O biodiesel tem sido amplamente utilizado como uma fonte de energia renovável, que contribui para a diminuição de demanda por diesel mineral. Portanto, existem várias propriedades que devem ser monitoradas, a fim de produzir e distribuir biodiesel com a qualidade exigida. Neste trabalho, as propriedades físicas do biodiesel, tais como massa específica, índice de refração e ponto de entupimento de filtro a frio foram medidas e associadas a espectrometria no infravermelho próximo (NIR) e espectrometria no infravermelho médio (Mid-IR) utilizando ferramentas quimiométricas. Os métodos de regressão por mínimos quadrados parciais (PLS), regressão de mínimos quadrados parciais por intervalos (iPLS), e regressão por máquinas de vetor de suporte (SVM) com seleção de variáveis por Algoritmo Genético (GA) foram utilizadas para modelar as propriedades mencionadas. As amostras de biodiesel foram sintetizadas a partir de diferentes fontes, tais como canola, girassol, milho e soja. Amostras adicionais de biodiesel foram adquiridas de um fornecedor da região sul do Brasil. Em primeiro lugar, o pré-processamento de correção de linha de base foi usado para normalizar os dados espectrais de NIR, seguidos de outros tipos de pré-processamentos que foram aplicados, tais como centralização dos dados na média, 1 derivada e variação de padrão normal. O melhor resultado para a previsão do ponto de entupimento de filtro a frio foi utilizando os espectros de Mid-IR e o método de regressão GA-SVM, com alto coeficiente de determinação da previsão, R2Pred=0,96 e baixo valor da Raiz Quadrada do Erro Médio Quadrático da previsão, RMSEP (C)= 0,6. Para o modelo de previsão da massa específica, o melhor resultado foi obtido utilizando os espectros de Mid-IR e regressão por PLS, com R2Pred=0,98 e RMSEP (g/cm3)= 0,0002. Quanto ao modelo de previsão para o índice de refração, o melhor resultado foi obtido utilizando os espectros de Mid-IR e regressão por PLS, com excelente R2Pred=0,98 e RMSEP= 0,0001. Para esses conjuntos de dados, o PLS e o SVM demonstraram sua robustez, apresentando-se como ferramentas úteis para a previsão das propriedades do biodiesel estudadas / Biodiesel has been widely used as a renewable energy source which contributes to the mineral diesel decrease demand. Therefore, there are several properties that must be monitored in order to produce and distribute biodiesel with the required quality. In this work, the biodiesel physical properties such as specific mass, refractive index and cold filter plugging point were measured and associated with near infrared spectroscopy (NIR) and mid-Infrared spectroscopy (mid-IR) spectra using chemometric tools. The Partial Least Squares Regression (PLS), Interval Partial Least Squares Regression (iPLS), and Support Vector Machines Regression (SVM) with variable selection by Genetic Algorithm (GA) methods were used to model the aforementioned properties. The biodiesel samples were synthesized from different sources such as canola, sunflower, corn, and soybean. Additional biodiesel samples were purchased from a Brazil South Region supplier. Firstly, the preprocessing baseline correction was used to normalize the NIR spectral data, following others preprocessing types were applied in such as the mean center, the first derivative and standard normal variate. The best result for predicting the cold filter plugging point was using Mid-IR spectra and GA-SVM regression method, with high coefficient determination of prediction, R2Pred = 0.94 and low value of the Root Mean Square Error of Prediction, RMSEP (C) = 0.7. For the specific mass prediction model, the best result was obtained using the Mid-IR spectrums and PLS regression, with the R2Pred = 0.98 and RMSEP (g/cm3) = 0.0002. As for a prediction model for the refractive index, the best result was obtained using the Mid-IR spectrums and PLS regression, with the R2Pred = 0.98 and RMSEP = 0.0001. For these datasets, the PLS and SVM models demonstrated theirs robustness, presenting themselves as useful tools for the biodiesel properties prediction studied

O biodiesel tem sido amplamente utilizado como uma fonte de energia renovável, que contribui para a diminuição de demanda por diesel mineral. Portanto, existem várias propriedades que devem ser monitoradas, a fim de produzir e distribuir biodiesel com a qualidade exigida. Neste trabalho, as propriedades físicas do biodiesel, tais como massa específica, índice de refração e ponto de entupimento de filtro a frio foram medidas e associadas a espectrometria no infravermelho próximo (NIR) e espectrometria no infravermelho médio (Mid-IR) utilizando ferramentas quimiométricas. Os métodos de regressão por mínimos quadrados parciais (PLS), regressão de mínimos quadrados parciais por intervalos (iPLS), e regressão por máquinas de vetor de suporte (SVM) com seleção de variáveis por Algoritmo Genético (GA) foram utilizadas para modelar as propriedades mencionadas. As amostras de biodiesel foram sintetizadas a partir de diferentes fontes, tais como canola, girassol, milho e soja. Amostras adicionais de biodiesel foram adquiridas de um fornecedor da região sul do Brasil. Em primeiro lugar, o pré-processamento de correção de linha de base foi usado para normalizar os dados espectrais de NIR, seguidos de outros tipos de pré-processamentos que foram aplicados, tais como centralização dos dados na média, 1 derivada e variação de padrão normal. O melhor resultado para a previsão do ponto de entupimento de filtro a frio foi utilizando os espectros de Mid-IR e o método de regressão GA-SVM, com alto coeficiente de determinação da previsão, R2Pred=0,96 e baixo valor da Raiz Quadrada do Erro Médio Quadrático da previsão, RMSEP (C)= 0,6. Para o modelo de previsão da massa específica, o melhor resultado foi obtido utilizando os espectros de Mid-IR e regressão por PLS, com R2Pred=0,98 e RMSEP (g/cm3)= 0,0002. Quanto ao modelo de previsão para o índice de refração, o melhor resultado foi obtido utilizando os espectros de Mid-IR e regressão por PLS, com excelente R2Pred=0,98 e RMSEP= 0,0001. Para esses conjuntos de dados, o PLS e o SVM demonstraram sua robustez, apresentando-se como ferramentas úteis para a previsão das propriedades do biodiesel estudadas / Biodiesel has been widely used as a renewable energy source which contributes to the mineral diesel decrease demand. Therefore, there are several properties that must be monitored in order to produce and distribute biodiesel with the required quality. In this work, the biodiesel physical properties such as specific mass, refractive index and cold filter plugging point were measured and associated with near infrared spectroscopy (NIR) and mid-Infrared spectroscopy (mid-IR) spectra using chemometric tools. The Partial Least Squares Regression (PLS), Interval Partial Least Squares Regression (iPLS), and Support Vector Machines Regression (SVM) with variable selection by Genetic Algorithm (GA) methods were used to model the aforementioned properties. The biodiesel samples were synthesized from different sources such as canola, sunflower, corn, and soybean. Additional biodiesel samples were purchased from a Brazil South Region supplier. Firstly, the preprocessing baseline correction was used to normalize the NIR spectral data, following others preprocessing types were applied in such as the mean center, the first derivative and standard normal variate. The best result for predicting the cold filter plugging point was using Mid-IR spectra and GA-SVM regression method, with high coefficient determination of prediction, R2Pred = 0.94 and low value of the Root Mean Square Error of Prediction, RMSEP (C) = 0.7. For the specific mass prediction model, the best result was obtained using the Mid-IR spectrums and PLS regression, with the R2Pred = 0.98 and RMSEP (g/cm3) = 0.0002. As for a prediction model for the refractive index, the best result was obtained using the Mid-IR spectrums and PLS regression, with the R2Pred = 0.98 and RMSEP = 0.0001. For these datasets, the PLS and SVM models demonstrated theirs robustness, presenting themselves as useful tools for the biodiesel properties prediction studied