Calibração multivariada para análises espectrofotométricas empregando pacotes wavelets e mínimos quadrados-parciais.

• Ano de defesa: 2006
• Autor(a) principal: Rodrigo Neves Figueiredo dos Santos
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Tecnológico de Aeronáutica
• Palavras-chave em Português: Combustíveis; Qualidade; Análise de ondas localizadas; Calibração; Análise estatística multivariada; Métodos dos mínimos quadrados; Variância (Estatística); Controle
• Link de acesso: http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=335

A espectroscopia por infravermelho tem se mostrado um poderoso instrumento no estudo de propriedades físicas de combustíveis, obtendo cada vez mais destaque no monitoramento da qualidade dos mesmos. Contudo, os instrumentos de laboratório não produzem estas propriedades como resposta, requerendo por sua vez a calibração de modelos que relacionem as medidas espectrais obtidas com os parâmetros de interesse. Neste trabalho, é estudado um método de calibração multivariada em que o conjunto de espectros original é pré-processado via transformação com pacotes wavelet, com estrutura de decomposição otimizada. Para tal fim, emprega-se um funcional custo adequado à natureza do problema. São avaliadas ainda algumas técnicas comuns para a filtragem, bem como alguns critérios de seleção de variáveis presentes na literatura. Tendo em vista a validação do método estudado, apresenta-se um estudo de caso envolvendo a determinação de massa específica e temperaturas para 10%, 50% e 90% de evaporados em amostras de gasolina. Neste estudo são comparados o desempenho dos modelos de Mínimos-Quadrados Parciais pré-processados com transformada de pacotes wavelet, transformada wavelet convencional e sem pré-processamento dos espectros. É apresentado ainda, um estudo comparativo entre os critérios de seleção de coeficientes por correlação e variância. Os resultados datécnica com transformada de pacotes wavelet, associada à seleção de coeficientes por correlação com a propriedade de interesse, se mostram superiores aos obtidos com as outras técnicas, propiciando uma melhora expressiva na capacidade preditiva dos modelos obtidos por Mínimos-Quadrados Parciais.