Search Results

You are looking at 1 - 3 of 3 items for

  • Author or Editor: Zoltán Makó x
Clear All Modify Search

A közleményben bemutatott módszer egyik nagy előnye, hogy nagy általánossággal bír (más tájegységekre is alkalmazható) és egy bizonyos mértékben kiküszöböli a romániai táblázatos módszer szubjektivitásából adódó bizonytalanságokat. Pontosabban mondva, ha egy szakértőkből álló csoport meghatározza a példabemenetekhez tartozó talajértékeket, akkor a továbbiakban minden más tényezőhöz tartozó talajérték egyértelműen kiszámolható a súlyok segítségével megadott P-függvény (8) által. Az általunk megadott TP-típusú függvény (8. képlet) viszonylag sok (17) tényező alapján tudja csak megbecsülni egy adott pontban a talajértéket. Ha megfigyeljük a tanuló táblázatot (2. táblázat), észrevehető, hogy egy tájegységen belül bizonyos tényezők nem változnak. Ezeket ki lehet iktatni a gépi tanulás alkalmazásakor és így egyszerűsíthető a P-függvény. A hálózat által adott eredmények kiértékelése során (3. ábra) azt tapasztaltuk, hogy a Csíki-medence tájegységre a P-függvény (8) egy tizedes pontossággal meghatározza a talajértéket. A módszer által kapott TP-függvény csak a mintavételi pontok tartományán belül alkalmazható. Így pl. a Csíki-medencére meghatározott súlyok csak e tájegység talajértékeinek kiszámítására használhatók. Más tájegységre az ottani mintavételi adatok alapján a hiba-visszaterjesztési algoritmusával új súlymátrixokat kell szerkeszteni.  A módszer egy fontos eredménye, hogy a kapott súlyok egy tájegységet jellemeznek talajérték szempontjából. Érdekes következtetések vonhatók le, ha több különböző tájegységre meghatározzuk a súlyokat és megvizsgáljuk ezek között a korrelációkat. Ennek megvalósításához létrehozunk az ESRI Arcview térinformatikai programcsomaghoz egy kiegészítő modult (Arcview extension)  az Avenue script nyelv segítségével. Ez a modul egy tájegységre az ismert példabemenetek és talajértékek alapján megszerkeszt egy megfelelő számú neuronból álló hálózatot és meghatározza a súlyokat. A súlyok segítségével és a talajértéket befolyásoló tényezők ismeretében a tájegység bármely pontjában a talajérték kiszámítható és összehasonlítható a más módszerek által adott eredményekkel.  A pontosság növelése nem szükséges, mivel a talajok osztályokba való csoportosítása a talajérték nagyobb léptékű változása szerint történik. Így elégséges, hogy bizonyos tényezőkre a hálózat által megtanult súlyok jól osztályozzanak. Ezt a hálózat statisztikai értelemben meg is valósítja, mivel a hálózati osztályozók aszimptotikusan egyenértékűek a Bayes-féle statisztikai osztályozó eljárásokkal (Ruck et al., 1990).

Restricted access

Kationos felületaktív anyag, a hexadecilpiridinium-klorid (CPC) adszorpcióját vizsgáltuk különböző talajokon, üledékeken és ásványi őrleményeken. Valódi talajokon történő adszorbeálódásáról kevés irodalmi adat található. Célunk volt megha-tározni, hogy mely talajtulajdonságok befolyásolják leginkább a tenzid megkötődé-sét.

A minták ásványos összetételének meghatározása röntgen-pordiffrakcióval (XRD) történt. Ez alapján hat csoportra tudtuk elkülöníteni: 1. Szmektites (kis rétegtöltésű montmorillonitos) talajok; 2. Vermikulitos talajok; 3. Szmektitet is tartalmazó illites minták; 4. Klorit/vermikulit tartalmú talajok; 5. Illit és klorit tartalmú talajok; 6. Nagy kvarctartalmú minták.

A minták felületaktív anyaggal történő kezelése az ún. „elárasztásos módszerrel” (static equilibrium experiments) valósult meg.

A CPC oldat koncentrációjának függvényében ábrázoltuk a minták által adszor-beált tenzidmennyiségét, majd a mérési pontokra Langmuir-típusú izotermát illesz-tettünk. Az adszorpciós izotermák segítségével meghatároztuk a vizsgált adszorbensek hidrofóbizálásához szükséges fajlagos tenzidmennyiségeket, amely mellett feltételeztük, hogy a talajszemcsék felületén monomolekuláris tenzidborítottság alakul ki. Az illesztett görbe telítődő jelleget mutat és első szakasza nagy affinitású H-típusra utal. Logaritmikus skálán ábrázoltuk a tenzidadszorpciós értékeket és megállapítottuk, hogy az egyes minták monomolekuláris rétegborítottságához szükséges tenzidmennyiségek mintánként általában szignifikánsan eltérőek. A fajlagos CPC mennyiségét a nagy agyagtartalmú, szmektites minták esetében találtuk a legnagyobbnak, a kvarchomok mintáét pedig a legkisebbnek.

Vizsgáltuk, hogy a minták mely tulajdonságai állnak kapcsolatban a monomolekuláris telítettségnél adszorbeált fajlagos tenzid mennyiségekkel. Számítottuk továbbá a Pearson-féle korrelációs együtthatókat.

A fajlagos tenzid mennyiségével szoros összefüggést mutatott a higroszkóposság (hy1), az agyagtartalom, a fajlagos felület (BET-felület) és a kationcserélő képesség (T-érték). A CPC adszorpcióját leíró regressziós egyenletek szerint öt paraméter határozza meg a fajlagos tenzid mennyiségét: agyag-, humusz-, mésztartalom, pH(H2O) és a BET-felület.

Restricted access
Cereal Research Communications
Authors: Tamás Hermann, András Makó, Ferenc Máté, Gergely Tóth and Zoltán Tóth
Restricted access