Made available in DSpace on 2014-12-17T15:41:56Z (GMT). No. of bitstreams: 1 AlessandraMC_DISSERT.pdf: 3533058 bytes, checksum: de92ff683335d9aa6c119013acb5b5d0 (MD5) Previous issue date: 2011-08-15 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / In this work calibration models were constructed to determine the content of total lipids and moisture in powdered milk samples. For this, used the near-infrared spectroscopy by diffuse reflectance, combined with multivariate calibration. Initially, the spectral data were submitted to correction of multiplicative light scattering (MSC) and Savitzsky-Golay smoothing. Then, the samples were divided into subgroups by application of hierarchical clustering analysis of the classes (HCA) and Ward Linkage criterion. Thus, it became possible to build regression models by partial least squares (PLS) that allowed the calibration and prediction of the content total lipid and moisture, based on the values obtained by the reference methods of Soxhlet and 105 ? C, respectively . Therefore, conclude that the NIR had a good performance for the quantification of samples of powdered milk, mainly by minimizing the analysis time, not destruction of the samples and not waste. Prediction models for determination of total lipids correlated (R) of 0.9955, RMSEP of 0.8952, therefore the average error between the Soxhlet and NIR was ? 0.70%, while the model prediction to content moisture correlated (R) of 0.9184, RMSEP, 0.3778 and error of ? 0.76% / Neste trabalho foram constru?dos modelos de calibra??o para determinar os teores de lip?dios totais e umidade em amostras de leite em p?. Para isso, utilizou-se a espectroscopia no infravermelho pr?ximo por reflect?ncia difusa, aliado ? calibra??o multivariada. Inicialmente, os dados espectrais foram submetidos ? corre??o multiplicativa do espalhamento da luz (MSC) e alisamento de Savitzsky-Golay. Em seguida, as amostras foram divididas em subgrupos por aplica??o da an?lise por agrupamento hier?rquico das classes (HCA) e crit?rio de Ward Linkage. Desta forma, tornou-se poss?vel construir modelos de regress?o por m?nimos quadrados parciais (PLS) que permitiu a calibra??o e previs?o dos teores de lip?dios e umidade, com base nos valores obtidos por m?todos de refer?ncia de Soxhlet e secagem a 105 ? C, respectivamente. Portanto, conclui-se que o NIR apresentou um bom desempenho para quantifica??o de amostras de leite em p?, principalmente pela minimiza??o do tempo das an?lises, n?o destrui??o das amostras e n?o gera??o de res?duos. Os modelos de previs?o para determina??o de lip?dios totais apresentaram correla??o (R) de 0,9955, RMSEP de 0,8952, por conseguinte, o erro m?dio entre o Soxhlet e o NIR foi ? 0,70%, enquanto o modelo de previs?o para teor de umidade apresentou correla??o (R) de 0,9184, RMSEP, 0,3778 e erro de ? 0,76%

Made available in DSpace on 2014-12-17T15:42:05Z (GMT). No. of bitstreams: 1 AnaCON_DISSERT.pdf: 2560306 bytes, checksum: 01b4c26da4748508add3442c02e1b43b (MD5) Previous issue date: 2013-02-04 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / In this work, the quantitative analysis of glucose, triglycerides and cholesterol (total and HDL) in both rat and human blood plasma was performed without any kind of pretreatment of samples, by using near infrared spectroscopy (NIR) combined with multivariate methods. For this purpose, different techniques and algorithms used to pre-process data, to select variables and to build multivariate regression models were compared between each other, such as partial least squares regression (PLS), non linear regression by artificial neural networks, interval partial least squares regression (iPLS), genetic algorithm (GA), successive projections algorithm (SPA), amongst others. Related to the determinations of rat blood plasma samples, the variables selection algorithms showed satisfactory results both for the correlation coefficients (R?) and for the values of root mean square error of prediction (RMSEP) for the three analytes, especially for triglycerides and cholesterol-HDL. The RMSEP values for glucose, triglycerides and cholesterol-HDL obtained through the best PLS model were 6.08, 16.07 e 2.03 mg dL-1, respectively. In the other case, for the determinations in human blood plasma, the predictions obtained by the PLS models provided unsatisfactory results with non linear tendency and presence of bias. Then, the ANN regression was applied as an alternative to PLS, considering its ability of modeling data from non linear systems. The root mean square error of monitoring (RMSEM) for glucose, triglycerides and total cholesterol, for the best ANN models, were 13.20, 10.31 e 12.35 mg dL-1, respectively. Statistical tests (F and t) suggest that NIR spectroscopy combined with multivariate regression methods (PLS and ANN) are capable to quantify the analytes (glucose, triglycerides and cholesterol) even when they are present in highly complex biological fluids, such as blood plasma / No presente trabalho, a an?lise quantitativa de glicose, triglicer?deos e colesterol (total e HDL) em plasma sangu?neo de ratos e humanos foi realizada sem necessidade de pr?tratamentos de amostras, atrav?s do uso da espectroscopia no infravermelho pr?ximo (NIR), aliada a m?todos multivariados. Para tanto, foram comparadas diferentes t?cnicas e algoritmos utilizados para pr?-processamentos de dados, sele??o de vari?veis e regress?es multivariadas, tais como a regress?o por m?nimos quadrados parciais (PLSR), regress?o n?o linear via redes neurais artificiais (ANN), regress?o por m?nimos quadrados parciais por intervalos (iPLS), algoritmo gen?tico (GA), algoritmo das proje??es sucessivas (SPA), entre outros. Para as determina??es em sangue de ratos, os algoritmos de sele??o de vari?veis apresentaram resultados satisfat?rios tanto em rela??o aos coeficientes de correla??o (R?) quanto para os valores de erro quadr?tico m?dio de previs?o (RMSEP) para os tr?s analitos, especialmente para triglicer?deos e colesterol-HDL. Os valores de RMSEP para glicose, triglicer?deos e colesterol-HDL atrav?s do melhor modelo PLS foram de 6,08, 16,07 e 2,03 mg dL-1, respectivamente. Para as determina??es em sangue de humanos, as previs?es atrav?s de modelos PLS apresentaram resultados insatisfat?rios, com comportamento n?o linear e presen?a de bias. A regress?o ANN foi investigada como uma alternativa ao PLS, por sua habilidade de modelar sistemas n?o lineares. O erro quadr?tico m?dio de monitoramento (RMSEM) para glicose, triglicer?deos e colesterol total, para os melhores modelos ANN, foram de 13,20, 10,31 e 12,35 mg dL-1, respectivamente. Testes estat?sticos (F e t) sugerem que a espectroscopia NIR aliada a m?todos de regress?o multivariados (PLS e ANN) possuem capacidade de quantificar os analitos (glicose, triglicer?deos e colesterol) mesmo quando os mesmos est?o presentes em fluidos biol?gicos altamente complexos, como o plasma sangu?neo

Os efeitos catalíticos de Mo(VI) e Fe(III) na oxidação de iodeto por peróxido de hidrogênio foram explorados visando à determinação simultânea destes. Diferenças nas taxas de reação foram alcançadas através do estabelecimento de duas zonas reacionais distintas para alteração das cinéticas reacionais. Para isto, foi projetado um sistema de análises por injeção em fluxo que permite a inserção de duas alíquotas de amostra, sendo adicionado ácido sulfúrico em uma destas com formação de uma zona de amostra complexa. Cada elemento de fluido desta zona é caracterizado por composição química, tempo de residência e taxa de reação específicas. Os principais parâmetros que afetam a taxa reacional, tais como concentração dos reagentes, comprimento do reator e vazão total, dentre outros, foram avaliados buscando melhoria na sensibilidade e discriminação cinética entre os analitos. Os comprimentos das alças de amostragem e da bobina separadora foram avaliados construindo-se modelos matemáticos visando máxima discriminação nas previsões para os analitos. Os modelos foram construídos a partir da ferramenta quimiométrica PLS (Partial Least Squares) utilizando os dados gerados por medidas de máximos e mínimos ao longo da zona de amostra. O conjunto de calibração era composto por misturas de Mo(VI) e Fe(III) na faixa de concentrações 6,2 - 50,0 ?g L-1 e 0,5 - 7,0 mg L-1, respectivamente. O modelo selecionado apresenta boa habilidade de previsão com valores de RMSEP estimados como 0,67 ?g L-1 para Mo(VI) e 0,21 mg L-1 para Fe(III). Recuperações entre 85 e 114% foram obtidas para amostras de águas naturais. O sistema proposto apresenta estabilidade física, boa repetibilidade entre as leituras (d. p. r. < 2 %), velocidade analítica de 31 h-1 e consumo de 54 mg de iodeto de potássio e 0,30 mg de peróxido de hidrogênio por amostra / The catalytic effects of Mo(VI) and Fe(III) in the oxidation of iodide by hydrogen peroxide were exploited aiming at their simultaneous determination. Differences in reaction rates were achieved by establishing of two distinct reactions zones to modify the reaction kinetics involved. To this end, a flow injection system allowing insertion of two sample aliquots was designed, and sulfuric acid was added to one of the aliquots. A complex sample zone was then established. Each fluid element of this zone was characterized by a given chemical composition, residence time and reaction rate. The main parameters affecting the reaction rate, such as reagent concentrations, analytical path length and total flow rate, among others, were evaluated for improving sensitivity and analyte kinetic discrimination. Influences of sampling loop lengths and distance between initial plugs were studied, and mathematical models were constructed aiming at improved discrimination in prediction of analytes. The models were constructed from the PLS (Partial Least Squares) chemometric tool using data generated by measurements performed on sample zone regions with maximum and minimum local concentrations. The calibration set consisted of Mo(VI) and Fe(III) mixtures in concentration ranges of 6.2 - 50.0 ?g L-1 and 0.5 - 7.0 mg L-1, respectively. The selected model is characterized by good prediction ability prediction, as RMSEP values were estimated as 0.67 ?g L-1 for Mo(VI) and 0.21 mg L-1 for Fe(III), respectively. Recoveries within the 85 - 114% range were obtained for natural waters. The proposed system presents physical stability and favorable characteristics of measurement repeatability (r.s.d.<2%), sampling rate (31 h-1) and reagent consumption (54 mg of KI and 0.30 mg H2O2 per sample)

In this dissertation we first consider a parallel linear model with correlated dual responses on a symmetric compact design region and construct locally optimal designs for estimating the location-shift parameter. These locally optimal designs are variant under linear transformation of the design space and depend on the correlation between the dual responses in an interesting and sensitive way. Subsequently, minimax and maximin efficient designs for estimating the location-shift parameter are derived. A comparison of the behavior of efficiencies between the minimax and maximin efficient designs relative to locally optimal designs is also provided. Both minimax or maximin efficient designs have advantage in terms of estimating efficiencies in different situations. Thirdly, we consider a linear regression model with a one-dimensional control variable x and an m-dimensional response variable y=(y_1,...,y_m). The components of y are correlated with a known covariance matrix. The calibration problem discussed here is based on the assumed regression model. It is of interest to obtain a suitable estimation of the corresponding x for a given target T=(T_1,...,T_m) on the expected responses. Due to the fact that there is more than one target value to be achieved in the multiresponse case, the m expected responses may meet their target values at different respective control values. Consideration includes the deviation of the expected response E(y_i) from its corresponding target value T_i for each component and the optimal value of calibration point x, say x_0, is considered to be the one which minimizes the weighted sum of squares of such deviations within the range of x. The objective of this study is to find a locally optimal design for estimating x_0, which minimizes the mean square error of the difference between x_0 and its estimator. It shows the optimality criterion is approximately equivalent to a c-criterion under certain conditions and explicit solutions with dual responses under linear and quadratic polynomial regressions are obtained.

105 f. / Submitted by Ana Hilda Fonseca (anahilda@ufba.br) on 2013-10-03T13:45:39Z No. of bitstreams: 1 Apresentação_Denise_VersãoFinal.pdf: 4275455 bytes, checksum: 65d7b6e55b90b2695016ec5154b6bbc4 (MD5) / Approved for entry into archive by Ana Hilda Fonseca(anahilda@ufba.br) on 2013-10-03T13:48:30Z (GMT) No. of bitstreams: 1 Apresentação_Denise_VersãoFinal.pdf: 4275455 bytes, checksum: 65d7b6e55b90b2695016ec5154b6bbc4 (MD5) / Made available in DSpace on 2013-10-03T13:48:30Z (GMT). No. of bitstreams: 1 Apresentação_Denise_VersãoFinal.pdf: 4275455 bytes, checksum: 65d7b6e55b90b2695016ec5154b6bbc4 (MD5) Previous issue date: 2012 / A espectroscopia na região do infravermelho próximo (NIRS), associada a técnicas quimiométricas, foi utilizada no desenvolvimento de modelos de calibração multivariada para a predição da composição química de um solvente orgânico- aquoso utilizado na produção de isopreno. Os modelos foram construídos para a predição da concentração dos componentes presentes no solvente: acetona, acetonitrila, água, n-propanol, i-propanol, álcool alílico, t-butanol e DCPD (diciclopentadieno-1,3). Uma análise exploratória dos dados foi realizada para detecção de amostras anômalas, através da análise de componentes principais (PCA). Para seleção dos conjuntos de calibração e validação, o algoritmo SPXY (Sample set Partitioning based on joint x-y distances) foi utilizado. As condições experimentais para a construção dos modelos foram escolhidas através da realização de um planejamento experimental para três variáveis baseado na matriz Doehlert, em que foram estudadas 1) técnica de pré-processamento, 2) faixa de comprimento de onda, obtidas através do algoritmo de seleção de variáveis por regressão dos mínimos quadrados parciais por intervalo (iPLS), e 3) seleção de variáveis espectrais, com a utilização do algoritmo Jack Knife. A técnica de regressão por mínimos quadrados parciais (PLS) foi utilizada para a calibração multivariada. As variáveis de resposta, PC, RMSECV, r2regr, RMSEP, r2valid, Slope Valid e pvalue, obtidas a partir dos modelos definidos no planejamento experimental, foram otimizadas simultaneamente, através da função de desejabilidade. Novos modelos de calibração foram construídos a partir dos valores ótimos encontrados para cada variável de entrada. Pelo menos 85 amostras de calibração foram usadas em cada modelo, sendo necessários entre 1 e 10 fatores para assegurar o melhor desempenho de cada modelo. Os coeficientes de determinação de validação cruzada (r2regr) foram maiores que 0,92 para todas as propriedades. Os valores para os RMSEPs variaram de 0,39 a 1,66 (% m/m). Portanto, o método desenvolvido mostrou-se viável para determinação da composição química do solvente e auxiliar no controle do processo da unidade de produção de isopreno. / Salvador

[pt] A poluição do ar é um dos sérios problemas que o mundo enfrenta atualmente. Sua compreensão é muito complexa devido à estreita relação dos poluentes com as variáveis meteorológicas e o uso da terra os quais influenciam sua composição. Atualmente, existem duas abordagens tradicionais para a coleta de amostras relevantes para a deposição atmosférica e estudos atmosféricos relacionados aos estudos de monitoramento. A primeira abordagem envolve a coleta direta de material particulado (PM) transportado pelo ar que objetivou estudos quantitativos em forma local, de curto/médio alcance ou de transporte global de poluentes, incluindo estudos relacionados à saúde relacionados ao tamanho de material particulado: PM2.5 e PM10. Sua aplicação em grande escala implica em investimentos caros devido a altos custos de manutenção e problemas logísticos para instalar o equipamento instrumental em todos os locais necessários de amostragem. A segunda abordagem usa um biomonitor para avaliar a poluição do ar que é considerado como não custoso, mas confiável e relativamente simples. Portanto, monitorar a qualidade do ar usando organismos vivos como biomonitores recebeu atenção crescente nos últimos anos, porque certos tipos de organismos biológicos fornecem uma medida de exposição integrada em determinado período de tempo e enriquecem a substância a ser determinada para que a acessibilidade analítica seja melhorada e a incerteza das medições reduzida. Neste trabalho, a maioria dos estudos foi abordada no uso de biomonitores como ferramenta adequada para avaliar a qualidade do ar de diferentes locais. Esta tese teve seis objetivos principais: 1) biomonitoramento passivo com líquens; 2) biomonitoramento da qualidade do ar próximo a área industrial; 3) biomonitoramento ativo com espécies de Tillandsia; 4) uma comparação do biomonitoramento usando três espécies diferentes de Tillandsia; 5) qualidade do ar nos Jogos Olímpicos de 2016; 6) correção de sobreposição espectral. Os biomonitores foram coletados do local de controle, transplantados e expostos na área de estudo de interesse por um período de tempo determinado para acumular oligoelementos. Os oligoelementos foram medidos por espectrometria de massa com plasma indutivamente acoplado (ICP-MS) e os resultados das concentrações foram tratados com ferramentas quimiométricos. Os resultados mostraram a capacidade dos líquenes e das espécies de Tillandsia de acumular elementos traço e ferramentas quimiométricos ajudaram para identificar possíveis fontes de emissão. No primeiro objetivo foram identificadas três possíveis fontes de emissão: fontes veiculares, re-suspensão do solo (origem natural) e práticas agrícolas. No segundo objetivo foi provado que partículas negras foram emitidas principalmente da indústria do couro. O terceiro objetivo mostra as emissões veiculares como principal fonte de poluição nas áreas urbanas, uso de agroquímicos nas áreas peri-urbanas e ressuspensão do solo representada pelas áreas rurais. O quarto objetivo mostra que todas as espécies de Tillandsia provaram ser bons biomonitores. O quinto objetivo demonstrou que o controle de estratégias e a regulação do tráfego implantado pelo governo do Rio de Janeiro influenciaram na redução de poluentes durante o período olímpico. No sexto objetivo, Lasso mostrou os melhores resultados quando os valores preditivos de elementos de terras raras foram analisados. / [en] Air pollution is one of the serious problems that the world currently facing. Their understanding it is very complex due to the close relationship of the pollutants, meteorological variables, and land uses influence their composition. Actually, there are two traditional approaches for collecting samples relevant to air and atmospheric deposition which are related to monitoring studies. The first approach involves the direct collection of airborne particulate matter (PM) which aimed quantitative studies at local, short/medium range or global transport of pollutants, including health-related studies related to size fractionate airborne particulate matter (PM2.5 and PM10). Their application on large-scale implied expensive investments due to both high costs of maintenance and logistic problem to install the instrumental equipment at all needed locations. The second approach uses an air pollution monitor which is considered as a non-expensive, yet reliable, and relatively simple. Therefore, monitoring air quality by using living organisms as biomonitors has received increasing attention in recent years because certain types of biological organisms provide a measure of integrated exposure over certain amount of time and enrich the substance to be determined so that the analytical accessibility is improved and the measurements uncertainty reduced. In this work, the most of studies were approached in the use of biomonitors as tool suitable to assess the air quality of different locations. This thesis had six principal objectives: 1) passive biomonitoring with lichens; 2) biomonitoring of air quality near industrial area; 3) active biomonitoring with Tillandsia species; 4) a comparison of biomonitoring using three different species of Tillandsia; 5) air quality in 2016 Olympic Games; 6) correction of spectral overlap. Biomonitors were collected from control site, transplanted and exposed into the study area of interest for a time period determined to accumulate trace elements. Trace elements were measured by inductively coupled plasma mass spectrometry (ICP-MS) and the concentrations results were treated with chemometric tools. Results show the ability of lichens and Tillandsia species to accumulate trace elements and chemometric tools helped to identify possible emission sources. In the first objective were identified three possible sources of emission: vehicular sources, soil resuspension (natural origin) and agricultural practices. In the second objective was proved that black particles were emitted mainly from leather industry. The third objective shows the vehicular emissions as the main source of pollution in the urban areas, use of agrochemicals in the peri-urban areas and soil resuspension represented by rural areas. The fourth objective shows that all Tillandsia species proved to be good biomonitors. The fifth objective demonstrated that strategies control and traffic regulation implanted by the government of Rio de Janeiro influenced in the reduction of pollutants during the Olympic period. In the sixth objective, Lasso shows better results when predict values of rare earth elements were analyzed.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O objetivo deste trabalho foi estabelecer um modelo empregando-se ferramentas de regressão multivariada para a previsão do teor em ésteres metílicos e, simultaneamente, de propriedades físico-químicas de misturas de óleo de soja e biodiesel de soja. O modelo foi proposto a partir da correlação das propriedades de interesse com os espectros de reflectância total atenuada no infravermelho médio das misturas. Para a determinação dos teores de ésteres metílicos foi utilizada a cromatografia líquida de alta eficiência (HPLC), podendo esta ser uma técnica alternativa aos método de referência que utilizam a cromatografia em fase gasosa (EN 14103 e EN 14105). As propriedades físico-químicas selecionadas foram índice de refração, massa específica e viscosidade. Para o estudo, foram preparadas 11 misturas com diferentes proporções de biodiesel de soja e de óleo de soja (0-100 % em massa de biodiesel de soja), em quintuplicata, totalizando 55 amostras. A região do infravermelho estudada foi a faixa de 3801 a 650 cm-1. Os espectros foram submetidos aos pré-tratamentos de correção de sinal multiplicativo (MSC) e, em seguida, à centralização na média (MC). As propriedades de interesse foram submetidas ao autoescalamento. Em seguida foi aplicada análise de componentes principais (PCA) com a finalidade de reduzir a dimensionalidade dos dados e detectar a presença de valores anômalos. Quando estes foram detectados, a amostra era descartada. Os dados originais foram submetidos ao algoritmo de Kennard-Stone dividindo-os em um conjunto de calibração, para a construção do modelo, e um conjunto de validação, para verificar a sua confiabilidade. Os resultados mostraram que o modelo proposto por PLS2 (Mínimos Quadrados Parciais) foi capaz de se ajustar bem os dados de índice de refração e de massa específica, podendo ser observado um comportamento aleatório dos erros, indicando a presença de homocedasticidade nos valores residuais, em outras palavras, o modelo construído apresentou uma capacidade de previsão para as propriedades de massa específica e índice de refração com 95% de confiança. A exatidão do modelo foi também avaliada através da estimativa dos parâmetros de regressão que são a inclinação e o intercepto pela Região Conjunta da Elipse de Confiança (EJCR). Os resultados confirmaram que o modelo MIR-PLS desenvolvido foi capaz de prever, simultaneamente, as propriedades índice de refração e massa específica. Para os teores de éteres metílicos determinados por HPLC, foi também desenvolvido um modelo MIR-PLS para correlacionar estes valores com os espectros de MIR, porém a qualidade do ajuste não foi tão boa. Apesar disso, foi possível mostrar que os dados podem ser modelados e correlacionados com os espectros de infravermelho utilizando calibração multivariada / In the present work, a model that uses multivariate regression tools was proposed to predict both contents of methyl esters and physical-chemical properties of soybean oil -soybean biodiesel blends. The model was proposed from the correlation of the properties of interest with the attenuated total reflectance infrared spectra of the samples (ATR/MID-FTIR). The composition of the blends (methyl esters content) was determined by high performance liquid chromatography (HPLC), which can be seen as an alternative technique to the standard reference methods based on gas chromatography (EN 14103 and EN 14105). The selected physicochemical properties were refractive index, density, and viscosity. For the study, 11 mixtures were prepared with different proportions of soybean biodiesel and soybean oil (0-100 % wt of soybean biodiesel) in five replications totalizing 55 samples. The infrared spectra were acquired in the range 3801-650 cm-1. The spectra were submitted to the multiplicative signal correction (MSC) and then to mean centering (MC) preprocessing. The properties of interest were submitted to auto scale. It was then applied principal component analysis (PCA) for the purpose of reducing the dimensionality of the data, and detected the presence of outliers. When the outliers were detected, the samples were discarded. The original data were submitted to Kennard-Stone algorithm dividing them into a calibration set to build the model and the validation to verify its reliability. The results showed that the model proposed by PLS2 (Partial Least Squares) was able to adjust well to the refractive index data and density, can be observed a random behavior of errors, indicating the presence of homoscedasticity in residual values, in other words, the constructed model presented a forecast of capacity for specific mass properties and refractive index with 95% confidence. The accuracy of the model was evaluated by estimating the regression parameters which are the slope and the intercept by EJCR (Joint Region Confidence Ellipse). The results confirmed that MIR-developed PLS model was able to predict both the refractive index and specific gravity properties. For contents of methyl esters via liquid chromatography the model showed a lower adjustment of the data. Nevertheless, it was possible to demonstrate that the results obtained from methyl esters by HPLC analytical method can be modeled and correlate them with infrared spectra using multivariate calibration

Submitted by Maike Costa (maiksebas@gmail.com) on 2016-05-11T12:40:39Z No. of bitstreams: 1 arquivo total.pdf: 6105657 bytes, checksum: 8404a0fcb54e3893c95fdfb017f0ac96 (MD5) / Made available in DSpace on 2016-05-11T12:40:39Z (GMT). No. of bitstreams: 1 arquivo total.pdf: 6105657 bytes, checksum: 8404a0fcb54e3893c95fdfb017f0ac96 (MD5) Previous issue date: 2015-08-31 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / In recent years, commercial cotton lint have been developed with better quality, presenting different characteristics, but with similar coloring. This can be a problem because these samples is identified, large-scale, performed by a visual inspection, which is a very subjective method and error prone. Another way available for classification of samples is the use of HVI system (High Volume Instruments) to determine physical quality parameters. However, this apparatus has a high cost when compared to digital imaging technique, furthermore has the need for adequate infrastructure and a trained analyst for analysis procedure. This work proposes the development of a novel analytical method based on the use of digital image and multivariate analysis to (1) naturally colored cotton plumes classification according to the type of cultivar and (2) simultaneous determination of degree of yellowness (+b), reflectance (Rd) and wax content (WAX). The acquisition of digital images of cotton lints was carried out through a webcam and histograms containing distributions in levels of colors in standard RGB (red-green-blue), grayscale and HSV system (hue-saturation-value) they were obtained. In the classification of samples, models based discriminant analysis by partial least squares (PLS-DA) and linear discriminant analysis (LDA) with variable selection by the successive projections algorithm (SPA) or stepwise (SW) were evaluated. For the determination of the parameters +b, Rd and WAX, PLS models and multiple linear regression (MLR) with variable selection by the SPA were developed and compared. The best classification results were obtained with LDA / SW model with a correct classification rate (TCC) of 96% for the test group using the HSV combination. As the calibration methods, satisfactory prediction results were obtained for both models (PLS and MLR-SPA) with values of RMSEP near repeatability of the reference method. Furthermore, no systematic error was observed and there were no significant differences between the predicted values and reference, according to a paired t-test at 95% confidence. As advantages of the method is simple, low cost, does not use reagent, does not destroy the sample and realizes analysis at short time intervals. / Nos últimos anos, plumas de algodão comerciais têm-se desenvolvido com melhor qualidade, apresentando características diferentes, mas com coloração similar. Isto pode ser um problema porque a identificação destas amostras é, em larga escala, realizada por meio de uma inspeção visual, que é um método subjetivo e sujeito a erros. Outra forma disponível para classificação dessas amostras consiste no uso do sistema HVI (High Volume Instruments) na determinação de parâmetros físicos de qualidade. Contudo, tal equipamento apresenta um alto custo, se comparado a técnica de imagens digitais, além do mais tem-se a necessidade de uma infraestrutura adequada e de um analista treinado para o procedimento de análise. Este trabalho propõe o desenvolvimento de uma nova metodologia analítica baseada na utilização de imagens digitais e análise multivariada para (1) classificação de plumas de algodão naturalmente colorido de acordo com o tipo de cultivar e (2) determinação simultânea de grau de amarelamento (+b), reflectância (Rd) e teor de cera (WAX). A aquisição das imagens digitais das plumas de algodão foi realizada por meio de uma webcam e foram obtidos os histogramas contendo as distribuições nos níveis de cores no padrão RGB (vermelho-verde-azul), escala de cinza e o sistema HSV (matiz-saturação-valor). Na classificação das amostras, modelos baseados na análise discriminante pelos mínimos quadrados parciais (PLS-DA) e análise discriminante linear (LDA) com seleção de variáveis pelo algoritmo das projeções sucessivas (SPA) ou pelo stepwise (SW) foram avaliados. Para a determinação dos parâmetros de +b, Rd e WAX, modelos PLS e regressão linear múltipla (MLR) com seleção de variáveis pelo SPA foram desenvolvidos e comparados. Os melhores resultados de classificação foram obtidos com o modelo LDA/SW, com uma taxa de classificação correta (TCC) de 96% para o conjunto de teste utilizando a combinação HSV. Quanto aos métodos de calibração, resultados de previsão satisfatórios foram obtidos para ambos os modelos (PLS e MLR-SPA), com valores de RMSEP próximos à repetitividade do método de referência. Além disso, nenhum erro sistemático foi observado e não foram encontradas diferenças significativas entre os valores previstos e de referência, de acordo com um teste t-pareado ao nível de confiança de 95%. Como vantagens o método é simples, de baixo custo, não utiliza reagente, não destrói a amostra e realiza análise em curtos intervalos de tempo.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O objetivo deste trabalho foi estabelecer um modelo empregando-se ferramentas de regressão multivariada para a previsão do teor em ésteres metílicos e, simultaneamente, de propriedades físico-químicas de misturas de óleo de soja e biodiesel de soja. O modelo foi proposto a partir da correlação das propriedades de interesse com os espectros de reflectância total atenuada no infravermelho médio das misturas. Para a determinação dos teores de ésteres metílicos foi utilizada a cromatografia líquida de alta eficiência (HPLC), podendo esta ser uma técnica alternativa aos método de referência que utilizam a cromatografia em fase gasosa (EN 14103 e EN 14105). As propriedades físico-químicas selecionadas foram índice de refração, massa específica e viscosidade. Para o estudo, foram preparadas 11 misturas com diferentes proporções de biodiesel de soja e de óleo de soja (0-100 % em massa de biodiesel de soja), em quintuplicata, totalizando 55 amostras. A região do infravermelho estudada foi a faixa de 3801 a 650 cm-1. Os espectros foram submetidos aos pré-tratamentos de correção de sinal multiplicativo (MSC) e, em seguida, à centralização na média (MC). As propriedades de interesse foram submetidas ao autoescalamento. Em seguida foi aplicada análise de componentes principais (PCA) com a finalidade de reduzir a dimensionalidade dos dados e detectar a presença de valores anômalos. Quando estes foram detectados, a amostra era descartada. Os dados originais foram submetidos ao algoritmo de Kennard-Stone dividindo-os em um conjunto de calibração, para a construção do modelo, e um conjunto de validação, para verificar a sua confiabilidade. Os resultados mostraram que o modelo proposto por PLS2 (Mínimos Quadrados Parciais) foi capaz de se ajustar bem os dados de índice de refração e de massa específica, podendo ser observado um comportamento aleatório dos erros, indicando a presença de homocedasticidade nos valores residuais, em outras palavras, o modelo construído apresentou uma capacidade de previsão para as propriedades de massa específica e índice de refração com 95% de confiança. A exatidão do modelo foi também avaliada através da estimativa dos parâmetros de regressão que são a inclinação e o intercepto pela Região Conjunta da Elipse de Confiança (EJCR). Os resultados confirmaram que o modelo MIR-PLS desenvolvido foi capaz de prever, simultaneamente, as propriedades índice de refração e massa específica. Para os teores de éteres metílicos determinados por HPLC, foi também desenvolvido um modelo MIR-PLS para correlacionar estes valores com os espectros de MIR, porém a qualidade do ajuste não foi tão boa. Apesar disso, foi possível mostrar que os dados podem ser modelados e correlacionados com os espectros de infravermelho utilizando calibração multivariada / In the present work, a model that uses multivariate regression tools was proposed to predict both contents of methyl esters and physical-chemical properties of soybean oil -soybean biodiesel blends. The model was proposed from the correlation of the properties of interest with the attenuated total reflectance infrared spectra of the samples (ATR/MID-FTIR). The composition of the blends (methyl esters content) was determined by high performance liquid chromatography (HPLC), which can be seen as an alternative technique to the standard reference methods based on gas chromatography (EN 14103 and EN 14105). The selected physicochemical properties were refractive index, density, and viscosity. For the study, 11 mixtures were prepared with different proportions of soybean biodiesel and soybean oil (0-100 % wt of soybean biodiesel) in five replications totalizing 55 samples. The infrared spectra were acquired in the range 3801-650 cm-1. The spectra were submitted to the multiplicative signal correction (MSC) and then to mean centering (MC) preprocessing. The properties of interest were submitted to auto scale. It was then applied principal component analysis (PCA) for the purpose of reducing the dimensionality of the data, and detected the presence of outliers. When the outliers were detected, the samples were discarded. The original data were submitted to Kennard-Stone algorithm dividing them into a calibration set to build the model and the validation to verify its reliability. The results showed that the model proposed by PLS2 (Partial Least Squares) was able to adjust well to the refractive index data and density, can be observed a random behavior of errors, indicating the presence of homoscedasticity in residual values, in other words, the constructed model presented a forecast of capacity for specific mass properties and refractive index with 95% confidence. The accuracy of the model was evaluated by estimating the regression parameters which are the slope and the intercept by EJCR (Joint Region Confidence Ellipse). The results confirmed that MIR-developed PLS model was able to predict both the refractive index and specific gravity properties. For contents of methyl esters via liquid chromatography the model showed a lower adjustment of the data. Nevertheless, it was possible to demonstrate that the results obtained from methyl esters by HPLC analytical method can be modeled and correlate them with infrared spectra using multivariate calibration

Fundação de Amparo a Pesquisa do Estado de Minas Gerais / Analyses of soils and plants, essential for crop fertilization management, are based on methodologies that are time and reagent consuming. Near infrared spectroscopy (NIR - Near-infrared) has proven as a faster and cleaner alternative for simultaneous quantification of compounds. This study evaluates the methodologies based on NIR combined with multivariate calibration methods to estimate levels of silicon (Si), organic matter (O.M.) and clay in soils, and total nitrogen (N-Total) in maize and soybean leaves. Calibration of models for soil analysis was done with 170 soil samples while that for leaf analysis used 109 (58 maize and 51 soybean), obtaining their spectra in a near infrared spectroscopy NIR model 900PLS belonging to the Laboratory Fertilizers, Federal University of Uberlandia (Lafer), Uberlândia-MG, where the models were built. The mathematical method used was the partial least squares: PLS. The model validation has been crossed and the number of latent variables ranged between 5 and 8. The reference methods for comparison were: colorimetric-extraction with calcium chloride (0,01 mol L-1) for analysis of soluble Si in the soil, Walkley-Black Colorimetric analysis of O.M. and the pipette method for clay analysis. The models for determination of N-Total were compared to the Semimicro-Kjeldahl method. After calibration and cross validation, the models were tested and the results evaluated using the correlation coefficient (r), the calibration (RMSEC) and the prediction errors (RMSEP), and relative error (ER). Also, Student s t test at 0,05 significance was used to test for equality between averages. Correlations of 0,71, 0,84 and 0,85 were obtained in the calibration of models for analysis of Si content in the soil, O.M. and clay, respectively. The prediction from these models showed low correlations (lower than 0,5) with significant t test for silicon and clay. The RMSEC obtained from Si analysis was 2,03, RMSEP of 5,74 and ER of 59,2%. To O.M. the RMSEC was 0,81, RMSEP = 1,03 and ER = 39,3%. The analysis of clay presented RMSEC = 11,2, RMSEP = 16,55 and ER = 34,7%. In the analysis of maize and soybean leaf nitrogen calibration correlations of 0,85 and 0,88 were obtained, respectively. Good correlations were obtained for prediction of maize (r = 0,80) and soybean (0,76) samples, with non significant t-test, indicating that leaf analysis for the values predicted by the models NIR/PLS did not differ from those of the reference methods. Calibration and prediction errors for N in maize and soybean were smaller than 5,0 g kg-1, and the ER for N analysis in maize (8,3%) greater than that of soybean (5,7%). The observed results demonstrate greater efficiency in the use of near infrared analysis for leaf than for soil analysis. / As análises de solos e plantas, essenciais no manejo da adubação das culturas, estão baseadas em metodologias que consomem tempo e reagentes. A espectroscopia de infravermelho próximo (NIR Near-infrared) tem se mostrado uma alternativa mais rápida e limpa para quantificação simultânea de compostos. Objetivou-se nesse trabalho avaliar as metodologias baseadas na região NIR, aliada a métodos de calibração multivariada para estimar teores de silício (Si), matéria orgânica (M.O.) e argila em solos e, nitrogênio total (N-Total) em folhas de milho e soja. Para isto, 170 amostras de solos foram utilizadas para a calibração de modelos de análises de solos e 109 amostras de folhas (58 de milho e 51 de soja), sendo seus espectros obtidos em um espectrofotômetro de infravermelho próximo modelo NIR 900PLS pertencente ao Laboratório de Fertilizantes da Universidade Federal de Uberlândia (LAFER), em Uberlândia-MG, onde os modelos foram construídos. O método matemático utilizado foi o de mínimos quadrados parciais: PLS (Parcial Least Squares). A validação dos modelos foi cruzada e o número de variáveis latentes variaram entre 5 e 8. Os métodos de referência comparados foram: colorimétrico com extração por cloreto de cálcio (0,01 mol L-1) para análise do Si solúvel no solo, Walkley-Black colorimétrico para análise de M.O. e o método da Pipeta para análise da argila. Os modelos para determinação do N-Total foram comparados ao método Semimicro-Kjeldahl. Após a calibração e validação cruzada, foi feita a previsão dos modelos onde os resultados foram avaliados através do coeficiente de correlação (r), pelos erros de calibração (RMSEC) e previsão (RMSEP), e erro relativo percentual (ER), além disso, um teste t de student a 0,05 de significância foi aplicado para testar a igualdade entre as médias. Correlações de 0,71, 0,84 e 0,85 foram obtidas na calibração de modelos para análise do teor de Si no solo, M.O. e argila, respectivamente. A previsão a partir desses modelos apresentou correlações baixas (menores que 0,5) com teste t significativo para silício e argila. O RMSEC obtido na análise de Si foi de 2,03, RMSEP de 5,74 e ER de 59,2%. Para M.O. o RMSEC foi de 0,81, RMSEP=1,03 e ER=39,3%. A análise de argila teve RMSEC=11,2, RMSEP=16,55 e ER=34,7%. Na análise do N foliar em milho e soja, foram obtidas na calibração correlações de 0,85 e 0,88, respectivamente. Na previsão de amostras foram conseguidas boas correlações para milho (r=0,80) e soja (0,76), com teste t não significativo, indicando que para análises foliares os valores previstos pelos modelos NIR-PLS não diferiram dos obtidos pelos métodos de referência. Os erros de calibração e previsão para N em milho e soja foram menores que 5,0 g kg-1, sendo o ER para análise de N em milho (8,3%) maior do que o de soja (5,7%). Os resultados observados demonstram uma maior eficiência no uso do infravermelho próximo NIR-PLS para análises foliares do que para análises de solos. / Mestre em Agronomia