Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
quimiometria para
fingerprinting de
derramamento de leo
Autores: Jan H. Christensen, Giorgio Tomasi
Aluno:
Disciplina:
Sumrio
1. Introduo
2. Fingerprinting de hidrocarbonetos
2.1. Triagem inicial
2.2. Fingerprinting detalhado
2.3. Construir uma base de dados de petrleo
3.1.1. Dados
3.1.2. Processamento de dados
3.1.3. Remoo da linha de base
3.1.4. Alinhamento de tempo de reteno
3.1.5. Normalizao de dados
3.1.6. Anlise de dados quimiomtricos
3.1.7. Classificao de leo
3.1.8. Interpretao qumica
3.2.1. Dados
3.2.2. Processamento de dados
3.2.3. Anlise de dados quimiomtricos
3.2.4. Classificao de leo
3.2.5. Interpretao qumica
Sumrio
4. Fingerprinting detalhado
4.1. Anlise de GC-MS
4.2. Tempo deformao e PCA
4.2.1. Dados
4.2.2. Processamento de dados
4.2.3. Anlise de dados quimiomtricos
4.2.4. Classificao do leo
4.2.5. Interpretao qumica
4.3.1. Dados
4.3.2. Processamento de dados
4.3.3. Anlise de dados quimiomtricos
4.3.4. Classificao do leo
5. Concluso
1. Introduo
Fingerprinting
de
hidrocarbonetos
utilizado
mundialmente para identificar origem de leos por
comparao outros candidatos/padres.
Utilidades:
Monitoramento de mudanas e processos que a
causaram.
Controle Ambiental
4
2. Quimiometria
Aplicao de mtodos estatsticos e matemticos na
qumica e incluir tcnicas de modelamento multivariadas
que permitem processamento de dados.
PCA:
Principal Component Analysis
PARAFAC: Parallel Factor Analysis
PLS:
Partial Least Squares
PAH: Hidrocarbonetos policclicos aromticos.
HFO: leo combustvel pesado.
LFO: leo combustvel leve.
PCA
Classificao de amostras baseadas em reas dos picos
normalizados.
Correlaes leo-leo, leo-rocha.
Aplicao em sees do cromatograma: Custo-benefcio
(processamento elimina partes de no interesse) .
Integrao com GC-MS: identifica propriedades (ponto de
ebulio, quant. Argila e maturidade termal).
3. Screening Inicial
3.1 GC-FID
Rpido e barato.
Reduz o nmero de correspondncias possveis.
Perfil de n-alcanos.
3.1.1 Dados
Banco de dados de mais de 250 cromatogramas GC-FID:
50 leos brutos
20 LFOs
11 HFOs
9 leos lubrificantes
4 anlises rplicas de uma amostra de cada tipo de leo = 16
14 anlises rplicas da amostra de leo desconhecida
leo a ser descoberto: Mistura 1:1 de leo bruto do mar do
norte e HFO
Janela de tempo de reteno: 4,5-23,5 min = 20000 pontos de
dados
3.1.2 Processamento
Dados exportados para Matlab
Taxa de amostragem alta (muitos pontos) = redundncia de
dados
Reduo para 6667 pontos de dados.
Reduo de varincia de dados no relacionada com a
composio qumica
Linhas base
Desvios de tempo de reteno
Efeitos de concentrao
10
x=intensidade;
Derivada dos dados: picos positivos na 1 metade e
negativos na 2 (metade do tempo de reteno = pico
mximo).
11
12
14
15
16
17
FIG. 3. (a) Plot Influncia para um modelo de 4 PCs PCA e (b) varincia das
amostras de calibrao e de validao Vs. Nmero de PCs.
3.1.7 Classificao
18
FIG. 4. Score Plot do (a) PC1 Vs. PC2 e (b) PC3 Vs. PC4. As amostras de validao (ou
seja, 14 amostras de referncia idnticas, quatro leos crus replicados, lubrificantes, LFOs e
HFO) so mostrados com marcadores vermelhos.
19
FIG. 5. A soma de PC1 (a), PC2 (b), PC3 (c) e PC4 (d) a partir do modelo de
PCA quatro-componentes baseado em dados de GC-FID de um leo lubrificante.
3.1.8 Interpretao
PC1 e PC3 descrevem a qualidade do leo, de tal
maneira que LFOs aglomeram-se em picos positivos,
seguido por leos brutos em torno de zero e HFO e
leos lubrificantes em valores negativos.
21
3.2.1 Processamento
EEMs de fluorescncia podem ser empilhados como uma
matriz de dados de trs vias, modelos de fatores trilinear
(ou seja, PARAFAC) em vez de bilinear (PCA).
No entanto, Sinais EEM contm disperses de Rayleigh e
Raman, que aparecem como sulcos diagonais EEMS (Fig.
6a), mitigados por subtrao.
22
23
24
3.2.3 Anlise
Procedimento de normalizao semelhante ao anterior com
parmetros sendo nmero de emisses e de excitaes de
comprimento de onda.
Mtodo nos mnimos quadrados, critrio de convergncia
de 10^-8 e um nmero mximo de iteraes de 10000.
Pelo menos cinco fatores (PAH) podem ser extrados com
confiabilidade a partir do conjunto de dados
Convergncia
Instabilidade
25
26
3.2.4 Classificao
27
4. Screening Detalhado
4.1 GC-MS
100 amostras foram
conjuntos de dados:
utilizadas
para
formar
dois
28
4.2 PCA
4.2.1 Dados
29
FIG. 10. Cromatograma GC-MS/SIM de (a) m/z 191 (terpanos) e (b) m/z 217
(esteranos). (a) contm terpanos tri e tetracclicos eluindo-se entre 30 e 38 min e
terpanos pentacclicos eluindo entre 38 e 52 min. (b) contm esteranos tricclicos
(eluindo-se entre 26 e 34 min) e esteranos tetracclicos (eluindo entre 35 e 42 min.)
Compostos selecionados de interesse so identificados a partir de [88] para 1822,29,30-Trisnorneohopane (Ts), 17-22,29,30-Trisnorhopane (Tm), 17,21-28,30Bisnorhopane (28b), 17, 21-Norhopane (29ab), 17, 21-hopane (30ab), esteranos
rearranjados (RS) e diasteranes (DAS).
30
4.2.2 Processamento
Mesmo processo 3.1.2: Remoo linha base, COW, normalizao.
31
FIG. 11. PCA Score Plots de PC1 Vs. PC2: (a) sem remoo da
linha de base, (b), sem alinhamento. Amostras de derramamento
do Bltico (crculo preto), referncias repetidas ( ), amostras de
derramamento de leo Round-Robin em triplicata ( ) e amostras
de petrleo no conjunto de calibrao ( ).
32
FIG. 11. PCA Score Plots de PC1 Vs. PC2: (c) sem
normalizao e (d) dados totalmente transformados
33
34
35
36
FIG. 13. A soma dos loadings do PC2 para WLS-PCA com meancentering (linha cheia) em
comparao com a soma cumulativa do cromatograma processado de leos na base de
dados (linha tracejada). Duas regies selecionadas com terpanos pentacclicos e esteranos
tetracclicos so mostrados.
DAS = Diasteranos RS = Esteranos rearranjados
37
38
39
40
Concluso
No trabalho, foi provido exemplos que mostram a utilidade
da quimiometria para fingerprinting de leo. Contudo, no
um modelo completo, por exemplo:
A composio qumica afetada por processos como
evaporao e dissoluo.
Misturas complexas no foram abordadas.
Solues:
Melhorar banco de dados.
Desconsiderar variveis que so afetadas por tais
processos.
41