Main objective of this study was to

Main objective of this study was to develop a statistical model for easier and faster Biochemical Methane
Potential (BMP) prediction of landfilled municipal solid waste by analyzing waste composition of
excavated samples from 12 sampling points and three waste depths representing different landfilling
ages of closed and active sections of a sanitary landfill site located in _Istanbul, Turkey. Results of
Principal Component Analysis (PCA) were used as a decision support tool to evaluation and describe
the waste composition variables. Four principal component were extracted describing 76% of data set
variance. The most effective components were determined as PCB, PO, T, D, W, FM, moisture and BMP
for the data set. Multiple Linear Regression (MLR) models were built by original compositional data
and transformed data to determine differences. It was observed that even residual plots were
better for transformed data the R2 and Adjusted R2 values were not improved significantly. The best
preliminary BMP prediction models consisted of D, W, T and FM waste fractions for both versions of
regressions. Adjusted R2 values of the raw and transformed models were determined as 0.69 and 0.57,
respectively.

ผลลัพธ์ (ไทย) 1:

วัตถุประสงค์หลักของการศึกษานี้คือการ พัฒนาแบบจำลองทางสถิติสำหรับมีเทนชีวเคมีที่ง่าย และรวดเร็วศักยภาพ (BMP) ทำนายของ landfilled ขยะชุมชนโดยการวิเคราะห์องค์ประกอบขยะของขุดตัวอย่างจาก 12 จุดเก็บตัวอย่างและความลึกเสียสามที่แสดงถึงการฝังกลบที่แตกต่างกันอายุใช้งาน และปิดส่วนของไซต์ฝังกลบสุขาภิบาลอยู่ใน _Istanbul ตุรกี ผลลัพธ์ของใช้การวิเคราะห์ส่วนประกอบหลัก (PCA) เป็นการตัดสินใจสนับสนุนเครื่องมือในการประเมินผล และอธิบายตัวแปรองค์ประกอบขยะ คอมโพเนนต์หลักที่สี่ถูกสกัดอธิบาย 76% ของชุดข้อมูลผลต่าง ส่วนประกอบมีประสิทธิภาพสูงสุดกำหนดเป็น PCB, PO, T, D, W, FM ความชื้น และ BMPชุดข้อมูล แบบจำลองถดถอยเชิงเส้น (MLR) หลายถูกสร้างขึ้น โดยข้อมูลเดิม compositionalและรับการเปลี่ยนแปลงข้อมูลเพื่อตรวจสอบความแตกต่าง พบว่า แม้เหลือผืนได้ดี สำหรับข้อมูลรับการเปลี่ยนแปลง ค่า R2 และ R2 ปรับได้ไม่ดีขึ้นอย่างมีนัยสำคัญ ดีที่สุดแบบจำลองทำนาย BMP เบื้องต้นประกอบด้วย D, W, T และ FM เศษขยะทั้งสองรุ่นแสดง ปรับปรุงกำหนดค่าของรูปแบบวัตถุดิบ และแปรรูปเป็น 0.69 และ 0.57, R2ตามลาดับ

ผลลัพธ์ (ไทย) 3:

การศึกษานี้มีวัตถุประสงค์เพื่อพัฒนาแบบจำลองทางสถิติสำหรับง่ายและรวดเร็วทางชีวเคมีของก๊าซมีเทนศักยภาพ ( BMP ) คำทำนายของ landfilled ขยะชุมชนเทศบาลนคร โดยการวิเคราะห์องค์ประกอบของขยะขุดตัวอย่างจาก 12 คน และสามจุดเสียแตกต่างกัน landfilling ลึกแทนอายุการใช้งานและปิดส่วนของพื้นที่ฝังกลบขยะอยู่ใน _istanbul , ตุรกี ผลของการวิเคราะห์องค์ประกอบหลัก ( PCA ) ถูกใช้เป็นเครื่องมือสนับสนุนการตัดสินใจเพื่อประเมินและอธิบายเสียองค์ประกอบของตัวแปร สี่องค์ประกอบหลักที่อธิบายถึง 76% ของชุดข้อมูลความแปรปรวน ส่วนประกอบที่มีประสิทธิภาพมากที่สุด คำนวณเป็น PCB , ปอ , t , d , w , FM , ความชื้นและ BMPสำหรับชุดข้อมูล การถดถอยพหุคูณเชิงเส้นตรง ( MLR ) รูปแบบข้อมูลส่วนประกอบเดิมถูกสร้างขึ้นโดยและแปลงข้อมูลเพื่อตรวจสอบความแตกต่าง พบว่าแม้แปลงที่เหลือคือดีสำหรับแปลงข้อมูลและปรับค่า R2 R2 ไม่ได้ดีขึ้นอย่างมีนัยสำคัญ ดีที่สุดแบบจำลองการทำนาย BMP เบื้องต้นประกอบด้วย D , W , T และ FM ของเสียเศษส่วนสำหรับทั้งสองรุ่นสังกะสี ปรับ R2 ค่าของรุ่นดิบและเปลี่ยนเป็นเป็น 0.69 0.57 ,ตามลำดับ