Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

MNiSW
20
Lista 2024
Status:
Autorzy: Anbalaga Suresh Kumar , Kasianantham Nanthagopal, Gęca Michał Jan, Jambulingam Ranjitha
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Rok wydania: 2025
Wersja dokumentu: Drukowana | Elektroniczna
Język: angielski
Wolumen/Tom: 27
Numer artykułu: 106975
Strony: 1 - 12
Impact Factor: 7,9
Web of Science® Times Cited: 1
Scopus® Cytowania: 1
Bazy: Web of Science | Scopus
Efekt badań statutowych NIE
Materiał konferencyjny: NIE
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Witryna wydawcy
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Data opublikowania w OA: 1 września 2025
Abstrakty: angielski
Bio-oil, produced by non-edible seeds, is an emerging sustainable feedstock for biodiesel production in industrial applications. In this study, bio-oil obtained from Caryota urens seeds was used for biodiesel production using a heterogeneous catalyst (CuBDC MOFs). The reaction parameters were optimized using integrated RSM and ANN modeling approaches. RSM (Response Surface Methodology) using a Central Composite Design (CCD) identified reaction parameters: catalyst concentration, Reaction temperature, Reaction time, and Molar ratio of oil to alcohol, enhanced biodiesel yield and achieved high predictive accuracy with an R² of 0.9340. Similarly, the Artificial Neural Network (ANN), with a configuration of hidden neurons, outperforms RSM, yielding a correlation coefficient (R²) of 0.91663 and 0.94325 for training and validation, along with a lower Mean Absolute Error (MAE) and Root Mean Squared Error (RMSE). This integrated approach demonstrates the advantages of combining statistical (RSM) and Computational (ANN) tools for optimizing biodiesel production. The produced biodiesel was tested for its fuel properties and compared with ASTM standards to ensure it to met the required diesel properties. Based on the optimization study results, biodiesel produced from Caryota urens seeds oil can be tested in a diesel engine. The study highlights Caryota urens as a promising biomass resource for industrial-scale of sustainable biodiesel production..