N-way exploration of environmental data obtained from sequential extraction procedure

Stanimirova, I.; Kita, Andrzej; Małkowski, Eugeniusz; John, E.; Walczak, Beata

doi:10.1016/j.chemolab.2009.02.004

Cited by 13 publications

(16 citation statements)

References 15 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Multiway methods gained a lot of attention in recent years in the environmental data analysis field (see [8][9][10][11][12] and references therein) as they represent a more appropriate choice when compared to bidimensional alternatives.…”

Section: Introductionmentioning

confidence: 99%

Bidimensional and Multidimensional Principal Component Analysis in Long Term Atmospheric Monitoring

et al. 2016

View full text Add to dashboard Cite

Atmospheric monitoring produces huge amounts of data. Univariate and bivariate statistics are widely used to investigate variations in the parameters. To summarize information graphs are usually used in the form of histograms or tendency profiles (e.g., variable concentration vs. time), as well as bidimensional plots where two-variable correlations are considered. However, when dealing with big data sets at least two problems arise: a great quantity of numbers (statistics) and graphs are produced, and only two-variable interactions are often considered. The aim of this article is to show how the use of multivariate statistics helps in handling atmospheric data sets. Multivariate modeling considers all the variables simultaneously and returns the main results as bidimensional graphs that are easy-to-read. Principal Component Analysis (PCA; the most known multivariate method) and multiway-PCA (Tucker3) are compared from methodological and interpretative points of view. The article demonstrates the ability to emphasize different information depending on the data handling performed. The results and benefits achieved using a more complex model that allows for the simultaneous consideration of the entire variability of the system are compared with the results provided by the simpler but better-known model. Atmospheric monitoring (SO 2 , NO x , NO 2 , NO, and O 3 ) data from the Lake Como Area (Italy) since 1992 to 2007 were chosen for consideration for the case study.

show abstract

Section: Introductionmentioning

confidence: 99%

Bidimensional and Multidimensional Principal Component Analysis in Long Term Atmospheric Monitoring

et al. 2016

View full text Add to dashboard Cite

show abstract

“…The popularity of this model in chemistry is due to its uniqueness properties [7,8]. Although PARAFAC has been successfully applied to many chemical problems [5,[9][10][11], the algorithm does not always converge to chemical meaningful solutions [12][13][14]. Kiers and Smilde rigorously proved that the uniqueness of PARAFAC does not hold in cases with rank overlap [15].…”

Section: Introductionmentioning

confidence: 99%

“…There are different types of three-way models that have been proposed for the recovery of the profiles (spectra, pH profiles, time profiles, etc.) of more than one component in an unresolved and unknown mixture when no prior information is available about the nature and composition of the mixture [3][4][5].…”

Section: Introductionmentioning

confidence: 99%

Hard–soft modeling parallel factor analysis to solve equilibrium processes

Sajjadi

Abdollahi

2011

Journal of Chemometrics

View full text Add to dashboard Cite

PARAFAC model is the most famous model for analyzing three-way data. However, this method does not converge to chemically meaningful solutions when applied to three-way problems involving rank overlap profiles at least in one mode. Rank overlap can be simply found where components have similar spectral profiles or analytes appearing in identical proportions throughout an experiment. However, an appropriate selection of the initial parameters and constraints such as non-negativity and unimodality can still make PARAFAC model useful in this regard. Although such constraints reduce rotational freedom in PARAFAC solution, they are generally insufficient to wholly eliminate the rotational problem. The goal of the present paper is to incorporate hard modeling constraint in the soft-modeled PARAFAC algorithm to overcome non-uniqueness problem in the equilibrium processes involving linearly dependent factors at least in one mode. The hard constraint is introduced to force some or all of the concentration profiles to fulfill an equilibrium model that is refined at each iteration cycle of the optimization process of PARAFAC. The proposed approach is called hard-soft PARAFAC (HSPARAFAC). When the rank overlap species obeys equilibrium model in HSPARAFAC, the unique results are obtained even in the presence of non-modeled interferences. The new modification in the treatment of equilibrium data sets yields more satisfactory results than the exclusive PARAFAC algorithm. Simulated and real examples with rank overlap problem are used to confirm this statement.

show abstract

“…Nestes casos, o emprego de análise de dados em multimodos permite a identificação dos principais fatores relacionados à biodegradação. Este tipo de análise tem sido empregado em várias áreas da química ambiental, [1][2][3][4][5][6][7] nas quais modelos em multimodos vêm se mostrando úteis na identificação de aspectos não aparentes do conjunto de dados. 8 Neste trabalho é descrito o monitoramento de um processo de biodegradação por meio de análise de dados em multimodos, onde são identificadas a variação temporal associada ao processo de biodegradação e a provável classe de compostos mais rapidamente biodegradados.…”

Section: Introductionunclassified

Aplicação do modelo Tucker-3 para a análise da biodegradação de diesel

Reis

Luz²,

Bastos

et al. 2010

Quím. Nova

View full text Add to dashboard Cite

Recebido em 12/9/09; aceito em 5/4/10; publicado na web em 20/7/10 APPLICATION OF THE TUCKER-3 MODEL TO THE STUDY OF DIESEL BIODEGRADATION. Tucker-3 model offers several advantages for analysis of environmental data but its interpretation is still challenging. A Tucker-3 model was applied to a biodegradation experiment involving a large number of overlapped chromatographic peaks and a temporal variation. The Tucker-3 model allowed the data to be decomposed in two processes: evaporation and biodegradation. The results suggest that linear hydrocarbons were those biodegraded first and demonstrate that the data analysis can be simplified by interpreting the elements of the core array. The approach discussed in this work can be applied in similar problems involving multi-way data in other areas of chemistry.Keywords: multi-way analysis; Tucker-3 models; biodegradation process. INTRODUÇÃOO uso de métodos cromatográficos para o monitoramento da biodegradação de substratos complexos, tais como derivados de petróleo, apresenta como maior desafio a sobreposição de picos cromatográficos. Esta sobreposição é resultado da mistura de um grande número de compostos, incluindo aqueles produzidos pela biodegradação e os originais da fonte de carbono sob degradação.O objetivo do monitoramento, em geral, é identificar quais compostos, ou classes de compostos, estão sendo degradados e como este processo varia com o tempo. Estas informações são empregadas para avaliar a eficiência de agentes biológicos (e.g. consórcio de micro-organismos) no processo de biodegradação. Entretanto, o monitoramento de cada composto degradado e/ou produzido no processo pode se tornar não factível. Mesmo que a identificação dos compostos seja possível, a análise de suas variações no tempo e suas interrelações é de grande complexidade. Nestes casos, o emprego de análise de dados em multimodos permite a identificação dos principais fatores relacionados à biodegradação. Este tipo de análise tem sido empregado em várias áreas da química ambiental, 1-7 nas quais modelos em multimodos vêm se mostrando úteis na identificação de aspectos não aparentes do conjunto de dados.8 Neste trabalho é descrito o monitoramento de um processo de biodegradação por meio de análise de dados em multimodos, onde são identificadas a variação temporal associada ao processo de biodegradação e a provável classe de compostos mais rapidamente biodegradados. Introdução teóricaO experimento avaliado aqui envolve o monitoramento de dois conjuntos de amostras (controle e amostras inoculadas com consórcio de micro-organismos) ao longo de 21 dias, período em que 4 amostragens foram efetuadas para avaliação da composição de voláteis produzidos durante o processo de biodegradação.O conjunto de dados resultante apresenta uma estrutura em multimodos caracterizada por: perfis cromatográficos, período de biodegradação e amostras. O primeiro modo representa a variação na composição de compostos voláteis resultantes da perda por evaporação e/ou da biodegradação. O segundo modo reflete como a fração d...

show abstract

N-way exploration of environmental data obtained from sequential extraction procedure

Cited by 13 publications

References 15 publications

Bidimensional and Multidimensional Principal Component Analysis in Long Term Atmospheric Monitoring

Bidimensional and Multidimensional Principal Component Analysis in Long Term Atmospheric Monitoring

Hard–soft modeling parallel factor analysis to solve equilibrium processes

Aplicação do modelo Tucker-3 para a análise da biodegradação de diesel

Contact Info

Product

Resources

About