Comparación de dos métodos supervisados de reconocimiento de patrones para la clasificación de destilados medios de petróleo mediante Espectroscopia Infrarroja
Título del documento: Comparación de dos métodos supervisados de reconocimiento de patrones para la clasificación de destilados medios de petróleo mediante Espectroscopia Infrarroja
Revista: Revista CENIC. Ciencias químicas
Base de datos: PERIÓDICA
Número de sistema: 000369230
ISSN: 1015-8553
Autors: 1
1
2
1
2
Institucions: 1Centro de Investigaciones del Petróleo, La Habana. Cuba
2Centro de Aplicaciones de Tecnologías de Avanzada, La Habana. Cuba
Any:
Període: May-Ago
Volum: 40
Número: 2
Paginació: 89-94
País: Cuba
Idioma: Español
Tipo de documento: Artículo
Enfoque: Experimental, aplicado
Resumen en español En la industria de refinación del petróleo es frecuente el uso de crudos de diferentes orígenes, lo que origina variaciones apreciables en la composición química de los productos obtenidos durante el proceso de refinación. La aplicación de las técnicas quimiométricas de reconocimiento de patrones ha hecho posible el desarrollo de procedimientos alternativos que permiten, a través de métodos espectroscópicos o cromatográficos, la clasificación y el control de calidad de diversos tipos de combustibles de una forma rápida y con el empleo de pequeña cantidad de muestra. El objetivo de este estudio fue la aplicación de los métodos supervisados de reconocimiento de patrones: modelado suave independiente por analogía de clases y análisis discriminante sobre mínimos cuadrados parciales —(SIMCA) y (PLSDA), de sus siglas en inglés— para la clasificación de kerosinas mediante la técnica de Espectroscopia Infrarroja; y realizar un estudio comparativo de los resultados obtenidos por ambos métodos. Los modelos desarrollados permitieron diferenciar dos clases de kerosinas con diferente composición química, lo cual fue corroborado por Espectrometría de Masas. El estudio comparativo realizado a través de una validación con muestras externas, demostró que el modelo SIMCA presentó una adecuada sensibilidad y selectividad: no presentó falsos negativos y fue capaz de no clasificar a las muestras de turbocombustibles ajenas al sistema modelado; sin embargo, el modelo PLS-DA presentó problemas de selectividad y no logró diferenciar las muestras de turbocombustibles. Se considera que el problema de selectividad del modelo PLS-DA está dado por la influencia que ejerce el conjunto de entrenamiento en el cálculo de los umbrales de las clases
Resumen en inglés In the oil refining industry, the use of crudes from several origins is frequent. This leads to considerable variations in the chemical composition of the products obtained during the refining process. The application of the chemometric techniques for pattern recognition has made possible the development of alternative methods that allow the classification and quality control of several types of fuels in a quick way, using small quantities of samples, through spectroscopy and chromatography methods. The objective of this study is the application of the supervised pattern recognition methods: Soft Independent Modeling of Class Analogy (SIMCA) and Partial Least Squares Discriminant Analysis (PLS-DA) in the classification of kerosene through infrared spectroscopy. This study is also intended to carry out a comparative study of the results achieved with the application of both methods. The models developed allowed to differentiate two kerosene groups with different chemical compositions, which were corroborated through mass spectrometry. The comparative study carried out through a validation with external samples showed that the SIMCA model had an adequate sensitivity and selectivity: it didn’t show false negatives and was unable to classify the turbo fuel samples alien to the modeled system. Nevertheless, the PLS-DA model showed selectivity problems and was unable to differentiate the turbo fuel samples. It was considered that the selectivity problem presented by the PLS-DA model is due to the influence of the training group in the calculation of the classes’ thresholds
Disciplines Química,
Ingeniería
Paraules clau: Química industrial,
Ingeniería petrolera,
Refinación,
Petróleo,
Queroseno,
Quimiometría,
Espectroscopía infrarroja
Keyword: Chemistry,
Engineering,
Industrial chemistry,
Petroleum engineering,
Refination,
Petroleum,
Kerosene,
Chemometry,
Infrared spectroscopy
Text complet: Texto completo (Ver PDF)