http://95.58.20.204/xmlui/handle/123456789/191 2026-07-26T01:51:20Z http://95.58.20.204/xmlui/handle/123456789/3989 Қатарлап себудің жетілдірілген технологиялық процесі Сарсенов, А. Е. Монографияда топырақ қабатын тығыздай отырып, дәнді дақылдарды себудің жетілдірілген технологиясы мен техникалық құралдарының теориялық және эксперименттік зерттеулерінің нәтижелері жинақталды. Дискілі сепкіштердің жұмыс элементтерінің топырақпен өзара әрекеттесудің физикалық процестері зерттелген. Тұқымдардың тереңдігі бойынша төселуінің біркелкілігіне әсерін анықтауға және қарық түбінің оңтайлы тығыздығын жасауға мүмкіндік беретін қысқыш элементтерінің негізгі геометриялық параметрлерін негіздеудің теориялық негіздері әзірленді. Жетілдірілген сіңіргіштің тарту кедергісі, оның жүрісінің тұрақтылығы мен жұмысының көрсеткіштерін анықтау бойынша зерттеу нәтижелері келтірілген. Монография техникалық мамандықтардың студенттеріне, магистранттарына және докторанттарына, сондай-ақ ауыл шаруашылығының оқытушы ғылыми қызметкерлері мен мамандарына арналған. Сарсенов, А. Е. Қатарлап себудің жетілдірілген технологиялық процесі : монография / А. Е. Сарсенов. - Орал : Жәңгір хан атындағы БҚАТУ, 2024. - эл. опт. диск (CD-ROM). - Систем. требования: CD-R 700 MB/80MIN 2х-52X. - ISBN 978-601-319-540-7 : Б. ц. 2024-01-01T00:00:00Z http://95.58.20.204/xmlui/handle/123456789/3980 Устройство для подготовки корнеклубнеплодов к скармливанию животным Дусенов, М. К. В монографии изложены результаты исследований по поиску и изучению устройств для подготовки корнеклубнеплодов к скармливанию животным, приведены конструкции современных устройств по очистке от загрязнений и измельчению корнеклубнеплодов. Проведен анализ устройств по очистке корнеклубнеплодов от загрязнений с их недостатками и преимуществами, а также пути их усовершенствования. Обоснован и разработан очиститель корнеклубнеплодов от загрязнений работающий на безводном принципе. Рассмотрена конструктивная схема измельчителя корнеклубне-плодов основанная на двухопорном измельчении продукта. Безводная очистка корнеклубнеплодов от загрязнений позволит снизить расход воды при приготовлении кормов и невозвратные потери плодородного слоя почвы, а также загрязнение окружающей среды. Применение устройств с двухопорным измельчением позволит снизить обильное соковыделение при воздействии рабочих органов на корнеклубнеплоды. Предназначена студентам, магистрантам и докторантам агроинженерного направления занимающихся вопросами разработки и совершенствования сельскохозяйственной техники. Дусенов, М. К. Устройство для подготовки корнеклубнеплодов к скармливанию животным : монография / М. К. Дусенов. - Уральск : ЗКАТУ имени Жангир хана, 2025. 2025-01-01T00:00:00Z http://95.58.20.204/xmlui/handle/123456789/2376 Технология водоснабжения животноводства из пастбищных колодцев-копаней Кубашева, Ж. К. В монографии на основе анализа состояния средств механизации пастбищного водоснабжения составлена классификация устройств двухстадийного отбора воды, разработана технологическая схема пастбищного водопойного пункта на базе колодца-копаня и произведен режимный расчет с учетом гидравлических параметров колодца и поголовья животных, предложена конструктивно-технологическая схема устройства для поверхностного отбора воды из пастбищных колодцев-копаней и заиленных шахтных колодцев, обоснованы основные конструктивные и режимные параметры устройства поверхностного отбора воды, обеспечивающие повышение эффективности водоснабжения животных на пастбищах и установлена зависимость водопропускной способности устройства от массы съемных пластин, приведены результаты исследований созданного устройства для поверхностного отбора воды. Монография предназначена для студентов, магистрантов и докторантов технических специальностей, а также для научных сотрудников, преподавателей и специалистов сельского хозяйства. 2022-01-01T00:00:00Z http://95.58.20.204/xmlui/handle/123456789/2237 Development of multiple machine-learning computational techniques for optimization of heterogenous catalytic biodiesel production from waste vegetable oil: Development of multiple machine-learning computational techniques for optimization Abdelbasset, K; Elkholi, Safaa; Jade Catalan Opulencia, M, M.; Tazeddinova, D.; Chia-Hung, S.; May, A.; Mohammed, Z.; Mohammed, A.; Anas, A.; Chinh Nguyen, Hoang Multiple machine learning models were developed in this study to optimize biodiesel production from waste cooking oil in a heterogenous catalytic reaction mode. Several input parameters were considered for the model including reaction temperature, reaction time, catalyst loading, methanol/oil molar ratio, whereas the percent of biodiesel production yield was the only output. Three ensemble models were utilized in this study: Boosted Linear Regression, Boosted Multi-layer Perceptron, and Forest of Randomized Tree for optimization of the yield. We then found their optimized configurations for each model, namely hyper-parameters. This critical task is done by running more than 1000 combinations of hyper-parameters. Finally, The R2-Scores for Boosted Linear Regression, Boosted Multi-layer Perceptron, and Forest of Randomized Tree, respectively, were 0.926, 0.998, and 0.992. MAPE criterion revealed that the error rates for boosted linear regression, boosted multi-layer perceptron, and Forest of Randomized Tree was 5.68 × 10-2, 5.20 × 10-2, and 9.83 × 10-2, respectively. Furthermore, utilizing the input vector (X1 = 165, X2 = 5.72, X3 = 5.55, X4 = 13.0), the proposed technique produces an ideal output value of 96.7 % as the optimum yield in catalytic production of biodiesel from waste cooking oil В этом исследовании было разработано несколько моделей машинного обучения для оптимизации производства биодизельного топлива из отработанного кулинарного масла в режиме гетерогенной каталитической реакции. Для модели рассматривались несколько входных параметров, включая температуру реакции, время реакции, загрузку катализатора, молярное соотношение метанол/нефть, тогда как единственным выходом был процент выхода биодизельного топлива. В этом исследовании использовались три модели ансамбля: форсированная линейная регрессия, форсированный многослойный персептрон и лес рандомизированных деревьев для оптимизации выхода. Затем мы нашли их оптимизированные конфигурации для каждой модели, а именно гиперпараметры. Эта важная задача выполняется путем запуска более 1000 комбинаций гиперпараметров. Наконец, R2-баллы для форсированной линейной регрессии, форсированного многослойного персептрона и леса рандомизированного дерева соответственно составили 0,926, 0,998 и 0,992. Критерий MAPE показал, что частота ошибок для усиленной линейной регрессии, усиленного многослойного перцептрона и леса рандомизированного дерева составила 5,68 × 10–2, 5,20 × 10–2 и 9,83 × 10–2 соответственно. 2022-01-01T00:00:00Z