J 2004

Prediction of equilibrium constants in aqueous solution. I. The extrapolation of equilibrium constants to zero ionic strength using PLS, artificial neural networks, and genetic "soft" modelling

FARKOVÁ, Marta, Přemysl LUBAL a Josef HAVEL

Základní údaje

Originální název

Prediction of equilibrium constants in aqueous solution. I. The extrapolation of equilibrium constants to zero ionic strength using PLS, artificial neural networks, and genetic "soft" modelling

Název česky

Predikce rovnovážných konstant ve vodném roztoku. I. Extrapolace rovnovážných konstant k nulové iontové síle s využitím PLS, umělých neuronových sítí a genetického "soft" modelování

Autoři

FARKOVÁ, Marta (203 Česká republika, garant), Přemysl LUBAL (203 Česká republika) a Josef HAVEL (203 Česká republika)

Vydání

Chemical Papers, Bratislava, Slovak Academic Press, 2004, 0366-6352

Další údaje

Jazyk

angličtina

Typ výsledku

Článek v odborném periodiku

Obor

10406 Analytical chemistry

Stát vydavatele

Slovensko

Utajení

není předmětem státního či obchodního tajemství

Impakt faktor

Impact factor: 0.285

Kód RIV

RIV/00216224:14310/04:00011991

Organizační jednotka

Přírodovědecká fakulta

UT WoS

000226369100002

Klíčová slova anglicky

Debye-Hückel equation; equilibrium constants; artificial neural networks; genetic algorithm; partial least-squares

Štítky

Příznaky

Mezinárodní význam, Recenzováno
Změněno: 25. 2. 2013 12:44, RNDr. Marta Farková, CSc.

Anotace

ORIG CZ

V originále

Extrapolation of formation constants to zero ionic strength using "soft" modelling with partial least-squares, genetic algorithm, and artificial neural networks (ANN) methods was examined and results of individual approaches were compared. The methods allow a rapid and sufficiently accurate prediction of thermodynamic formation constants, ion-size parameters, and salting-out coefficients from experimental equilibrium data, among them the ANN method was found most reliable.

Česky

Byla vyzkoušena extrapolace konstant stability k nulové iontové síle s využitím "soft" modelování metodami PLS, genetických algoritmů a umělých neuronových sítí (ANN) a byly srovnány výsledky jednotlivých přístupů. Metody dovolují rychlou a dostatečně přesnou predikci termodynamických konstant stability, parametrů iontové velikosti a koeficientů vysolování z experimentálních rovnovážných dat. Jako nejspolehlivější se ukázala metoda ANN.

Návaznosti

GA203/02/1103, projekt VaV
Název: Umělé neuronové sítě a plánování pokusů v analytické chemii, zejména v separačních metodách
Investor: Grantová agentura ČR, Umělé neuronové sítě a plánování pokusů v analytické chemii, zejména v separačních metodách