O desenvolvimento e aperfeiçoamento de métodos de otimização são pontos de profundo interesse em todas as áreas de pesquisa. Tais técnicas muitas vezes envolvem a aquisição de métodos de controle novos ou melhores, o que está diretamente ligado a duas tarefas importantes: a escolha de formas eficientes de monitoramento do processo e a obtenção de modelos confiáveis para a variável de interesse a partir de dados experimentais. Graças às suas diversas vantagens, os sensores óticos vêm sendo amplamente aplicados na primeira tarefa. Uma vez que é possível a utilização de vários tipos de espectroscopia através deste tipo de sensor, modelos capazes de lidar com dados espectrais estão se tornando cada vez mais atraentes. A segunda tarefa, por sua vez, depende não só de quais preditores são utilizados na construção do modelo, mas também de quantos. Como a qualidade do modelo depende também do número de variáveis selecionadas, é importante desenvolver métodos que identifiquem aqueles que explicam o máximo possível da variabilidade dos dados. O método de otimização Colônia de Formigas (ACO) aparece como uma ferramenta bastante útil na seleção de variáveis, podendo-se encontrar muitas variações desse algoritmo na literatura. O propósito deste trabalho é desenvolver métodos de seleção de variáveis com base no algoritmo ACO, conceitos estatísticos e testes de hipóteses. Para isso, diversos critérios de decisão foram implementados nas etapas do algoritmo referentes à atualização de trilha de feromônios (C1) e à seleção de modelos (C2). A fim de estudar estas modificações, foram realizados dois estudos de caso: o primeiro na área de bioprocessos e o segundo na área de caracterização de alimentos. Ambos os estudos mostraram que, em geral, os modelos com menores erros são obtidos utilizando-se métricas dos componentes do modelo, tal como o tamanho do intervalo de confiança de cada parâmetro e o teste-t de hipóteses. Além disso, a modificação do critério de seleção de modelos parece não interferir significativamente no resultado final do algoritmo. Por último, foi feito um estudo da aplicação dessas versões do ACO no campo de caracterização de combustíveis, mais especificamente diesel, associando-se duas análises espectroscópicas para predição do conteúdo de enxofre. Algumas das versões desenvolvidas mostraram-se superior ao algoritmo ACO utilizado como base para este trabalho, proposto por Ranzan (2014), e todas os versões forneceram melhores resultados na quantificação de enxofre que aqueles obtidos por PCR. Dessa forma, comprova-se a potencialidade de métricas implementadas no algoritmo ACO, associadas à espectroscopia, na seleção de preditores significativos. / The development and improvement of optimization methods are points of deep interest in all areas of research. These techniques are often related to the acquisition of new or better control methods, which are directly attached to two importante tasks: choosing efficient forms of process monitoring and obtaining reliable models for the monitored variable from experimental data. Due to their several advantagens, optical sensors are being widely applied in the first task. Since several types of spectroscopy are possible through this type of sensor, models capable of dealing with spectral data are becoming increasingly attractive. The second task depends not only on which predictors are used in the model, but also on how many. Since the quality of the model depends on the number of selected variables, it is important to develop methods that identify those that explain the greater amount of data variability as possible, without compromising the reliability of the model. The Ant Colony Optimization is an important tool for variable selection, being possible to find a lot of variations of this method in literature. The purpose of this work is to develop a method of variable selection based on the Ant Colony Optimization (ACO) algorithm, statistical concepts and hypothesis testing. For this purpose, several decision criteria for trail update (C1) and model selection (C2) were implemented within the routine. In order to study these modifications, two case study was conducted: one related to bioprocess monitoring and another one envolving the characterization of food products. Both studies showed that, in general, the models with the lowest errors were obtained through the use of model component metrics, such as the length of the confidence interval associated with each parameter and the t hypothesis test. Besides, the modification of the model selection criterion doesn’t seem to affect the algorithm final result. Finally, the aplicattion of these methods in the field of fuels characterization, specifically diesel fuel, was studied, associating two spectroscopical analyses in order to predict the sulfur content. Some of the new developed methods appeared to be better than the ACO algorithm used as basis in this work, proposed by Ranzan (2014), and all methods showed better results than those from the models constructed by PCR. Thus, it is proved the high potencial of using different metrics within ACO algorithm, associated with spectroscopy, in order to select significative predictors.

A dispersão de óxidos sulfurados no meio ambiente, proveniente da queima de combustíveis fosseis, contribui significativamente para a poluição atmosférica. A presença de compostos sulfurados em combustíveis também apresenta desvantagens práticas na operação das unidades, corroendo tubulações e unidades de armazenamento, além de causar danos aos motores. De acordo com a Resolução nº 50, de 23 de dezembro de 2013 da ANP, todo o diesel metropolitano vendido no Brasil deve conter no máximo 10 ppm de enxofre, forçando uma adaptação dos processos produtivos, que, por sua vez, forçam as industrias a investirem em sistemas de controle e consequentemente metodologias de análise on-line de correntes de processo. As análises atuais certificadoras de enxofre em diesel requerem preparação amostral, equipamentos de alto custo e possuem alto tempo morto associado. Surge a necessidade de estudo de uma metodologia capaz de ser aplicada em analisadores de linha para predição de enxofre em tempo real. Com este intuito, este trabalho visa estudar a viabilidade do uso de espectroscopia por fluorescência 2D para predição de enxofre em óleo diesel. A espectroscopia por fluorescência é uma técnica rápida, que dispensa preparação de amostra e possui alta sensibilidade para compostos naturalmente fluorescentes. Um estudo envolvendo quatro componentes sulfurados presentes em diesel foi realizado por meio de metodologias não supervisionadas - PCA, e supervisionadas - PSCM. Não foi possível segmentar as quatro soluções-padrão por meio de gráfico de escores da PCA, mas com PSCM foi factível o ajuste de modelos multilineares para predição de enxofre nas soluções-padrão, com coeficientes de determinação superiores a 0,97. Ainda, é possível definir a região de fluorescência mais significativa para cada um dos padrões, constatando que todos possuem regiões de emissão de fluorescência similares. Com relação à amostras de diesel, foram analisados dois grupos distintos de óleo diesel, (i) diesel HDT com média de 100 ppm de enxofre, e (ii) diesel S10 com média de 6,5 ppm de enxofre. Avaliando os resultados da PCA, foi possível segmentar os dois conjuntos de diesel utilizando os dados de escores. Por PSCM, foi possível ajustar modelos baseados em pares de fluorescência capazes de predizer satisfatoriamente concentrações de enxofre em amostras de diesel S10. Os modelos ajustados para diesel HDT apresentaram resultados menos significativos. Assim, a viabilidade do uso de espectroscopia por fluorescência 2D para a caracterização de enxofre em correntes de diesel foi confirmada, viabilizando a construção de sensores de processos baseados nesta técnica analítica. / The dispersion of sulfur oxides in the environment from the burning of fossil fuels contributes significantly to air pollution. The presence of sulfur compounds in fuel also presents disadvantages in operation units, corroding pipes and storage units and may even damage the engine. According to ANP Resolution No. 50, dated December 23, 2013 the entire metropolitan diesel sold in Brazil must contain no more than 10 ppm sulfur, forcing an adaptation of production processes. The current analysis to certify sulfur content in diesel requires sample preparation, expensive equipment and have high dead time associated. Therefore, it is important the study of a method capable of being applied to online analyzers for predicting sulfur in real time. This work aims to study the feasibility of using 2D fluorescence spectroscopy for prediction of sulfur in diesel fuel. Fluorescence spectroscopy is a rapid technique that, usually, does not require sample preparation and has high sensitivity to naturally fluorescent compounds. Initially, a study involving four sulfur containing compounds present in diesel was carried out by means of unsupervised methods - PCA and supervised - PSCM. It was not possible to segregate the four standard solutions by score plot from the PCA, but PSCM was able to fit general multilinear models for the prediction of sulfur in standard solutions with coefficients of determination greater than 0.97. It was possible to define the region of most significant fluorescence for each standard, noting that all standards present similar fluorescence emission regions. After, two groups of different diesel, diesel HDT averaging 100 ppm sulfur and diesel S10 averaged 6.5 ppm sulfur were analyzed. Evaluating the results of PCA was possible to segregate both sets of diesel data using score plot. With PSCM was possible to find models based on fluorescence able to satisfactorily predict concentrations of sulfur in diesel samples S10. The models adjusted for diesel HDT showed less significant results. Thus, the feasibility of prediction of sulfur in diesel using 2D fluorescence spectroscopy was confirmed.

A dispersão de óxidos sulfurados no meio ambiente, proveniente da queima de combustíveis fosseis, contribui significativamente para a poluição atmosférica. A presença de compostos sulfurados em combustíveis também apresenta desvantagens práticas na operação das unidades, corroendo tubulações e unidades de armazenamento, além de causar danos aos motores. De acordo com a Resolução nº 50, de 23 de dezembro de 2013 da ANP, todo o diesel metropolitano vendido no Brasil deve conter no máximo 10 ppm de enxofre, forçando uma adaptação dos processos produtivos, que, por sua vez, forçam as industrias a investirem em sistemas de controle e consequentemente metodologias de análise on-line de correntes de processo. As análises atuais certificadoras de enxofre em diesel requerem preparação amostral, equipamentos de alto custo e possuem alto tempo morto associado. Surge a necessidade de estudo de uma metodologia capaz de ser aplicada em analisadores de linha para predição de enxofre em tempo real. Com este intuito, este trabalho visa estudar a viabilidade do uso de espectroscopia por fluorescência 2D para predição de enxofre em óleo diesel. A espectroscopia por fluorescência é uma técnica rápida, que dispensa preparação de amostra e possui alta sensibilidade para compostos naturalmente fluorescentes. Um estudo envolvendo quatro componentes sulfurados presentes em diesel foi realizado por meio de metodologias não supervisionadas - PCA, e supervisionadas - PSCM. Não foi possível segmentar as quatro soluções-padrão por meio de gráfico de escores da PCA, mas com PSCM foi factível o ajuste de modelos multilineares para predição de enxofre nas soluções-padrão, com coeficientes de determinação superiores a 0,97. Ainda, é possível definir a região de fluorescência mais significativa para cada um dos padrões, constatando que todos possuem regiões de emissão de fluorescência similares. Com relação à amostras de diesel, foram analisados dois grupos distintos de óleo diesel, (i) diesel HDT com média de 100 ppm de enxofre, e (ii) diesel S10 com média de 6,5 ppm de enxofre. Avaliando os resultados da PCA, foi possível segmentar os dois conjuntos de diesel utilizando os dados de escores. Por PSCM, foi possível ajustar modelos baseados em pares de fluorescência capazes de predizer satisfatoriamente concentrações de enxofre em amostras de diesel S10. Os modelos ajustados para diesel HDT apresentaram resultados menos significativos. Assim, a viabilidade do uso de espectroscopia por fluorescência 2D para a caracterização de enxofre em correntes de diesel foi confirmada, viabilizando a construção de sensores de processos baseados nesta técnica analítica. / The dispersion of sulfur oxides in the environment from the burning of fossil fuels contributes significantly to air pollution. The presence of sulfur compounds in fuel also presents disadvantages in operation units, corroding pipes and storage units and may even damage the engine. According to ANP Resolution No. 50, dated December 23, 2013 the entire metropolitan diesel sold in Brazil must contain no more than 10 ppm sulfur, forcing an adaptation of production processes. The current analysis to certify sulfur content in diesel requires sample preparation, expensive equipment and have high dead time associated. Therefore, it is important the study of a method capable of being applied to online analyzers for predicting sulfur in real time. This work aims to study the feasibility of using 2D fluorescence spectroscopy for prediction of sulfur in diesel fuel. Fluorescence spectroscopy is a rapid technique that, usually, does not require sample preparation and has high sensitivity to naturally fluorescent compounds. Initially, a study involving four sulfur containing compounds present in diesel was carried out by means of unsupervised methods - PCA and supervised - PSCM. It was not possible to segregate the four standard solutions by score plot from the PCA, but PSCM was able to fit general multilinear models for the prediction of sulfur in standard solutions with coefficients of determination greater than 0.97. It was possible to define the region of most significant fluorescence for each standard, noting that all standards present similar fluorescence emission regions. After, two groups of different diesel, diesel HDT averaging 100 ppm sulfur and diesel S10 averaged 6.5 ppm sulfur were analyzed. Evaluating the results of PCA was possible to segregate both sets of diesel data using score plot. With PSCM was possible to find models based on fluorescence able to satisfactorily predict concentrations of sulfur in diesel samples S10. The models adjusted for diesel HDT showed less significant results. Thus, the feasibility of prediction of sulfur in diesel using 2D fluorescence spectroscopy was confirmed.

O desenvolvimento e aperfeiçoamento de métodos de otimização são pontos de profundo interesse em todas as áreas de pesquisa. Tais técnicas muitas vezes envolvem a aquisição de métodos de controle novos ou melhores, o que está diretamente ligado a duas tarefas importantes: a escolha de formas eficientes de monitoramento do processo e a obtenção de modelos confiáveis para a variável de interesse a partir de dados experimentais. Graças às suas diversas vantagens, os sensores óticos vêm sendo amplamente aplicados na primeira tarefa. Uma vez que é possível a utilização de vários tipos de espectroscopia através deste tipo de sensor, modelos capazes de lidar com dados espectrais estão se tornando cada vez mais atraentes. A segunda tarefa, por sua vez, depende não só de quais preditores são utilizados na construção do modelo, mas também de quantos. Como a qualidade do modelo depende também do número de variáveis selecionadas, é importante desenvolver métodos que identifiquem aqueles que explicam o máximo possível da variabilidade dos dados. O método de otimização Colônia de Formigas (ACO) aparece como uma ferramenta bastante útil na seleção de variáveis, podendo-se encontrar muitas variações desse algoritmo na literatura. O propósito deste trabalho é desenvolver métodos de seleção de variáveis com base no algoritmo ACO, conceitos estatísticos e testes de hipóteses. Para isso, diversos critérios de decisão foram implementados nas etapas do algoritmo referentes à atualização de trilha de feromônios (C1) e à seleção de modelos (C2). A fim de estudar estas modificações, foram realizados dois estudos de caso: o primeiro na área de bioprocessos e o segundo na área de caracterização de alimentos. Ambos os estudos mostraram que, em geral, os modelos com menores erros são obtidos utilizando-se métricas dos componentes do modelo, tal como o tamanho do intervalo de confiança de cada parâmetro e o teste-t de hipóteses. Além disso, a modificação do critério de seleção de modelos parece não interferir significativamente no resultado final do algoritmo. Por último, foi feito um estudo da aplicação dessas versões do ACO no campo de caracterização de combustíveis, mais especificamente diesel, associando-se duas análises espectroscópicas para predição do conteúdo de enxofre. Algumas das versões desenvolvidas mostraram-se superior ao algoritmo ACO utilizado como base para este trabalho, proposto por Ranzan (2014), e todas os versões forneceram melhores resultados na quantificação de enxofre que aqueles obtidos por PCR. Dessa forma, comprova-se a potencialidade de métricas implementadas no algoritmo ACO, associadas à espectroscopia, na seleção de preditores significativos. / The development and improvement of optimization methods are points of deep interest in all areas of research. These techniques are often related to the acquisition of new or better control methods, which are directly attached to two importante tasks: choosing efficient forms of process monitoring and obtaining reliable models for the monitored variable from experimental data. Due to their several advantagens, optical sensors are being widely applied in the first task. Since several types of spectroscopy are possible through this type of sensor, models capable of dealing with spectral data are becoming increasingly attractive. The second task depends not only on which predictors are used in the model, but also on how many. Since the quality of the model depends on the number of selected variables, it is important to develop methods that identify those that explain the greater amount of data variability as possible, without compromising the reliability of the model. The Ant Colony Optimization is an important tool for variable selection, being possible to find a lot of variations of this method in literature. The purpose of this work is to develop a method of variable selection based on the Ant Colony Optimization (ACO) algorithm, statistical concepts and hypothesis testing. For this purpose, several decision criteria for trail update (C1) and model selection (C2) were implemented within the routine. In order to study these modifications, two case study was conducted: one related to bioprocess monitoring and another one envolving the characterization of food products. Both studies showed that, in general, the models with the lowest errors were obtained through the use of model component metrics, such as the length of the confidence interval associated with each parameter and the t hypothesis test. Besides, the modification of the model selection criterion doesn’t seem to affect the algorithm final result. Finally, the aplicattion of these methods in the field of fuels characterization, specifically diesel fuel, was studied, associating two spectroscopical analyses in order to predict the sulfur content. Some of the new developed methods appeared to be better than the ACO algorithm used as basis in this work, proposed by Ranzan (2014), and all methods showed better results than those from the models constructed by PCR. Thus, it is proved the high potencial of using different metrics within ACO algorithm, associated with spectroscopy, in order to select significative predictors.

O desenvolvimento e aperfeiçoamento de métodos de otimização são pontos de profundo interesse em todas as áreas de pesquisa. Tais técnicas muitas vezes envolvem a aquisição de métodos de controle novos ou melhores, o que está diretamente ligado a duas tarefas importantes: a escolha de formas eficientes de monitoramento do processo e a obtenção de modelos confiáveis para a variável de interesse a partir de dados experimentais. Graças às suas diversas vantagens, os sensores óticos vêm sendo amplamente aplicados na primeira tarefa. Uma vez que é possível a utilização de vários tipos de espectroscopia através deste tipo de sensor, modelos capazes de lidar com dados espectrais estão se tornando cada vez mais atraentes. A segunda tarefa, por sua vez, depende não só de quais preditores são utilizados na construção do modelo, mas também de quantos. Como a qualidade do modelo depende também do número de variáveis selecionadas, é importante desenvolver métodos que identifiquem aqueles que explicam o máximo possível da variabilidade dos dados. O método de otimização Colônia de Formigas (ACO) aparece como uma ferramenta bastante útil na seleção de variáveis, podendo-se encontrar muitas variações desse algoritmo na literatura. O propósito deste trabalho é desenvolver métodos de seleção de variáveis com base no algoritmo ACO, conceitos estatísticos e testes de hipóteses. Para isso, diversos critérios de decisão foram implementados nas etapas do algoritmo referentes à atualização de trilha de feromônios (C1) e à seleção de modelos (C2). A fim de estudar estas modificações, foram realizados dois estudos de caso: o primeiro na área de bioprocessos e o segundo na área de caracterização de alimentos. Ambos os estudos mostraram que, em geral, os modelos com menores erros são obtidos utilizando-se métricas dos componentes do modelo, tal como o tamanho do intervalo de confiança de cada parâmetro e o teste-t de hipóteses. Além disso, a modificação do critério de seleção de modelos parece não interferir significativamente no resultado final do algoritmo. Por último, foi feito um estudo da aplicação dessas versões do ACO no campo de caracterização de combustíveis, mais especificamente diesel, associando-se duas análises espectroscópicas para predição do conteúdo de enxofre. Algumas das versões desenvolvidas mostraram-se superior ao algoritmo ACO utilizado como base para este trabalho, proposto por Ranzan (2014), e todas os versões forneceram melhores resultados na quantificação de enxofre que aqueles obtidos por PCR. Dessa forma, comprova-se a potencialidade de métricas implementadas no algoritmo ACO, associadas à espectroscopia, na seleção de preditores significativos. / The development and improvement of optimization methods are points of deep interest in all areas of research. These techniques are often related to the acquisition of new or better control methods, which are directly attached to two importante tasks: choosing efficient forms of process monitoring and obtaining reliable models for the monitored variable from experimental data. Due to their several advantagens, optical sensors are being widely applied in the first task. Since several types of spectroscopy are possible through this type of sensor, models capable of dealing with spectral data are becoming increasingly attractive. The second task depends not only on which predictors are used in the model, but also on how many. Since the quality of the model depends on the number of selected variables, it is important to develop methods that identify those that explain the greater amount of data variability as possible, without compromising the reliability of the model. The Ant Colony Optimization is an important tool for variable selection, being possible to find a lot of variations of this method in literature. The purpose of this work is to develop a method of variable selection based on the Ant Colony Optimization (ACO) algorithm, statistical concepts and hypothesis testing. For this purpose, several decision criteria for trail update (C1) and model selection (C2) were implemented within the routine. In order to study these modifications, two case study was conducted: one related to bioprocess monitoring and another one envolving the characterization of food products. Both studies showed that, in general, the models with the lowest errors were obtained through the use of model component metrics, such as the length of the confidence interval associated with each parameter and the t hypothesis test. Besides, the modification of the model selection criterion doesn’t seem to affect the algorithm final result. Finally, the aplicattion of these methods in the field of fuels characterization, specifically diesel fuel, was studied, associating two spectroscopical analyses in order to predict the sulfur content. Some of the new developed methods appeared to be better than the ACO algorithm used as basis in this work, proposed by Ranzan (2014), and all methods showed better results than those from the models constructed by PCR. Thus, it is proved the high potencial of using different metrics within ACO algorithm, associated with spectroscopy, in order to select significative predictors.

A dispersão de óxidos sulfurados no meio ambiente, proveniente da queima de combustíveis fosseis, contribui significativamente para a poluição atmosférica. A presença de compostos sulfurados em combustíveis também apresenta desvantagens práticas na operação das unidades, corroendo tubulações e unidades de armazenamento, além de causar danos aos motores. De acordo com a Resolução nº 50, de 23 de dezembro de 2013 da ANP, todo o diesel metropolitano vendido no Brasil deve conter no máximo 10 ppm de enxofre, forçando uma adaptação dos processos produtivos, que, por sua vez, forçam as industrias a investirem em sistemas de controle e consequentemente metodologias de análise on-line de correntes de processo. As análises atuais certificadoras de enxofre em diesel requerem preparação amostral, equipamentos de alto custo e possuem alto tempo morto associado. Surge a necessidade de estudo de uma metodologia capaz de ser aplicada em analisadores de linha para predição de enxofre em tempo real. Com este intuito, este trabalho visa estudar a viabilidade do uso de espectroscopia por fluorescência 2D para predição de enxofre em óleo diesel. A espectroscopia por fluorescência é uma técnica rápida, que dispensa preparação de amostra e possui alta sensibilidade para compostos naturalmente fluorescentes. Um estudo envolvendo quatro componentes sulfurados presentes em diesel foi realizado por meio de metodologias não supervisionadas - PCA, e supervisionadas - PSCM. Não foi possível segmentar as quatro soluções-padrão por meio de gráfico de escores da PCA, mas com PSCM foi factível o ajuste de modelos multilineares para predição de enxofre nas soluções-padrão, com coeficientes de determinação superiores a 0,97. Ainda, é possível definir a região de fluorescência mais significativa para cada um dos padrões, constatando que todos possuem regiões de emissão de fluorescência similares. Com relação à amostras de diesel, foram analisados dois grupos distintos de óleo diesel, (i) diesel HDT com média de 100 ppm de enxofre, e (ii) diesel S10 com média de 6,5 ppm de enxofre. Avaliando os resultados da PCA, foi possível segmentar os dois conjuntos de diesel utilizando os dados de escores. Por PSCM, foi possível ajustar modelos baseados em pares de fluorescência capazes de predizer satisfatoriamente concentrações de enxofre em amostras de diesel S10. Os modelos ajustados para diesel HDT apresentaram resultados menos significativos. Assim, a viabilidade do uso de espectroscopia por fluorescência 2D para a caracterização de enxofre em correntes de diesel foi confirmada, viabilizando a construção de sensores de processos baseados nesta técnica analítica. / The dispersion of sulfur oxides in the environment from the burning of fossil fuels contributes significantly to air pollution. The presence of sulfur compounds in fuel also presents disadvantages in operation units, corroding pipes and storage units and may even damage the engine. According to ANP Resolution No. 50, dated December 23, 2013 the entire metropolitan diesel sold in Brazil must contain no more than 10 ppm sulfur, forcing an adaptation of production processes. The current analysis to certify sulfur content in diesel requires sample preparation, expensive equipment and have high dead time associated. Therefore, it is important the study of a method capable of being applied to online analyzers for predicting sulfur in real time. This work aims to study the feasibility of using 2D fluorescence spectroscopy for prediction of sulfur in diesel fuel. Fluorescence spectroscopy is a rapid technique that, usually, does not require sample preparation and has high sensitivity to naturally fluorescent compounds. Initially, a study involving four sulfur containing compounds present in diesel was carried out by means of unsupervised methods - PCA and supervised - PSCM. It was not possible to segregate the four standard solutions by score plot from the PCA, but PSCM was able to fit general multilinear models for the prediction of sulfur in standard solutions with coefficients of determination greater than 0.97. It was possible to define the region of most significant fluorescence for each standard, noting that all standards present similar fluorescence emission regions. After, two groups of different diesel, diesel HDT averaging 100 ppm sulfur and diesel S10 averaged 6.5 ppm sulfur were analyzed. Evaluating the results of PCA was possible to segregate both sets of diesel data using score plot. With PSCM was possible to find models based on fluorescence able to satisfactorily predict concentrations of sulfur in diesel samples S10. The models adjusted for diesel HDT showed less significant results. Thus, the feasibility of prediction of sulfur in diesel using 2D fluorescence spectroscopy was confirmed.