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 and Josef HAVEL

Basic information

Original name

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

Name in Czech

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

Authors

FARKOVÁ, Marta (203 Czech Republic, guarantor), Přemysl LUBAL (203 Czech Republic) and Josef HAVEL (203 Czech Republic)

Edition

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

Other information

Language

English

Type of outcome

Článek v odborném periodiku

Field of Study

10406 Analytical chemistry

Country of publisher

Slovakia

Confidentiality degree

není předmětem státního či obchodního tajemství

Impact factor

Impact factor: 0.285

RIV identification code

RIV/00216224:14310/04:00011991

Organization unit

Faculty of Science

UT WoS

000226369100002

Keywords in English

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

Tags

Tags

International impact, Reviewed
Změněno: 25/2/2013 12:44, RNDr. Marta Farková, CSc.

Abstract

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.

In Czech

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.

Links

GA203/02/1103, research and development project
Name: Umělé neuronové sítě a plánování pokusů v analytické chemii, zejména v separačních metodách
Investor: Czech Science Foundation, Artificial neural networks and experimental design in analytical chemistry, especially in separation methods