Caracterização potenciométrica simultânea em fluxo, de espécies aniônicas, empregando análise das componentes principais e redes neurais artificiais / Simultaneous potentiometric characterization in flow, with anionic species, using principal components analysis and artificial neural networks
AUTOR(ES)
Nayara Penoni
DATA DE PUBLICAÇÃO
2006
RESUMO
Foi montado um sistema potenciométrico composto por 6 eletrodos seletivos à íons (ISE) de brometo, iodeto, nitrato, nitrito, sulfeto e cianeto. Os seis eletrodos foram colocados em linha, permitindo fazer determinações potenciométricas em fluxo contínuo. As variáveis, o controle de fluxo e a estabilização das leituras foram verificados através de um programa computacional desenvolvido em linguagem Delphi. Com a utilização deste sistema, foram desenvolvidas técnicas instrumentais de calibração, através da quimiometria, capazes de separar as respostas dos diferentes íons. As técnicas de análise multivariada utilizadas foram a análise das componentes principais (PCA) e as redes neurais artificiais. Com o uso do planejamento experimental cúbico de rede simplex lattice foi possível obter 63 misturas contendo os seis ânions descritos com concentrações que variaram entre 10-2 mol L-1 a 1,33x10-3 mol L-1, outras 3 misturas foram utilizadas para validação. Foram ainda coletadas 8 amostras de águas em diferentes ambientes. Estas ficaram separadas em um grupo no gráfico da PCA, o que parece indicar a presença de íons diferentes dos seis que foram analisados. As demais misturas foram separadas pela PCA de acordo com a concentração e com os interferentes, sendo que a PC1 explicou 79,09% da variância e a PC2 explicou 10,28% da variância. A arquitetura das redes neurais artificiais foi otimizada, tendo sido obtidos os menores erros quadrado médio de previsão (RMSEP). A arquitetura utilizada foi composta por três camadas, sendo a camada de entrada com 6 neurônios, a intermediária com 13 neurônios e a de saída com 6 neurônios. Foram utilizadas como função de transferências para a camada intermediária a tangente sigmoidal e na camada de saída a linear. O erro estimado pela rede neural foi da ordem de 10-3, o que mostra uma considerável interferência dos ânions, ocasionando uma previsão inadequada pela rede. As amostras de água coletadas não puderam ser submetidas à previsão pela rede neural artificial, pois as concentrações dos ânions podem ter valores que extrapolam o intervalo de treinamento da rede neural artificial.
ASSUNTO(S)
potenciometria análise por injeção de fluxo neural networks potentiometry eletrodos seletivos a íons flow injection analysis redes neurais principal components analysis análise de componentes principais anions selective eletrodes quimica analitica
Documentos Relacionados
- Determinação simultanea de acidos fracos, em analise por injeção em fluxo, empregando calibração multivariada não linear, por treinamento de redes neurais artificiais
- Artificial neural networks for load flow and external equivalents studies
- Extração de conhecimento de redes neurais artificiais.
- OtimizaÃÃo Global em Redes Neurais Artificiais
- Sistema de reconhecimento de locutor utilizando redes neurais artificiais