Orientador: Ronei Jesus Poppi / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Química / Made available in DSpace on 2018-08-26T02:05:14Z (GMT). No. of bitstreams: 1 Filgueiras_PauloRoberto_D.pdf: 5218504 bytes, checksum: f307cad15b41230e15e9d018c384a91d (MD5) Previous issue date: 2014 / Resumo: O petróleo é constituído por uma mistura complexa de composição química heterogênea. Sua completa avaliação envolve cerca de 700 ensaios físico-químicos, consumindo de 10 a 70 litros de amostra em aproximadamente 1 ano de análises. Visando reduzir tempo e quantidade de amostra, nesta Tese, métodos espectroscópicos aliados à Regressão por Vetores de Suporte (SVR) foram aplicados na determinação de algumas propriedades físico-químicas de petróleos e biocombustíveis. Diferentes abordagens para otimização e interpretação dos modelos SVR foram desenvolvidas: técnica para determinar as variáveis mais importantes na construção dos modelos, estimativa de intervalos de confiança nas previsões e avaliação de tendências nos resíduos. Foram realizadas quatro aplicações com diferentes técnicas instrumentais. A primeira aplicação foi direcionada a interpretação dos modelos SVR construídos a partir de espectros de infravermelho médio (MIR) na determinação da gravidade API, viscosidade cinemática e teor de água em petróleos. Na segunda aplicação foi desenvolvido um método para estimar o intervalo de confiança de modelos SVR aplicados a espectros de Ressonância Magnética Nuclear de próton (RMN de 1H) na determinação das temperaturas equivalentes a 10%, 50% e 90% de volume destilado de petróleo. Na terceira aplicação foi desenvolvido um método para selecionar variáveis espectrais e otimizar os parâmetros do modelo SVR simultaneamente por algoritmo genético, aplicado a espectros de Ressonância Magnética Nuclear de carbono 13 (RMN de 13C) na determinação de saturados, aromáticos, resinas e asfaltenos (SARA) em petróleos. Na última aplicação, procurou-se selecionar variáveis espectrais utilizando o método de sinergismo de intervalos, aplicado a espectros de infravermelho próximo (NIR) para quantificar biodiesel de gordura animal em mistura com biodiesel de soja e diesel B20. Os resultados apontam o SVR como excelente ferramenta para calibração multivariada aplicada a dados complexos como petróleo e biocombustíveis / Abstract: Crude oil is composed by a complex mixture of heterogeneous chemical composition. Its full evaluation involves about 700 physicochemical experiments, consuming about 10-70 liters of sample in there about 1 year of analysis. In order to reduce time and amount of sample, in this Thesis, spectroscopic methods combined with Support Vector Regression (SVR) were applied in determination of physicochemical properties of petroleum and biofuels. Different approaches for optimization and interpretation of SVR models were developed: techniques to determine the most important variables in the model development, determination of confidence intervals in predictions and assessment of trends in residuals. Four applications with different instrumental techniques were performed. The first application was directed to interpretation of SVR models built from mid infrared (MIR) spectra to determination of the API gravity, kinematic viscosity and water content in petroleum. In the second application, it was developed a method to estimation of the confidence interval of SVR models applied in spectra of proton nuclear magnetic resonance (1H NMR) for the determination of equivalent temperatures to 10%, 50% and 90% of distillate volume in petroleum. In the third application it was developed a method for spectral variables selection and optimization the SVR model parameters simultaneously by genetic algorithm, applied to nuclear magnetic resonance spectra of carbon 13 (13C NMR) in determination of saturates, aromatics, resins and asphaltenes (SARA) in petroleum. In the last application, it was proposed a method for spectral variables selection using the synergism of intervals, applied to near-infrared (NIR) spectra to quantify biodiesel from animal fat in blend with biodiesel from soybean and diesel B20. The results indicate the SVR as an excellent tool for multivariate calibration applied to complex dataset such as petroleum and biofuels / Doutorado / Quimica Analitica / Doutor em Ciências