Comparação de modelos estatísticos para calibração na análise espectrofotométrica UV-Vis de corantes : um estudo de precisão e eficiência

Abstract

Os corantes são amplamente empregados na indústria, estando presente durante os processos produtivos bem como nos resíduos industriais, exigindo uma rigorosa quantificação de suas concentrações tanto para garantir a segurança alimentar como para cumprir a legislação ambiental. Em misturas reais, muitas vezes são empregados mais de um corante simultaneamente, e sua quantificação deve ser realizada pela técnica de análise multivariada. Nesse contexto, empregou-se esse método quimiométrico para avaliação de dados de amostras analisadas por espectrofotometria UV-Vis com o objetivo de determinar com precisão e exatidão a concentração de misturas com múltiplos corantes, mesmo em sistemas complexos. Este trabalho propõe o emprego de técnicas de seleção de variáveis, como a seleção baseada em variáveis ortogonalizadas por matriz de correlação e a seleção por diminuição do resíduo espectral teórico. Além disso, para comparar diferentes métodos de calibração para a determinação da concentração em amostras com múltiplos corantes foram empregados: regressão por mínimos quadrados parciais (PLS) e redes neurais (RN). A seleção de variáveis usando o critério de maior ortogonalidade da matriz de correlação mostrou uma melhoria significativa na regressão por PLS, embora o impacto da seleção de variáveis nas metodologias de regressão por redes neurais tenha sido menos expressivo. Entretanto, as técnicas de regressão por PLS e por redes neurais demonstraram melhores resultados gerais para a calibração da espectrofotometria por UV-vis para misturas com múltiplos corantes.

Dyes are widely employed in the industry, being present both during production processes and in industrial waste, requiring rigorous quantification of their concentrations to ensure food safety and comply with environmental legislation. In real mixtures, more than one dye is often used simultaneously, and their quantification must be performed using multivariate analysis techniques. In this context, this chemometric method was applied to evaluate sample data analyzed by UV-Vis spectrophotometry to accurately and precisely determine the concentration of mixtures containing multiple dyes, even in complex systems. This work proposes the use of variable selection techniques, such as selection based on orthogonalized variables through a correlation matrix and selection by reducing the theoretical spectral residue. Additionally, to compare different calibration methods for determining concentrations in samples with multiple dyes, partial least squares regression (PLS) and neural networks (NN) were employed. Variable selection using the criterion of greater orthogonality of the correlation matrix showed significant improvement in PLS regression, although the impact of variable selection on neural network regression methodologies was less pronounced. Nevertheless, PLS and neural network regression techniques demonstrated overall better results for UV-Vis spectrophotometric calibration in mixtures with multiple dyes.