Gasoline quality prediction using gas chromatography and FTIR spectroscopy: An artificial intelligence approach

Brudzewski, K.; Kesik, A.; Kołodziejczyk, K.; Zborowska, U.; Ulaczyk, J.

doi:10.1016/j.fuel.2005.07.019

Cited by 53 publications

(43 citation statements)

References 3 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…SVM finds the optimal hyperplane (shown in green color) that has the maximum margin from the boundaries of observations belonging to both categories. In vibrational spectroscopy many studies have already been conducted using SVM as the classifier [38,[78][79][80].…”

Section: C) Artificial Neural Network (Ann)mentioning

confidence: 99%

“…This solves the problem of estimating new measurements (Y) which may be expensive, difficult, time consuming, dangerous, ethically undesirable etc. to obtain experimentally [58,78,79,88,89]. There are many multivariate regression methods available and some of the commonly used methods in vibrational spectroscopy are as follows.…”

Section: Multivariate Regression Modelsmentioning

confidence: 99%

“…The regression of one Y-variable is done on a set of independent X-variables using the Least Squares Criterion [78,79]. In spectroscopic applications the predictor variables (measurements at different frequencies) are highly correlated with each other, which leads to an ill-conditioned least squares problem.…”

Section: Multivariate Regression Modelsmentioning

confidence: 99%

See 2 more Smart Citations

Review of multidimensional data processing approaches for Raman and infrared spectroscopy

et al. 2015

View full text Add to dashboard Cite

Raman and Infrared (IR) spectroscopies provide information about the structure, functional groups and environment of the molecules in the sample. In combination with a microscope, these techniques can also be used to study molecular distributions in heterogeneous samples. Over the past few decades Raman and IR microspectroscopy based techniques have been extensively used to understand fundamental biology and responses of living systems under diverse physiological and pathological conditions. The spectra from biological systems are complex and diverse, owing to their heterogeneous nature consisting of bio-molecules such as proteins, lipids, nucleic acids, carbohydrates etc. Sometimes minor differences may contain critical information. Therefore, interpretation of the results obtained from Raman and IR spectroscopy is difficult and to overcome these intricacies and for deeper insight we need to employ various data mining methods. These methods must be suitable for handling large multidimensional data sets and for exploring the complete spectral information simultaneously. The effective implementation of these multivariate data analysis methods requires the pretreatment of data. The preprocessing of raw data helps in the elimination of noise (unwanted signals) and the enhancement of discriminating features. This review provides an outline of the state-of-the-art data processing tools for multivariate analysis and the various preprocessing methods that are widely used in Raman and IR spectroscopy including imaging for better qualitative and quantitative analysis of biological samples.

show abstract

Section: C) Artificial Neural Network (Ann)mentioning

confidence: 99%

Section: Multivariate Regression Modelsmentioning

confidence: 99%

See 1 more Smart Citation

Review of multidimensional data processing approaches for Raman and infrared spectroscopy

et al. 2015

View full text Add to dashboard Cite

show abstract

“…Przegląd literaturowy [2,5,8,11,12,14,30,37,47,46] w zakresie wykorzystywania sieci neuronowych do predykcji właściwości benzyn silnikowych i ich składników w zależno-ści od składu chemicznego (badanego różnymi sposobami) pokazuje, że bardzo istotne jest zgromadzenie odpowiedniej liczby serii danych (wystarczającego materiału do analizy), aby można było w pełni wykorzystać możliwości interpretacyjne sieci neuronowych. W innych przypadkach można tylko przypuszczać, że w sieciach neuronowych drzemie ogromny potencjał, ale nie do końca będzie to możliwe do wykazania.…”

Section: Wpływ Etanolu Na Prężność Parunclassified

Wykorzystanie sieci neuronowych w dochodzeniach związanych z przestępczością gospodarczą na rynku paliw płynnych. Część 1

Haduch

Badawczy

Tadeusiewicz

et al. 2017

View full text Add to dashboard Cite

Wykorzystanie sieci neuronowych w dochodzeniach związanych z przestępczością gospodarczą na rynku paliw płynnych. Część 1 W artykule dokonano krótkiego przeglądu literatury poświęconej wykorzystaniu sieci neuronowych przy określaniu niektó-rych właściwości benzyn silnikowych, istotnych przy predykcji ich jakości w powiązaniu ze składem chemicznym oznaczanym metodami chromatograficznymi (GC-FID, GC-MS).Słowa kluczowe: sieci neuronowe, benzyna silnikowa, właściwości benzyn silnikowych.The use of neural networks in investigations related to economic crime on the liquid fuels market. Part 1In the article a brief review of the literature on the use of neural networks in the determination of certain properties of motor gasoline relevant for the prediction of their quality in relation to chemical compositions determined by chromatography (GC-FID, GC-MS) was done.Key words: neural networks, motor gasoline, motor gasoline properties.W ramach swojej działalności instytucje badawcze wykonują lub mogą wykonywać szereg usług eksperckich i laboratoryjnych dla organów ścigania oraz instytucji zajmujących się monitoringiem jakości paliw, mających w efekcie poprawić bezpieczeństwo stosowania paliw ciekłych dostępnych na rynku polskim.W walce z przestępczością gospodarczą związaną z fał-szowaniem paliw ważne są dwa elementy:• szybkie określenie składu chemicznego badanego paliwa w powiązaniu z jego właściwościami, • wskazanie prawdopodobnego źródła pochodzenia zabezpieczonej próbki paliwa. Trudności w szybkim i pewnym określeniu tych dwóch czynników uniemożliwiają szybką reakcję i skuteczne przeciwdziałanie zjawisku fałszowania paliw, powodującemu olbrzymie straty finansowe skarbu państwa. Możliwość szybkiego kojarzenia i odtwarzania całości informacji na podstawie informacji niepełnej oraz zdolność prawidłowego zinterpretowania danych zniekształconych lub niekompletnych byłaby bardzo pomocna przy rozwiązywaniu tego rodzaju problemów. Aktualnie w Polsce i w Europie w obrocie detalicznym występują benzyny silnikowe zawierające w swym skła-dzie związki tlenowe (alkohole i etery), z których głównie stosowanymi są: etanol w ilości do 10% (V/V) oraz eter etylowo-tert-butylowy. Paliwa te są bardzo wrażliwe na próby fałszowania. Wszelkie, nawet niewielkie zmiany w składzie komponentowym, powstające przy nieuprawnionej ingerencji, mogą spowodować zmiany właściwości paliw, wpływa-jąc negatywnie na środowisko naturalne i silniki spalinowe napędzane tym paliwem. Wstęp

show abstract

“…[1][2][3][4][5][6][7][8][9] La exactitud de estos procedimientos alternativos es comparable con la exactitud de los métodos de referencia; presentan además las ventajas de utilizar pequeñas cantidades de muestras y de que el tiempo invertido en el análisis es pequeño. Por otra parte los méto-dos quimiométricos de clasificación y reconocimiento de patrones han sido ampliamente utilizados en la detección de adulteraciones de combustibles, así como en el control de calidad de los procesos productivos.…”

Section: Introductionunclassified

Desarrollo de un modelo SIMCA para la clasificación de kerosinas mediante el empleo de la espectroscopía infrarroja

Morales¹,

Osorio²,

Fernández³

et al. 2008

Quím. Nova

View full text Add to dashboard Cite

Recebido em 16/10/07; aceito em 29/11/07; publicado na web em 26/8/08DEVELOPMENT OF A SIMCA MODEL FOR CLASSIFICATION OF KEROSENE BY INFRARED SPECTROSCOPY. In the petroleum refining industry, the use of crude from several origins is frequent. This leads to a product of variable chemical composition during refining, hindering quality control. Therefore, it is important to develop classification models that help to better characterize those products. The objective of this study is to develop a SIMCA recognition pattern to classify kerosene using infrared spectroscopy data. The model permits to differentiate two kerosene groups with different chemical compositions, which was corroborated by mass spectrometry. Keywords: SIMCA model; kerosene classification; infrared spectroscopy. INTRODUCCIÓNEn el control de la calidad de los destilados medios del petróleo se emplean procedimientos de ensayo que han sido oficialmente establecidos como procedimientos de referencia por diferentes organizaciones internacionales; como por ejemplo; la American Society for Testing Materials (ASTM), la ISO (Internacional Standard Organization) y el IP (The Institute of Petroleum). Es conocido que estos métodos de referencia aunque son exactos emplean un tiempo de medición considerable y requieren, por lo general, de apreciable cantidad de muestra.Los métodos quimiométricos han tenido gran aplicación en la industria de refinación del petróleo; por ejemplo, los métodos de calibración multivariada para el desarrollo de procedimientos alternativos para la predicción simultánea de propiedades físico químicas en derivados como gasolinas, kerosinas, turbocombustibles y diesel. 1-9 La exactitud de estos procedimientos alternativos es comparable con la exactitud de los métodos de referencia; presentan además las ventajas de utilizar pequeñas cantidades de muestras y de que el tiempo invertido en el análisis es pequeño. Por otra parte los méto-dos quimiométricos de clasificación y reconocimiento de patrones han sido ampliamente utilizados en la detección de adulteraciones de combustibles, así como en el control de calidad de los procesos productivos. [10][11][12][13] En nuestro laboratorio se han desarrollado modelos de regresión multivariados para la predicción simultánea de propiedades físico químicas de kerosinas mediante el empleo de la espectroscopía infrarroja de rango medio (FT-MIR) y el método de mínimos cuadrados parciales (PLS). El establecimiento de estas metodologías analíticas alternativas no culmina con el desarrollo y posterior validación del modelo; es necesario establecer un procedimiento de control de su validez con respecto al tiempo, principalmente en la industria de refinación del petróleo, donde ocurren con frecuencia variaciones de la materia prima y de los propios procesos productivos, que originan cambios en la composición química de los productos terminados; y por ende, problemas con la predicción de los modelos. 14-16 Para minimizar estas dificultades relacionadas con la detección de situaciones anómalas originadas por mues...

show abstract

Gasoline quality prediction using gas chromatography and FTIR spectroscopy: An artificial intelligence approach

Cited by 53 publications

References 3 publications

Review of multidimensional data processing approaches for Raman and infrared spectroscopy

Review of multidimensional data processing approaches for Raman and infrared spectroscopy

Wykorzystanie sieci neuronowych w dochodzeniach związanych z przestępczością gospodarczą na rynku paliw płynnych. Część 1

Desarrollo de un modelo SIMCA para la clasificación de kerosinas mediante el empleo de la espectroscopía infrarroja

Contact Info

Product

Resources

About