Naslov
PREDVIĐANJE SVOJSTAVA DIZELSKIH GORIVA PRIMJENOM VIBRACIJSKE SPEKTROSKOPIJE UZ MULTIVARIJANTNU ANALIZU I UMJETNE NEURONSKE MREŽE
(Prediction of diesel fuels properties by vibration spectroscopy using multivariate analysis and artificial neural network)

Autori
Marinović, Slavica

Vrsta, podvrsta i kategorija rada
Ocjenski radovi, doktorska disertacija

Fakultet
Fakultet kemijskog inženjerstva i tehnologije

Mjesto
Zagreb

Datum
29.11

Godina
2011

Stranica
121

Mentor
Jukić, Ante ; Bolanča, Tomislav

Ključne riječi
dizelsko gorivo; fizikalna i kemijska svojstva; FTIR-ATR; FT-Raman; multivarijantna regresijska analiza; metoda parcijalnih najmanjih kvadrata (PLS); umjetne neuronske mreže (ANN)
(diesel fuel; physico-chemical properties; FTIR-ATR; FT-Raman; multivariate regression analysis; method of partial least squares (PLS); artificial neuron networks (ANN))

Sažetak
U ovom radu primijenjene su multivarijantna regresijska analiza (metoda parcijalnih najmanjih kvadrata) (PLS) i umjetne neuronske mreže (ANN) kao kalibracijski modeli razvijeni na metodama vibracijske spektroskopije sa svrhom brzog i preciznog određivanja najvažnijih fizikalno-kemijskih svojstava dizelskih goriva. Korištene su sljedeće metode vibracijske spektroskopije: infracrvena spektroskopija u srednjem području, temeljena na prigušenoj totalnoj refleksiji (FTIR-ATR) i FT-Ramanova spektroskopija. Navedena metodologija je primijenjena na dizelskim gorivima s tržišta. Odabrana su njihova najvažnija fizikalno-kemijska svojstva: cetanski broj, cetanski indeks, gustoća, viskoznost, destilacijske značajke (T10, T50 i T90), sadržaj ukupnih i policikličkih aromatskih ugljikovodika. Navedena svojstva dizelskog goriva eksperimentalno su određena normiranim ispitnim metodama te su dobiveni rezultati za devedeset i tri uzorka komercijalnih dizelskih goriva korišteni pri izradi PLS i ANN kalibracijskih modela. Prilikom konstrukcije PLS modela korišteni su neobrađeni FTIR-ATR i FT-Ramanovi spektri i dva spektralna područja: cijeli spektar i područje „otiska prsta“ („fingerprint“). Dobiveni PLS modeli su provjereni primjenom postupka križne validacije, te je na temelju koeficijenta korelacije i pogreške križne validacije ustanovljeno da su oba razvijena modela, PLS/FTIR-ATR i PLS/FT-Raman modeli, vrlo točni, a dobiveni rezultati usporedivi s rezultatima i preciznošću normiranih ispitnih metoda. Uz PLS modele, istraženi su i ustanovljen je optimalni ANN model za predviđanje navedenih svojstava dizelskog goriva korištenjem FTIR-ATR i FT-Ramanovih spektralnih podataka kao ulaznih varijabla. Primijenjene su dvije vrste mreža: višeslojna perceptronska mreža (MLP) i mreža s radijalnom baznom funkcijom (RBF). Algoritmi za treniranje mreže, broj neurona u skrivenom sloju i broj podataka u skupu za treniranje optimirani su za obje neuronske mreže kako bi se osigurala zadovoljavajuća točnost modela uz smanjenje nepotrebnog eksperimentalnog rada. Utvrđeno je da MLP modeli, uz primjenu FTIR-ATR spektralnih ulaznih podataka daju točnije rezultate u usporedbi s RBF modelima i FT-Ramanovim ulaznim podacima. Općenito, modeli na temelju PLS algoritma daju nešto bolje kalibracijske rezultate u odnosu na ANN modele. Usporedbom novih razvijenih metoda temeljenih na primjeni vibracijske spektroskopije uz multivarijantnu analizu i umjetne neuronske mreže s normiranim ispitnim metodama utvrđeno je da se vrijednosti svojstava vrlo dobro slažu s vrijednostima dobivenima normiranim metodama i zadovoljavaju zadane granice ponovljivosti i obnovljivosti, osim za određivanje gustoće. Dobiveni modeli se mogu koristiti kao vlastita analitička metoda za brzu i pouzdanu kontrolu kvalitete dizelskog goriva i sličnih frakcija dobivenih pri rafinerijskoj preradbi nafte budući da omogućuju istovremeno određivanje najvažnijih svojstava samo jednim mjerenjem IR ili Ramanovog spektra.

Izvorni jezik
Hrvatski

Znanstvena područja
Kemija, Kemijsko inženjerstvo, Temeljne tehničke znanosti

POVEZANOST RADA