Modelo de regresión de máquinas de vectores soporte de mínimos cuadrados para la predicción de la cristalinidad de catalizadores de craqueo por espectroscopia infrarroja

Número: 
Autores/Authors: 
Yumirka Comesaña García, Ángel Dago Morales, Isneri Talavera Bustamante, Oneisys Núñez Cuadra, Noslén Hernández González.
Palabras Claves / Key words: 
calibración multivariada, máquinas de vectores soporte de mínimos cuadrados, regresión por componentes principales, regresión por mínimos cuadrados parciales, espectroscopia infrarroja, catalizador de craqueo catalítico de lecho fluidizado, multivariate calibration, least squares support vector machines, principal component regression, partial least squares regression, infrared spectroscopy, fluidized catalytic cracking catalysts.
Resumen: 

La reciente introducción del método de máquinas de vectores soporte de mínimos cuadrados para regresión en el campo de la Quimiometría ha presentado una serie de ventajas con relación a los métodos lineales y no lineales de calibración multivariada. El objetivo de este trabajo consistió en usar las máquinas de vectores soporte de mínimos cuadrados como un método de calibración multivariado alternativo para la predicción del porcentaje de cristalinidad de catalizadores de craqueo catalítico mediante la espectroscopia infrarroja media con transformada de Fourier. Para el cálculo del modelo de regresión, se utilizó un kernel lineal y la optimización del parámetro gamma del kernel se realizó mediante un procedimiento de validación cruzada. Para medir el desempeño del modelo se utilizó la raíz cuadrada del error medio de predicción. La exactitud de los resultados obtenidos a partir del modelo está en concordancia con la incertidumbre reportada por el método de difracción de rayos X de referencia. Para comparar la capacidad de generalización del modelo desarrollado, se realizó un estudio comparativo entre los resultados alcanzados por este método y los obtenidos a partir de los métodos lineales de calibración: regresión por componentes principales y de mínimos cuadrados parciales. El método desarrollado puede ser implementado con facilidad en los laboratorios de las refinerías.

Abstract: 

The recently introduction of the least squares support vector machines method for regression purposes in the field of Chemometrics has provided several advantages to linear and nonlinear multivariate calibration methods. The objective of the paper was to propose the use of the least squares support vector machine as an alternative multivariate calibration method for the prediction of the percentage of crystallinity of fluidized catalytic cracking catalysts, by means of Fourier transform mid-infrared spectroscopy. A linear kernel was used in the calculations of the regression model. The optimization of its gamma parameter was carried out using the leave-one-out cross-validation procedure. The root mean square error of prediction was used to measure the performance of the model. The accuracy of the results obtained with the application of the method is in accordance with the uncertainty of the X-ray powder diffraction reference method. To compare the generalization capability of the developed method, a comparison study was carried out, taking into account the results achieved with the new model and those reached through the application of linear calibration methods. The developed method can be easily implemented in refinery laboratories.

pdf: