Banca de DEFESA: JOÃO BATISTA DE SOUSA COSTA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: JOÃO BATISTA DE SOUSA COSTA
DATA: 28/06/2021
HORA: 09:00
LOCAL: Defesa por vídeoconferência
TÍTULO: Uma Estratégia de Validação Híbrida para Calibração Multivariada Baseada na Seleção de Amostras Fixadas pelo Algoritmo SPXY
PALAVRAS-CHAVES: Validação Cruzada;KS;SPXY;Calibração Multivariada; Amostras fixa;PLS;APS-MLR
PÁGINAS: 100
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Química
SUBÁREA: Química Analítica
RESUMO: O presente trabalho teve como objetivo desenvolver e validar uma estratégia de validação híbrida para de calibração APS-MLR, na qual os problemas de extrapolação não afetem a capacidade preditiva do modelo. As amostras selecionadas devem ser representativas de todo o conjunto amostral, para assim evitar que amostras fora dos espaço amostral sejam preditas. O Processo de validação hibrida apresentada um modo misto pra seleção de amostras, que o diferencia dos diferentes tipos de validação . A seleção mista de amostras utiliza um modo de seleção randômico de amostras de calibração e um algoritmo baseado em distância euclidiana para selecionar as amostras de fronteira.O algoritmo SPXY é usado para selecionar as amostras mais representativas do conjunto de dados que permanecerão fixas durante a etapa de calibração do modelo e as amostras restantes são divididas de forma aleatoria em conjunto de calibração e predição. Para avaliar o desempenho do dessa propostas dois casos são estudados. O primeiro referente ao conjuto de dados de milho, onde o parâmetro determinado foi o teor de umidade. No segundo conjunto de dados de trigo no qual foi determindado o conteudo de proteina. Os modelos PLS-CVLOOAF obtiveram bons resultados em termos de RMSECV quando amostras fixas são adiconadas na etapa de calibração. No conjuto de trigo os valores de RMSECV são expressados em termos de media para 20 execuções, onde observa-se que o modelo com nove amostras adicionadas é o melhor modelo com RMSECV 0,212%(m/m), enquanto o modelo com nenhuma amostra adicionadas apresentou o pior desempenho com 0,235%(m/m). Para os dados de milho o menor RMSE medio 0,0121%(m/m) quando doze amostras fixas são adicionadas e 0,0140%(m/m) com x zero amostras fixas.Com essa abordagem PLS adotada para os conjuntos de dados, não foi possivel avaliar a variabilidade do RMSEP em função do indice de amostras, pois o mesmo não apresentava variabilidade significativa dos resultados para as vinte execuções, impossibilitando assim uma melhor avaliação para a modelagem proposta. Na abordagem APS-MLR foi possivel observar uma variabilidade em termos de RMSE e RMSEP, tornando possivel a avaliação da influencia da adição de amostras na capacidade preditiva do modelo. Os modelos que tiveram amostras estacionarias adicionadas no conjunto de calibração apresentaram maiores coeficiente de correlação tanto pro conjunto de dados de milho quanto pro conjunto de dados de trigo que foram 0,99961 e 0,9934 e selecionaram um menor numero de variaveis. Os valores de RMSEP e RMSE para os dois conjuntos de dados apresentaram um diminuição significativa quando essas amostras são mantidas fixas na devida ordem 0,194%(m/m) e 0,163%(m/m) para o conjunto de dados de trigo e para o conjunto de dados de milho 0,0121% e 0,0061%(m/m). O modelo de validação hibrida com seleção de amostras fixas via algoritmo KSXY, demonstraram bons resultados em modelos de calibração com seleção de variaveis e proporcionou uma melhora na capacidade preditiva da modelagem e gerou modelos de calibração mais parcimoniosos, possibilitando assim minimizar problemas com extrapolação do modelo.
MEMBROS DA BANCA:
Presidente - 1228750 - EDVAN CIRINO DA SILVA
Externo à Instituição - PATRICIA KAORI SOARES
Interno - 1333638 - RICARDO ALEXANDRE CAVALCANTI DE LIMA