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. 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. Chemical Papers. Bratislava: Slovak Academic Press, 2004, roč. 58, č. 5, s. 299-305. ISSN 0366-6352.

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

• Originální 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: artificial neural networks, Debye-Hückel equation, equilibrium constants, genetic algorithm, partial least-squares
• Příznaky: Mezinárodní význam, Recenzováno

Anotace

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.

Anotace 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