikleri için optimum çözelti konsantrasyonunun yapay sinir ağları ile belirlenmesi}, key = {cite}, author = {Demir, Aydın and Aydın, İsmail} }
APA Demir, A. & Aydın, İ. (2021). Yangın geciktirici kimyasallarla emprenye edilmiş kontrplakların en iyi ısı iletim özellikleri için optimum çözelti konsantrasyonunun yapay sinir ağları ile belirlenmesi . Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi , 22 (2) , 161-169 . DOI: 10.17474/artvinofd.896585
MLA Demir, A. , Aydın, İ. "Yangın geciktirici kimyasallarla emprenye edilmiş kontrplakların en iyi ısı iletim özellikleri için optimum çözelti konsantrasyonunun yapay sinir ağları ile belirlenmesi" . Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi 22 (2021 ): 161-169 <http://ofd.artvin.edu.tr/tr/pub/issue/65850/896585>
Chicago Demir, A. , Aydın, İ. "Yangın geciktirici kimyasallarla emprenye edilmiş kontrplakların en iyi ısı iletim özellikleri için optimum çözelti konsantrasyonunun yapay sinir ağları ile belirlenmesi". Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi 22 (2021 ): 161-169
RIS TY - JOUR T1 - Yangın geciktirici kimyasallarla emprenye edilmiş kontrplakların en iyi ısı iletim özellikleri için optimum çözelti konsantrasyonunun yapay sinir ağları ile belirlenmesi AU - Aydın Demir , İsmail Aydın Y1 - 2021 PY - 2021 N1 - doi: 10.17474/artvinofd.896585 DO - 10.17474/artvinofd.896585 T2 - Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi JF - Journal JO - JOR SP - 161 EP - 169 VL - 22 IS - 2 SN - 2146-1880-2146-698X M3 - doi: 10.17474/artvinofd.896585 UR - https://doi.org/10.17474/artvinofd.896585 Y2 - 2021 ER -
EndNote %0 Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi Yangın geciktirici kimyasallarla emprenye edilmiş kontrplakların en iyi ısı iletim özellikleri için optimum çözelti konsantrasyonunun yapay sinir ağları ile belirlenmesi %A Aydın Demir , İsmail Aydın %T Yangın geciktirici kimyasallarla emprenye edilmiş kontrplakların en iyi ısı iletim özellikleri için optimum çözelti konsantrasyonunun yapay sinir ağları ile belirlenmesi %D 2021 %J Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi %P 2146-1880-2146-698X %V 22 %N 2 %R doi: 10.17474/artvinofd.896585 %U 10.17474/artvinofd.896585
ISNAD Demir, Aydın , Aydın, İsmail . "Yangın geciktirici kimyasallarla emprenye edilmiş kontrplakların en iyi ısı iletim özellikleri için optimum çözelti konsantrasyonunun yapay sinir ağları ile belirlenmesi". Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi 22 / 2 (Kasım 2021): 161-169 . https://doi.org/10.17474/artvinofd.896585
AMA Demir A. , Aydın İ. Yangın geciktirici kimyasallarla emprenye edilmiş kontrplakların en iyi ısı iletim özellikleri için optimum çözelti konsantrasyonunun yapay sinir ağları ile belirlenmesi. AÇÜOFD. 2021; 22(2): 161-169.
Vancouver Demir A. , Aydın İ. Yangın geciktirici kimyasallarla emprenye edilmiş kontrplakların en iyi ısı iletim özellikleri için optimum çözelti konsantrasyonunun yapay sinir ağları ile belirlenmesi. Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi. 2021; 22(2): 161-169.
IEEE A. Demir ve İ. Aydın , "Yangın geciktirici kimyasallarla emprenye edilmiş kontrplakların en iyi ısı iletim özellikleri için optimum çözelti konsantrasyonunun yapay sinir ağları ile belirlenmesi", Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi, c. 22, sayı. 2, ss. 161-169, Kas. 2021, doi:10.17474/artvinofd.896585
Creative Commons Lisansı
Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi Creative Commons Alıntı 4.0 Uluslararası Lisansı ile lisanslanmıştır.