JE
José Escorcia‐Gutierrez
Author with expertise in Impact of Social Media on Consumer Behavior
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
7
(71% Open Access)
Cited by:
129
h-index:
14
/
i10-index:
23
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Designing Energy-Efficient Buildings in Urban Centers through Machine Learning and Enhanced Clean Water Management

Ximo Chen et al.Jul 1, 2024
Rainwater Harvesting (RWH) is increasingly recognized as a vital sustainable practice in urban environments, aimed at enhancing water conservation and reducing energy consumption. This study introduces an innovative integration of nano-composite materials as Silver Nanoparticles (AgNPs) into RWH systems to elevate water treatment efficiency and assess the resulting environmental and energy-saving benefits. Utilizing a regression analysis approach with Support Vector Machines (SVM) and K-Nearest Neighbors (KNN), this study will reach the study objective. In this study, the inputs are building attributes, environmental parameters, sociodemographic factors, and the algorithms SVM and KNN. At the same time, the outputs are predicted energy consumption, visual comfort outcomes, ROC-AUC values, and Kappa Indices. The integration of AgNPs into RWH systems demonstrated substantial environmental and operational benefits, achieving a 57% reduction in microbial content and 20% reductions in both chemical usage and energy consumption. These improvements highlight the potential of AgNPs to enhance water safety and reduce the environmental impact of traditional water treatments, making them a viable alternative for sustainable water management. Additionally, the use of a hybrid SVM-KNN model effectively predicted building energy usage and visual comfort, with high accuracy and precision, underscoring its utility in optimizing urban building environments for sustainability and comfort.
0

Influence of Process Parameters on the Mechanical Properties and Corrosion Resistance of Dissimilar Friction Stir Welded Joints of AA2024-O and AA6061-O Aluminum Alloys

Roosvel Soto-Díaz et al.Jun 3, 2024
The influence of the process parameters, traverse, and rotational speeds of dissimilar friction stir welded joints of AA2024-O and AA6061-O aluminum alloys on the corrosion resistance was evaluated. Potentiodynamic tests using a 3.5% NaCl solution, open circuit potential, and polarization curves showed the corrosion behavior for the different welding parameters. These data were correlated with those obtained by mechanical tests (microhardness, tensile, and fracture analysis) and microstructure analysis by optical and scanning electron microscopy. It was observed that the combined effect of the parameters influenced the variation of corrosion resistance. This was evidenced mainly by the improvement of corrosion resistance at 1200 rpm–65 mm·min−1, which was related to the tendency of grain size and heat input presented. The corrosive attacks on the welded joints presented greater affectations in the presence of base material 1 (AA6061-O) with higher metallic dissolution. Corrosion attacks abovementioned were presented in different forms, such as pitting, localized, and selective, and they were observed by scanning electron microscopy. Finally, in corrosive and mechanical terms, the best performing condition was 1200 rpm and 65 mm·min−1 compared to the low parameter of 840 rpm and 45 mm·min−1.