5 research outputs found
Modification of oxide inclusions in calcium-treated Al-killed high sulphur steels
No full textA study has been carried out to understand the modification of alumina inclusions in Al-killed high sulphur steel with calcium treatment. For calcium treatment to be effective, a general practice is to desulphurise the steel to prevent the formation of solid CaS inclusions that are harmful to steel quality and final properties. To avoid this additional desulphurising step, the authors developed a new approach of calcium treatment of steel at an industrial scale. This approach involves treating the liquid steel with calcium treatment at low aluminium levels which enables formation of liquid calcium aluminate inclusions (C12A7) in the melt and then adding remaining amount of required aluminium. Based on this principle, Al-S diagram has been developed and calcium treatment has been modified accordingly. The inclusion transformation and morphology were studied using scanning electron microscope /energy dispersive spectroscopy analysis and. activity of CaS was calculated.Accepted Author Manuscript(OLD) MSE-
Author Correction: Bridging the gap between subduction dynamics and the long-term strength of the Sunda megathrust
No full textMissed opportunities for detection of hypertension in public health facilities of 18 districts in India, 2022
No full textAbstract Background More than half of the individuals with hypertension remain undiagnosed in India. The National Non-Communicable Disease (NCD) program has implemented opportunistic screening to improve diagnoses. In the public health facilities across 18 districts in nine states of India, we estimated the missed opportunity for hypertension detection in routine program settings. Methods In each of the chosen districts, we conducted a cross-sectional study in one district hospital (DH), one community health centre (CHC), and three primary health centres (PHCs), selected randomly. We collected data from 706 consecutively enrolled eligible out-patient department (OPD) attendees in each facility type and abstracted the data regarding coverage and yield of opportunistic screening for hypertension from the available registers. We then derived the missed opportunity for hypertension detection. We also estimated the median time for Blood Pressure (BP) measurement through observation and derived the staff requirement for BP screening at each facility type. Results Of the 41,012 eligible OPD attendees, 32.1% [31.6%-32.5%]) were screened for hypertension. The yield for hypertension screening was 23.2% (3,050/13,157). Among the OPD attendees, the proportion of missed diagnoses for hypertension among the expected was 57.1% (1,962/3,437), 67.4% (1,860/2,758), and 79.3% (2,597/3,274) in PHCs, CHCs, and DHs, respectively. The minimum number of dedicated staff required for measuring BP was one at PHC/CHC and two at DH. Conclusions Sixteen out of every 100 eligible OPD attendees miss the opportunity to get diagnosed with hypertension due to inadequate screening coverage. Innovative measures like task-sharing and utilizing trainee nurses for BP measurement to overcome staff shortages can help improve screening coverage
Precipitation estimation at Bolo River watershed using artificial intelligence techniques
No full textIlustraciones, figuras, tablasLa complejidad de los sistemas hidroclimatológicos demuestra la necesidad del uso de herramientas
de análisis más efectivas y contextualizadas al área de estudio que soporten la gestión a nivel de
cuenca y subcuenca hidrográfica. La variabilidad natural y los efectos provocados por el cambio
climático antropogénico requieren un análisis extensivo del comportamiento de variables como la
precipitación y la ocurrencia de anomalías en sus patrones espaciales y temporales. Gracias a los
avances recientes en distintas técnicas de inteligencia artificial, el objetivo de esta investigación fue
evaluar un modelo de lógica difusa y un modelo de redes neuronales artificiales para la estimación
de los patrones de precipitación en la cuenca hidrográfica del río Bolo en el Valle del Cauca. Se
realizó una recopilación de datos de precipitación y un análisis exploratorio de datos a partir de los
cuales se determinó la estimación de los patrones de precipitación como variable categórica objetivo
de los modelos (periodos: extremadamente seco, muy seco, moderadamente seco, normal,
moderadamente húmedo, muy húmedo, extremadamente húmedo). Estos modelos se enfocaron en
el análisis mensual de la precipitación usando como línea base el Índice Estándar de precipitación
mensual (SPI-1) y la comparación con el comportamiento esperado por el Índice Niño Oceánico
(ONI). Se implementó un sistema de inferencia difuso con 3 variables explicativas y 48 reglas de
implicación y se evaluaron varias configuraciones de redes neuronales obteniéndose los mejores
resultados para el algoritmo de entrenamiento de regularización Bayesiana con un R de 0.8 seguido
de Levenberg-Marquardt con un R de 0.76. El sistema de inferencia difuso generó resultados más
alineados con lo esperado del análisis exploratorio y el comportamiento histórico de la precipitación
en la cuenca del río Bolo, mientras que la red neuronal artificial demostró un sesgo en la estimación
del tipo de evento extremo de precipitación. (Texto tomado de la fuente)The complexity of hydroclimatological systems demonstrates the need for more effective and
context-specific analysis tools in the study area to support watershed and sub-watershed
management. Natural variability and the effects of anthropogenic climate change require an
extensive analysis of variables such as precipitation and the occurrence of anomalies in their spatial
and temporal patterns. Given the recent advancement of various artificial intelligence techniques,
the objective of this study was to evaluate a fuzzy logic model and an artificial neural network model
for estimating precipitation patterns in Bolo river watershed in Valle del Cauca. Data collection and
exploratory data analysis were conducted to determine the estimation of precipitation patterns as the
categorical target variable for the models (periods: extremely dry, very dry, moderately dry, normal,
moderately wet, very wet, and extremely wet). These models focused on monthly precipitation
analysis using the monthly Standard Precipitation Index (SPI-1) as a baseline and comparing it with
the expected behavior of the Oceanic Niño Index (ONI). A fuzzy inference system was implemented
with 3 explanatory variables and 48 implication rules, and several neural network configurations
were evaluated, with the best results obtained for the Bayesian regularization training algorithm with
an R of 0.8 followed by Levenberg-Marquardt with an R of 0.76. The fuzzy inference system
generated results that aligned more closely with the expected outcomes based on the exploratory
analysis and the historical behavior of precipitation in the Bolo River. On the other hand, the
artificial neural network demonstrated a bias in estimating the type of extreme precipitation event.MaestríaMagíster en Ingeniería AmbientalGracias a los avances recientes en distintas técnicas de inteligencia artificial, el objetivo de esta investigación fue
evaluar un modelo de lógica difusa y un modelo de redes neuronales artificiales para la estimación
de los patrones de precipitación en la cuenca hidrográfica del río Bolo en el Valle del Cauca. Se
realizó una recopilación de datos de precipitación y un análisis exploratorio de datos a partir de los
cuales se determinó la estimación de los patrones de precipitación como variable categórica objetivo
de los modelos (periodos: extremadamente seco, muy seco, moderadamente seco, normal,
moderadamente húmedo, muy húmedo, extremadamente húmedo). Estos modelos se enfocaron en
el análisis mensual de la precipitación usando como línea base el Índice Estándar de precipitación
mensual (SPI-1) y la comparación con el comportamiento esperado por el Índice Niño Oceánico
(ONI). Se implementó un sistema de inferencia difuso con 3 variables explicativas y 48 reglas de
implicación y se evaluaron varias configuraciones de redes neuronales obteniéndose los mejores
resultados para el algoritmo de entrenamiento de regularización Bayesiana con un R de 0.8 seguido
de Levenberg-Marquardt con un R de 0.76.Monitoreo, modelación y gestión de recursos naturalesIngeniería.Sede Palmir
