Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Thakur, A.S." wg kryterium: Autor


Wyświetlanie 1-2 z 2
Tytuł:
Assessment of metal hazard taking hair as an indicator of trace element exposure to workers in occupational environment
Ocena zagrozenia zatruciem metalami na podstawie analizy wlosow jako wskaznika wystawienia robotnikow na dzialanie pierwiastkow sladowych w srodowisku pracy
Autorzy:
Mehra, R
Thakur, A.S.
Powiązania:
https://bibliotekanauki.pl/articles/14765.pdf
Data publikacji:
2010
Wydawca:
Uniwersytet Warmińsko-Mazurski w Olsztynie / Polskie Towarzystwo Magnezologiczne im. Prof. Juliana Aleksandrowicza
Tematy:
metal hazard
hair analysis
hazard indicator
trace element
element exposure
worker
occupational environment
health hazard
lead
calcium
magnesium
chromium
manganese
iron
nickel
copper
zinc
human body
mental stress
Opis:
The use of biological tissues as diagnostic tools of trace element level for recognising the disease status of an exposed human population is an important area of investigation. Quantitative analysis of 10 trace elements viz lead, calcium, magnesium, chromium, manganese, iron, nickel, copper, and zinc in the human body was performed using hair as biopsy material. In the present investigation, workers in a roadways workshop, locomotive workshop and Pb battery units were included as subjects. Head hair samples were collected from the nape region of the skull. Subsequent to sampling of hair, a questionnaire recommended by the World Health Organization was filled in order to obtain details about the subjects regarding occupation, duration of exposure, medical history, etc. Concentration of elements in hair was determined using an atomic absorption spectrophotometer. Workers under mental stress were treated as cases and workers without any symptoms of mental stress were chosen as controls. Significant difference in concentration of lead, calcium, magnesium, manganese, nickel, copper and zinc was found in hair of subjects with mental stress than those of controls. Concentration of chromium and iron was found higher in hair of subjects with mental stress but this difference was not significant with respect to controls.
Ważnym obszarem badań jest wykorzystywanie tkanek biologicznych do określania zawartości pierwiastków śladowych w celu diagnozowania chorób wśród populacji narażonych na skażenie środowiskowe. Analizowano zawartość 10 pierwiastków śladowych, m.in. ołowiu, wapnia, magnezu, chromu, manganu, żelaza, niklu, miedzi oraz cynku, w ciele ludzkim na podstawie włosów pobranych od robotników z warsztatów drogowych, kolejowych oraz mających do czynienia z akumulatorami zawierającymi rtęć. Próbki włosów pobrano z okolicy potylicznej czaszki. Po pobraniu próbek włosów, uczestniczący w badaniu wypełnili ankiety Oświatowej Organizacji Zdrowia, których celem było zebranie szczegółowych danych dotyczących miejsca pracy, czasu trwania ekspozycji na czynniki ryzyka, historii przebytych chorób, itp. Zawartość pierwiastków we włosach określono za pomocą spektrofotometru absorpcji atomowej. Robotnicy doświadczający stresu psychicznego zostali ujęci jako przypadki chorobowe, natomiast nie przejawiający objawów napięcia zostali potraktowani jako przypadki kontrolne. Stwierdzono istotne różnice w zawartości ołowiu, wapnia, magnezu, manganu, niklu, miedzi i cynku we włosach osób z objawami napięcia psychicznego w porównaniu z włosami pobranymi od osób bez takich symptomów. Zawartość chromu i żelaza we włosach osób z objawami stresu była także wyższa, ale różnice nie były istotne w porównaniu z kontrolą.
Źródło:
Journal of Elementology; 2010, 15, 4; 671-678
1644-2296
Pojawia się w:
Journal of Elementology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prediction of flexural strength of FRC pavements by soft computing techniques
Autorzy:
Kimteta, A.
Thakur, M.S.
Sihag, P.
Upadhya, A.
Sharma, N.
Powiązania:
https://bibliotekanauki.pl/articles/24200582.pdf
Data publikacji:
2022
Wydawca:
Stowarzyszenie Komputerowej Nauki o Materiałach i Inżynierii Powierzchni w Gliwicach
Tematy:
flexural strength
fibre reinforced concrete
artificial neural network
random forest
random tree
M5P based model
wytrzymałość na zginanie
beton zbrojony włóknami
sztuczna sieć neuronowa
las losowy
drzewo losowe
model oparty na M5P
Opis:
Purpose: The mechanical characteristics of concrete used in rigid pavements can be improved by using fibre-reinforced concrete. The purpose of the study was to predict the flexural strength of the fibre-reinforced concrete for ten input variables i.e., cement, fine aggregate, coarse aggregate, water, superplasticizer/high range water reducer, glass fibre, polypropylene fibre, steel fibres, length and diameter of fibre and further to perform the sensitivity analysis to determine the most sensitive input variable which affects the flexural strength of the said fibre-reinforced concrete. Design/methodology/approach: The data used in the study was acquired from the published literature to create the soft computing modes. Four soft computing techniques i.e., Artificial neural networks (ANN), Random forests (RF), Random trees RT), and M5P, were applied to predict the flexural strength of fibre-reinforced concrete for rigid pavement using ten significant input variables as stated in the ‘purpose’. The most performing algorithm was determined after evaluating the applied models on the threshold of five statistical indices, i.e., the coefficient of correlation, mean absolute error, root mean square error, relative absolute error, and root relative squared error. The sensitivity analysis for most sensitive input variable was performed with out-performing model, i.e., ANN. Findings: The testing stage findings show that the Artificial neural networks model outperformed other applicable models, having the highest coefficient of correlation (0.9408), the lowest mean absolute error (0.8292), and the lowest root mean squared error (1.1285). Furthermore, the sensitivity analysis was performed using the artificial neural networks model. The results demonstrate that polypropylene fibre-reinforced concrete significantly influences the prediction of the flexural strength of fibre-reinforced concrete. Research limitations/implications: Large datasets may enhance machine learning technique performance. Originality/value: The article's novelty is that the most suitable model amongst the four applied techniques has been identified, which gives far better accuracy in predicting flexural strength.
Źródło:
Archives of Materials Science and Engineering; 2022, 117, 1; 13--24
1897-2764
Pojawia się w:
Archives of Materials Science and Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies