Detalhes bibliográficos
| Ano de defesa: |
2006 |
| Autor(a) principal: |
HONORATO, Fernanda Araújo |
| Orientador(a): |
PIMENTEL, Maria Fernanda |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal de Pernambuco
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://repositorio.ufpe.br/handle/123456789/9551
|
Resumo: |
Este trabalho tem duas partes, ambas envolvendo espectroscopia no infravermelho e quimiometria. Na primeira parte, foram obtidos modelos de calibração multivariada baseados em dados espectrais nas regiões NIR e MIR para prever as principais propriedades de gasolinas comercializadas na região Nordeste. Foram coletadas 160 amostras de gasolinas e os modelos de calibração foram construídos considerando-se dados espectrais da região NIR (em dois caminhos ópticos diferentes - 1 e 10 mm) e MIR, dois algoritmos de calibração (mínimos quadráticos parciais - PLS e regressão linear múltipla - MLR), e diferentes pré-processamentos (derivada, alisamento e seleção de variáveis com o Algoritmo Genético, AG, ou o Algoritmo de Projeções Sucessivas, APS). Analisando-se os erros médios quadráticos relativos de previsão (RMSEPR) para os vários modelos, observou-se que todas as propriedades envolvidas podem ser preditas de forma satisfatória a partir do espectro NIR na faixa 1600-2500 nm (caminho óptico de 1 mm), com calibração por MLR e seleção de variáveis pelo algoritmo genético, com qualquer dos pré-processamentos utilizados.A outra parte trata do problema de transferência de calibração. Propôs-se uma nova estratégia para a construção de modelos de calibração robustos em relação a diferenças entre dois equipamentos. O APS foi utilizado para selecionar variáveis de forma a minimizar o erro de previsão para o conjunto de teste do equipamento primário, mas também para um pequeno conjunto de amostras medidas no equipamento secundário (amostras de transferência). Dois conjuntos de dados foram empregados: espectros MIR de gasolinas C, para previsão da propriedade T90% (temperatura para 90% de amostra destilada); e espectros NIR de amostras de milho para previsão do teor de umidade. Os modelos MLR robustos assim obtidos foram comparados a modelos PLS, utilizando-se padronização direta em etapas (PDS) para corrigir os espectros do equipamento secundário. Os erros de predição no equipamento secundário para os modelos MLR robustos foram comparáveis aos dos modelos PLS-PDS e levemente inferiores aos erros do modelo APSV-MLR |
