Avaliação do modelo LASSO na determinação de metano, etano e propano em gás natural e biogás utilizando um espectrômetro de baixo custo e portátil

Detalhes bibliográficos
Autor(a) principal: Santos, Jainny Rityelle Batista dos
Data de Publicação: 2022
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFPB
Texto Completo: https://repositorio.ufpb.br/jspui/handle/123456789/25861
Resumo: O gás natural (GN) é um combustível fóssil, composto majoritariamente por metano, etano e propano, que é utilizado como fonte calorífica e energética em residências e indústrias. O controle de qualidade do GN é realizado para determinar os teores de metano, etano e propano, além do controle das características do gás. Para o controle de qualidade utiliza-se comumente a cromatografia a gás. No entanto está técnica possui algumas desvantagens como tempo de análise, custos com manutenção do equipamento, demanda de reagentes, entre outros. Uma alternativa para determinação desses analitos em misturas gasosas é a espectroscopia no Infravermelho próximo (NIR). Contudo, tais espectros obtidos necessitam de ferramentas quimometricas para que possam ser usadas para fins quantitativos. Diante disso, o método Least Absolute Shrinkage and Selection Operator (LASSO), que pode ser empregado para seleção de variáveis e predição de amostras futuras, foi usado para determinar metano, etano e propano em amostras de gás natural e biogás. Os resultados assim obtidos foram comparados com os obtidos pelos métodos full spectrum Partial Least Squares (PLS) e pelo modelo MLR com as variáveis selecionadas pelo Algoritmo das Projeções Sucessivas (SPA). Os dados foram préprocessados usando segunda derivada com suavização Savitzky-Golay ajustados a janelas de 21 pontos e polinômio de 2º ordem . Os parâmetros obtidos na predição, rPred e RMSEP, para o LASSO foram comparados com os valores obtidos para os modelos PLS e SPA-MLR. Para o metano, os valores obtidos pelo LASSO foram similares ao PLS e SPA-MLR, com RMSEP de 4,45% mol mol -1 e r de 0,96. Para o etano, o modelo LASSO apresentou um resultado similar ao PLS e superior ao SPA MLR, com os valores de RMSEP de 3,98% mol mol -1 e r de 0,95. Considerando o propano, foi obervado que os valores do LASSO não divergiram de modo significativo do PLS e do SPA-MLR, com RMSEP de 1,46% mol mol -1 e r de 0,97. O teste F a um nivel de 95% de confiança mostrou que não ocorreram diferenças estatiscamente significativas entre as metodologias estudadas. Portanto, o estudo antingiu seu objetivo inicial que é demonstrar que o LASSO pode ser utiliado para predição dos analitos de modo satisfatório, da mesma forma que os modelos PLS e SPA-MLR
id UFPB-2_e5a7b6bf8af2b7b29ff85f1aa92f2620
oai_identifier_str oai:repositorio.ufpb.br:123456789/25861
network_acronym_str UFPB-2
network_name_str Repositório Institucional da UFPB
repository_id_str
spelling 2023-01-20T13:58:38Z2023-01-202023-01-20T13:58:38Z2022-12-15https://repositorio.ufpb.br/jspui/handle/123456789/25861O gás natural (GN) é um combustível fóssil, composto majoritariamente por metano, etano e propano, que é utilizado como fonte calorífica e energética em residências e indústrias. O controle de qualidade do GN é realizado para determinar os teores de metano, etano e propano, além do controle das características do gás. Para o controle de qualidade utiliza-se comumente a cromatografia a gás. No entanto está técnica possui algumas desvantagens como tempo de análise, custos com manutenção do equipamento, demanda de reagentes, entre outros. Uma alternativa para determinação desses analitos em misturas gasosas é a espectroscopia no Infravermelho próximo (NIR). Contudo, tais espectros obtidos necessitam de ferramentas quimometricas para que possam ser usadas para fins quantitativos. Diante disso, o método Least Absolute Shrinkage and Selection Operator (LASSO), que pode ser empregado para seleção de variáveis e predição de amostras futuras, foi usado para determinar metano, etano e propano em amostras de gás natural e biogás. Os resultados assim obtidos foram comparados com os obtidos pelos métodos full spectrum Partial Least Squares (PLS) e pelo modelo MLR com as variáveis selecionadas pelo Algoritmo das Projeções Sucessivas (SPA). Os dados foram préprocessados usando segunda derivada com suavização Savitzky-Golay ajustados a janelas de 21 pontos e polinômio de 2º ordem . Os parâmetros obtidos na predição, rPred e RMSEP, para o LASSO foram comparados com os valores obtidos para os modelos PLS e SPA-MLR. Para o metano, os valores obtidos pelo LASSO foram similares ao PLS e SPA-MLR, com RMSEP de 4,45% mol mol -1 e r de 0,96. Para o etano, o modelo LASSO apresentou um resultado similar ao PLS e superior ao SPA MLR, com os valores de RMSEP de 3,98% mol mol -1 e r de 0,95. Considerando o propano, foi obervado que os valores do LASSO não divergiram de modo significativo do PLS e do SPA-MLR, com RMSEP de 1,46% mol mol -1 e r de 0,97. O teste F a um nivel de 95% de confiança mostrou que não ocorreram diferenças estatiscamente significativas entre as metodologias estudadas. Portanto, o estudo antingiu seu objetivo inicial que é demonstrar que o LASSO pode ser utiliado para predição dos analitos de modo satisfatório, da mesma forma que os modelos PLS e SPA-MLRNatural gas is a fossil fuel, composed mainly of methane, ethane and propane, which is used as a heat and energy source in homes and industries. NG quality control is carried out to determine the methane, ethane and propane contents, in addition to controlling the gas characteristics. For quality control, gas chromatography is commonly used.. However, this technique has some disadvantages such as analysis time, equipment maintenance costs, reagent demand, among others. An alternative for determining these compounds in gaseous mixtures is Near Infrared (NIR) spectroscopy. However, such spectra need chemometric tools so that they can be used for quantitative purposes. Therefore, the Least Absolute Shrinkage and Selection Operator (LASSO) method, which can be used for selection of variables and prediction of future samples, was used to determine methane, ethane and propane in natural gas and biogas samples. The results thus obtained were compared with those obtained by the full spectrum Partial Least Squares (PLS) methods and by the MLR model with the variables selected by the Successive Projection Algorithm (SPA). Data were preprocessed using second derivative with Savitzky-Golay smoothing fitted to 21 point windows and 2nd order polynomial. The parameters obtained in the prediction, rPred and RMSEP, for LASSO were compared with the values obtained for the PLS and SPA-MLR models. For methane, the values obtained by LASSO were similar to PLS and SPA-MLR, with RMSEP of 4,45% mol mol-1 and r of 0,96. For ethane, the LASSO model presented a similar result to PLS and superior to SPA-MLR, with RMSEP values of 3,98% mol mol-1 and r of 0,95. Considering propane, it was observed that LASSO values did not differ significantly from PLS and SPA-MLR, with RMSEP of 1,46% mol mol-1 and r of 0,97. The F test at a 95% confidence level showed that there were no statistically significant differences between the studied methodologies. Therefore, the study achieved its initial objective, which is to demonstrate that LASSO can be used to predict the analytes in a satisfactory way, in the same way as the PLS and S PAMLR models.Submitted by Josélia Silva (joseliabiblio@gmail.com) on 2023-01-20T13:58:38Z No. of bitstreams: 1 JRBS20012023 .pdf: 1710565 bytes, checksum: 3ff728ec94b6f8f7b2fab3b817c011e6 (MD5)Made available in DSpace on 2023-01-20T13:58:38Z (GMT). No. of bitstreams: 1 JRBS20012023 .pdf: 1710565 bytes, checksum: 3ff728ec94b6f8f7b2fab3b817c011e6 (MD5) Previous issue date: 2022-12-15porUniversidade Federal da ParaíbaUFPBBrasilQuímicaCNPQ::CIENCIAS EXATAS E DA TERRA::QUIMICALASSOGás naturalNanoNIRAvaliação do modelo LASSO na determinação de metano, etano e propano em gás natural e biogás utilizando um espectrômetro de baixo custo e portátilinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisAraújo, Mário César Ugulino deSoares, Sófacles Figueredo CarreiroSantos, Jainny Rityelle Batista dosinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFPBinstname:Universidade Federal da Paraíba (UFPB)instacron:UFPBTEXTJRBS20012023 .pdf.txtJRBS20012023 .pdf.txtExtracted texttext/plain69116https://repositorio.ufpb.br/jspui/bitstream/123456789/25861/3/JRBS20012023%20.pdf.txt678f7fc1a7b9a167acbc06154799a2f0MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-82390https://repositorio.ufpb.br/jspui/bitstream/123456789/25861/2/license.txte20ac18e101915e6935b82a641b985c0MD52ORIGINALJRBS20012023 .pdfJRBS20012023 .pdfapplication/pdf1710565https://repositorio.ufpb.br/jspui/bitstream/123456789/25861/1/JRBS20012023%20.pdf3ff728ec94b6f8f7b2fab3b817c011e6MD51123456789/258612023-01-21 03:05:54.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Repositório InstitucionalPUB
dc.title.pt_BR.fl_str_mv Avaliação do modelo LASSO na determinação de metano, etano e propano em gás natural e biogás utilizando um espectrômetro de baixo custo e portátil
title Avaliação do modelo LASSO na determinação de metano, etano e propano em gás natural e biogás utilizando um espectrômetro de baixo custo e portátil
spellingShingle Avaliação do modelo LASSO na determinação de metano, etano e propano em gás natural e biogás utilizando um espectrômetro de baixo custo e portátil
Santos, Jainny Rityelle Batista dos
CNPQ::CIENCIAS EXATAS E DA TERRA::QUIMICA
LASSO
Gás natural
NanoNIR
title_short Avaliação do modelo LASSO na determinação de metano, etano e propano em gás natural e biogás utilizando um espectrômetro de baixo custo e portátil
title_full Avaliação do modelo LASSO na determinação de metano, etano e propano em gás natural e biogás utilizando um espectrômetro de baixo custo e portátil
title_fullStr Avaliação do modelo LASSO na determinação de metano, etano e propano em gás natural e biogás utilizando um espectrômetro de baixo custo e portátil
title_full_unstemmed Avaliação do modelo LASSO na determinação de metano, etano e propano em gás natural e biogás utilizando um espectrômetro de baixo custo e portátil
title_sort Avaliação do modelo LASSO na determinação de metano, etano e propano em gás natural e biogás utilizando um espectrômetro de baixo custo e portátil
author Santos, Jainny Rityelle Batista dos
author_facet Santos, Jainny Rityelle Batista dos
author_role author
dc.contributor.advisor1.fl_str_mv Araújo, Mário César Ugulino de
dc.contributor.advisor-co1.fl_str_mv Soares, Sófacles Figueredo Carreiro
dc.contributor.author.fl_str_mv Santos, Jainny Rityelle Batista dos
contributor_str_mv Araújo, Mário César Ugulino de
Soares, Sófacles Figueredo Carreiro
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS EXATAS E DA TERRA::QUIMICA
topic CNPQ::CIENCIAS EXATAS E DA TERRA::QUIMICA
LASSO
Gás natural
NanoNIR
dc.subject.por.fl_str_mv LASSO
Gás natural
NanoNIR
description O gás natural (GN) é um combustível fóssil, composto majoritariamente por metano, etano e propano, que é utilizado como fonte calorífica e energética em residências e indústrias. O controle de qualidade do GN é realizado para determinar os teores de metano, etano e propano, além do controle das características do gás. Para o controle de qualidade utiliza-se comumente a cromatografia a gás. No entanto está técnica possui algumas desvantagens como tempo de análise, custos com manutenção do equipamento, demanda de reagentes, entre outros. Uma alternativa para determinação desses analitos em misturas gasosas é a espectroscopia no Infravermelho próximo (NIR). Contudo, tais espectros obtidos necessitam de ferramentas quimometricas para que possam ser usadas para fins quantitativos. Diante disso, o método Least Absolute Shrinkage and Selection Operator (LASSO), que pode ser empregado para seleção de variáveis e predição de amostras futuras, foi usado para determinar metano, etano e propano em amostras de gás natural e biogás. Os resultados assim obtidos foram comparados com os obtidos pelos métodos full spectrum Partial Least Squares (PLS) e pelo modelo MLR com as variáveis selecionadas pelo Algoritmo das Projeções Sucessivas (SPA). Os dados foram préprocessados usando segunda derivada com suavização Savitzky-Golay ajustados a janelas de 21 pontos e polinômio de 2º ordem . Os parâmetros obtidos na predição, rPred e RMSEP, para o LASSO foram comparados com os valores obtidos para os modelos PLS e SPA-MLR. Para o metano, os valores obtidos pelo LASSO foram similares ao PLS e SPA-MLR, com RMSEP de 4,45% mol mol -1 e r de 0,96. Para o etano, o modelo LASSO apresentou um resultado similar ao PLS e superior ao SPA MLR, com os valores de RMSEP de 3,98% mol mol -1 e r de 0,95. Considerando o propano, foi obervado que os valores do LASSO não divergiram de modo significativo do PLS e do SPA-MLR, com RMSEP de 1,46% mol mol -1 e r de 0,97. O teste F a um nivel de 95% de confiança mostrou que não ocorreram diferenças estatiscamente significativas entre as metodologias estudadas. Portanto, o estudo antingiu seu objetivo inicial que é demonstrar que o LASSO pode ser utiliado para predição dos analitos de modo satisfatório, da mesma forma que os modelos PLS e SPA-MLR
publishDate 2022
dc.date.issued.fl_str_mv 2022-12-15
dc.date.accessioned.fl_str_mv 2023-01-20T13:58:38Z
dc.date.available.fl_str_mv 2023-01-20
2023-01-20T13:58:38Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufpb.br/jspui/handle/123456789/25861
url https://repositorio.ufpb.br/jspui/handle/123456789/25861
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal da Paraíba
dc.publisher.initials.fl_str_mv UFPB
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Química
publisher.none.fl_str_mv Universidade Federal da Paraíba
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPB
instname:Universidade Federal da Paraíba (UFPB)
instacron:UFPB
instname_str Universidade Federal da Paraíba (UFPB)
instacron_str UFPB
institution UFPB
reponame_str Repositório Institucional da UFPB
collection Repositório Institucional da UFPB
bitstream.url.fl_str_mv https://repositorio.ufpb.br/jspui/bitstream/123456789/25861/3/JRBS20012023%20.pdf.txt
https://repositorio.ufpb.br/jspui/bitstream/123456789/25861/2/license.txt
https://repositorio.ufpb.br/jspui/bitstream/123456789/25861/1/JRBS20012023%20.pdf
bitstream.checksum.fl_str_mv 678f7fc1a7b9a167acbc06154799a2f0
e20ac18e101915e6935b82a641b985c0
3ff728ec94b6f8f7b2fab3b817c011e6
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1777562278906822656