Previsão das propriedades cristalinidade e teores de carboidratos estruturais em biomassa de cana-de-açúcar usando NIR, PLS e métodos de seleção de variáveis

Detalhes bibliográficos
Autor(a) principal: Caliari, Ítalo Pelição
Data de Publicação: 2017
Tipo de documento: Dissertação
Idioma: por
Título da fonte: LOCUS Repositório Institucional da UFV
Texto Completo: http://www.locus.ufv.br/handle/123456789/14153
Resumo: Modelos para a previsão das propriedades cristalinidade de celulose e dos teores de glicanas e xilanas na biomassa de cana-de-açúcar (Saccharum spp.) foram construídos usando regressão por mínimos quadrados parciais (PLS) e espectroscopia no infravermelho próximo (NIR). Os métodos propostos surgem em substituição às tradicionais análises da biomassa por difratometria de raio-X (XRD) e cromatografia líquida de alta eficiência (HPLC). As principais vantagens do uso da espectroscopia NIR como alternativa às técnicas convencionais se dão devido à rapidez de análise (~20s), menor custo, ser não destrutiva, requerer um mínimo manuseio de amostra e facilidade de uso. Foram usados também os métodos de seleção de variáveis Seleção dos Preditores Ordenados (OPS) e Algoritmo Genético (GA) visando melhorar a capacidade preditiva e interpretativa dos modelos. Em todos os casos avaliados o algoritmo OPS mostrou-se superior ao GA. As amostras de biomassa utilizadas neste estudo apresentaram índices de cristalinidade que variaram de 50 a 81% e teores de glicanas e xilanas que variaram de 20 a 43% e 15 a 30%, respectivamente. Os modelos para cristalinidade, glicanas e xilanas foram construídos com 5, 2 e 2 variáveis latentes e 150, 431 e 451 variáveis independentes, respectivamente. As transformações espectrais que forneceram melhores modelos foram as de derivadas. Os parâmetros estatísticos raiz quadrada do erro quadrático médio de validação cruzada (RMSECV), raiz quadrada do erro quadrático médio de previsão (RMSEP), coeficiente de correlação de validação cruzada (RCV), coeficiente de correlação de previsão (RP) e índice de desempenho do desvio (RPD) são descritos, respectivamente, para o modelo de: i) cristalinidade: 3,31; 3,01; 0,86; 0,92, e 1,71; ii) Glicanas: 2,16; 1,81; 0,94; 0,95 e 2,00; iii) Xilanas: 1,27; 1,32; 0,91; 0,94 e 1,79. As correlações entre a cristalinidade e outras propriedades químicas da biomassa de cana- de-açúcar tais como lignina, α- celulose, hemicelulose e cinzas não foram significativas, e assim, a cristalinidade se mostrou uma propriedade independente na biomassa de cana- de-açúcar.
id UFV_82b662a34c17a5e1e1696329e019eb06
oai_identifier_str oai:locus.ufv.br:123456789/14153
network_acronym_str UFV
network_name_str LOCUS Repositório Institucional da UFV
repository_id_str 2145
spelling Barbosa, Márcio Henrique PereiraFerreira, Sukarno OlavoCaliari, Ítalo Peliçãohttp://lattes.cnpq.br/1533409022738210Teófilo, Reinaldo Francisco2017-12-01T11:25:17Z2017-12-01T11:25:17Z2017-02-13CALIARI, Ítalo Pelição. Previsão das propriedades cristalinidade e teores de carboidratos estruturais em biomassa de cana-de-açúcar usando NIR, PLS e métodos de seleção de variáveis. 2017. 79 f. Dissertação (Mestrado em Agroquímica) - Universidade Federal de Viçosa, Viçosa. 2017.http://www.locus.ufv.br/handle/123456789/14153Modelos para a previsão das propriedades cristalinidade de celulose e dos teores de glicanas e xilanas na biomassa de cana-de-açúcar (Saccharum spp.) foram construídos usando regressão por mínimos quadrados parciais (PLS) e espectroscopia no infravermelho próximo (NIR). Os métodos propostos surgem em substituição às tradicionais análises da biomassa por difratometria de raio-X (XRD) e cromatografia líquida de alta eficiência (HPLC). As principais vantagens do uso da espectroscopia NIR como alternativa às técnicas convencionais se dão devido à rapidez de análise (~20s), menor custo, ser não destrutiva, requerer um mínimo manuseio de amostra e facilidade de uso. Foram usados também os métodos de seleção de variáveis Seleção dos Preditores Ordenados (OPS) e Algoritmo Genético (GA) visando melhorar a capacidade preditiva e interpretativa dos modelos. Em todos os casos avaliados o algoritmo OPS mostrou-se superior ao GA. As amostras de biomassa utilizadas neste estudo apresentaram índices de cristalinidade que variaram de 50 a 81% e teores de glicanas e xilanas que variaram de 20 a 43% e 15 a 30%, respectivamente. Os modelos para cristalinidade, glicanas e xilanas foram construídos com 5, 2 e 2 variáveis latentes e 150, 431 e 451 variáveis independentes, respectivamente. As transformações espectrais que forneceram melhores modelos foram as de derivadas. Os parâmetros estatísticos raiz quadrada do erro quadrático médio de validação cruzada (RMSECV), raiz quadrada do erro quadrático médio de previsão (RMSEP), coeficiente de correlação de validação cruzada (RCV), coeficiente de correlação de previsão (RP) e índice de desempenho do desvio (RPD) são descritos, respectivamente, para o modelo de: i) cristalinidade: 3,31; 3,01; 0,86; 0,92, e 1,71; ii) Glicanas: 2,16; 1,81; 0,94; 0,95 e 2,00; iii) Xilanas: 1,27; 1,32; 0,91; 0,94 e 1,79. As correlações entre a cristalinidade e outras propriedades químicas da biomassa de cana- de-açúcar tais como lignina, α- celulose, hemicelulose e cinzas não foram significativas, e assim, a cristalinidade se mostrou uma propriedade independente na biomassa de cana- de-açúcar.Models for the prediction of crystallinity of cellulose and glucans and xylans contents in sugarcane biomass (Saccharum spp.) were built using partial least squares regression (PLS) and near-infrared spectroscopy (NIR). The proposed methods appear replacing the traditional analyzes of biomass by X-ray diffractometry (XRD) and high performance liquid chromatography (HPLC). The main advantages of using NIR spectroscopy as an alternative to conventional techniques are due to rapid analysis (~20s), lower cost, being non-destructive, requiring a minimal sample handling and ease of use. Were also used the variable selection methods Ordered Predictors Selection (OPS) and Genetic Algorithm (GA) to improve the predictive and interpretive capacity of the models. In all cases, the OPS algorithm was superior to GA. The biomass samples used in this study showed crystallinity indexes ranging from 50 to 81% and glucans and xylans contents ranging from 20 to 43% and 15 to 30%, respectively. The models for crystallinity, glucans and xylans were built with 5, 2 and 2 latent variables and 150, 431 and 451 independent variables, respectively. The spectral transformations that provided the best models were the derivatives. The root mean square error of cross-validation (RMSECV), root mean square error of prediction (RMSEP), correlation coefficient of cross-validation (RCV), correlation coefficient of prediction (RP), and ratio of performance to deviation (RPD) are described, respectively, for the model of: i) crystallinity: 3.31; 3.01; 0.86; 0.92, and 1.71; ii) Glucans: 2.16; 1.81; 0.94; 0.95 and 2.00; iii) Xylans: 1.27; 1.32; 0.91; 0.94 and 1.79. The correlations between crystallinity and other chemical properties of sugarcane biomass such as lignin, α-cellulose, hemicellulose, and ash were not significant, and hence, crystallinity proved to be an independent property in sugarcane biomass.Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorporUniversidade Federal de ViçosaCana-de-açúcarBiomassaCarboidratosQuímica AnalíticaPrevisão das propriedades cristalinidade e teores de carboidratos estruturais em biomassa de cana-de-açúcar usando NIR, PLS e métodos de seleção de variáveisEstimation of crystallinity and structural carbohydrate contents in sugarcane biomass using NIR, PLS and variable selection methodsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal de ViçosaDepartamento de QuímicaMestre em AgroquímicaViçosa - MG2017-02-13Mestradoinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFVORIGINALtexto completo.pdftexto completo.pdftexto completoapplication/pdf3990167https://locus.ufv.br//bitstream/123456789/14153/1/texto%20completo.pdf1df7b6c54da302e3140ba006d4343cb7MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://locus.ufv.br//bitstream/123456789/14153/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52THUMBNAILtexto completo.pdf.jpgtexto completo.pdf.jpgIM Thumbnailimage/jpeg3693https://locus.ufv.br//bitstream/123456789/14153/3/texto%20completo.pdf.jpgecf449989a3672cc331202b9c980f9b6MD53123456789/141532017-12-01 22:00:46.84oai:locus.ufv.br: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Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452017-12-02T01:00:46LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false
dc.title.pt-BR.fl_str_mv Previsão das propriedades cristalinidade e teores de carboidratos estruturais em biomassa de cana-de-açúcar usando NIR, PLS e métodos de seleção de variáveis
dc.title.en.fl_str_mv Estimation of crystallinity and structural carbohydrate contents in sugarcane biomass using NIR, PLS and variable selection methods
title Previsão das propriedades cristalinidade e teores de carboidratos estruturais em biomassa de cana-de-açúcar usando NIR, PLS e métodos de seleção de variáveis
spellingShingle Previsão das propriedades cristalinidade e teores de carboidratos estruturais em biomassa de cana-de-açúcar usando NIR, PLS e métodos de seleção de variáveis
Caliari, Ítalo Pelição
Cana-de-açúcar
Biomassa
Carboidratos
Química Analítica
title_short Previsão das propriedades cristalinidade e teores de carboidratos estruturais em biomassa de cana-de-açúcar usando NIR, PLS e métodos de seleção de variáveis
title_full Previsão das propriedades cristalinidade e teores de carboidratos estruturais em biomassa de cana-de-açúcar usando NIR, PLS e métodos de seleção de variáveis
title_fullStr Previsão das propriedades cristalinidade e teores de carboidratos estruturais em biomassa de cana-de-açúcar usando NIR, PLS e métodos de seleção de variáveis
title_full_unstemmed Previsão das propriedades cristalinidade e teores de carboidratos estruturais em biomassa de cana-de-açúcar usando NIR, PLS e métodos de seleção de variáveis
title_sort Previsão das propriedades cristalinidade e teores de carboidratos estruturais em biomassa de cana-de-açúcar usando NIR, PLS e métodos de seleção de variáveis
author Caliari, Ítalo Pelição
author_facet Caliari, Ítalo Pelição
author_role author
dc.contributor.authorLattes.pt-BR.fl_str_mv http://lattes.cnpq.br/1533409022738210
dc.contributor.none.fl_str_mv Barbosa, Márcio Henrique Pereira
Ferreira, Sukarno Olavo
dc.contributor.author.fl_str_mv Caliari, Ítalo Pelição
dc.contributor.advisor1.fl_str_mv Teófilo, Reinaldo Francisco
contributor_str_mv Teófilo, Reinaldo Francisco
dc.subject.pt-BR.fl_str_mv Cana-de-açúcar
Biomassa
Carboidratos
topic Cana-de-açúcar
Biomassa
Carboidratos
Química Analítica
dc.subject.cnpq.fl_str_mv Química Analítica
description Modelos para a previsão das propriedades cristalinidade de celulose e dos teores de glicanas e xilanas na biomassa de cana-de-açúcar (Saccharum spp.) foram construídos usando regressão por mínimos quadrados parciais (PLS) e espectroscopia no infravermelho próximo (NIR). Os métodos propostos surgem em substituição às tradicionais análises da biomassa por difratometria de raio-X (XRD) e cromatografia líquida de alta eficiência (HPLC). As principais vantagens do uso da espectroscopia NIR como alternativa às técnicas convencionais se dão devido à rapidez de análise (~20s), menor custo, ser não destrutiva, requerer um mínimo manuseio de amostra e facilidade de uso. Foram usados também os métodos de seleção de variáveis Seleção dos Preditores Ordenados (OPS) e Algoritmo Genético (GA) visando melhorar a capacidade preditiva e interpretativa dos modelos. Em todos os casos avaliados o algoritmo OPS mostrou-se superior ao GA. As amostras de biomassa utilizadas neste estudo apresentaram índices de cristalinidade que variaram de 50 a 81% e teores de glicanas e xilanas que variaram de 20 a 43% e 15 a 30%, respectivamente. Os modelos para cristalinidade, glicanas e xilanas foram construídos com 5, 2 e 2 variáveis latentes e 150, 431 e 451 variáveis independentes, respectivamente. As transformações espectrais que forneceram melhores modelos foram as de derivadas. Os parâmetros estatísticos raiz quadrada do erro quadrático médio de validação cruzada (RMSECV), raiz quadrada do erro quadrático médio de previsão (RMSEP), coeficiente de correlação de validação cruzada (RCV), coeficiente de correlação de previsão (RP) e índice de desempenho do desvio (RPD) são descritos, respectivamente, para o modelo de: i) cristalinidade: 3,31; 3,01; 0,86; 0,92, e 1,71; ii) Glicanas: 2,16; 1,81; 0,94; 0,95 e 2,00; iii) Xilanas: 1,27; 1,32; 0,91; 0,94 e 1,79. As correlações entre a cristalinidade e outras propriedades químicas da biomassa de cana- de-açúcar tais como lignina, α- celulose, hemicelulose e cinzas não foram significativas, e assim, a cristalinidade se mostrou uma propriedade independente na biomassa de cana- de-açúcar.
publishDate 2017
dc.date.accessioned.fl_str_mv 2017-12-01T11:25:17Z
dc.date.available.fl_str_mv 2017-12-01T11:25:17Z
dc.date.issued.fl_str_mv 2017-02-13
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv CALIARI, Ítalo Pelição. Previsão das propriedades cristalinidade e teores de carboidratos estruturais em biomassa de cana-de-açúcar usando NIR, PLS e métodos de seleção de variáveis. 2017. 79 f. Dissertação (Mestrado em Agroquímica) - Universidade Federal de Viçosa, Viçosa. 2017.
dc.identifier.uri.fl_str_mv http://www.locus.ufv.br/handle/123456789/14153
identifier_str_mv CALIARI, Ítalo Pelição. Previsão das propriedades cristalinidade e teores de carboidratos estruturais em biomassa de cana-de-açúcar usando NIR, PLS e métodos de seleção de variáveis. 2017. 79 f. Dissertação (Mestrado em Agroquímica) - Universidade Federal de Viçosa, Viçosa. 2017.
url http://www.locus.ufv.br/handle/123456789/14153
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 de Viçosa
publisher.none.fl_str_mv Universidade Federal de Viçosa
dc.source.none.fl_str_mv reponame:LOCUS Repositório Institucional da UFV
instname:Universidade Federal de Viçosa (UFV)
instacron:UFV
instname_str Universidade Federal de Viçosa (UFV)
instacron_str UFV
institution UFV
reponame_str LOCUS Repositório Institucional da UFV
collection LOCUS Repositório Institucional da UFV
bitstream.url.fl_str_mv https://locus.ufv.br//bitstream/123456789/14153/1/texto%20completo.pdf
https://locus.ufv.br//bitstream/123456789/14153/2/license.txt
https://locus.ufv.br//bitstream/123456789/14153/3/texto%20completo.pdf.jpg
bitstream.checksum.fl_str_mv 1df7b6c54da302e3140ba006d4343cb7
8a4605be74aa9ea9d79846c1fba20a33
ecf449989a3672cc331202b9c980f9b6
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)
repository.mail.fl_str_mv fabiojreis@ufv.br
_version_ 1801213128517615616