Quantitative structure fate relationships for multimedia environmental analysis

Martínez Brito, Izacar Jesús

Descripció:

Las propiedades fisicoquímicas de un gran espectro de contaminantes químicos son desconocidas. Esta tesis analiza la posibilidad de evaluar la distribución ambiental de compuestos utilizando algoritmos de aprendizaje supervisados alimentados con descriptores moleculares, en vez de modelos ambientales multimedia alimentados con propiedades estimadas por QSARs. Se han comparado fracciones másicas adimensionales, en unidades logarítmicas, de 468 compuestos entre: a) SimpleBox 3, un modelo de nivel III, propagando valores aleatorios de propiedades dentro de distribuciones estadísticas de QSARs recomendados; y, b) regresiones de vectores soporte (SVRs) actuando como relaciones cuantitativas de estructura y destino (QSFRs), relacionando fracciones másicas con pesos moleculares y cuentas de constituyentes (átomos, enlaces, grupos funcionales y anillos) para compuestos de entrenamiento. Las mejores predicciones resultaron para compuestos de test y validación correctamente localizados dentro del dominio de aplicabilidad de los QSFRs, evidenciado por valores bajos de MAE y valores altos de q2 (en aire, MAE≤0.54 y q2≥0.92; en agua, MAE≤0.27 y q2≥0.92).
Key physicochemical properties for a wide spectrum of chemical pollutants are unknown. This thesis analyses the prospect of assessing the environmental distribution of chemicals directly from supervised learning algorithms using molecular descriptors, rather than from multimedia environmental models (MEMs) using several physicochemical properties estimated from QSARs. Dimensionless compartmental mass ratios of 468 validation chemicals were compared, in logarithmic units, between: a) SimpleBox 3, a Level III MEM, propagating random property values within statistical distributions of widely recommended QSARs; and, b) Support Vector Regressions (SVRs), acting as Quantitative Structure-Fate Relationships (QSFRs), linking mass ratios to molecular weight and constituent counts (atoms, bonds, functional groups and rings) for training chemicals. Best predictions were obtained for test and validation chemicals optimally found to be within the domain of applicability of the QSFRs, evidenced by low MAE and high q2 values (in air, MAE≤0.54 and q2≥0.92; in water, MAE≤0.27 and q2≥0.92).

Tipus:

info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/doctoralThesis

Coautor:

Departament d'Enginyeria Química
Universitat Rovira i Virgili.

Títol:

Quantitative structure fate relationships for multimedia environmental analysis

Idioma:

eng

Matèria:

62 - Enginyeria. Tecnologia
504 - Ciències del medi ambient

Format:

application/pdf

Autor:

Martínez Brito, Izacar Jesús

Drets:

info:eu-repo/semantics/openAccess
ADVERTIMENT. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al repositori institucional de la Universitat Rovira i Virgili. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a aquest repositori (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.

Data:

2010-05-26

Editor:

Universitat Rovira i Virgili

Matèria:

62 - Enginyeria. Tecnologia
504 - Ciències del medi ambient

Idioma:

eng

Editor:

Universitat Rovira i Virgili

Font:

TDX (Tesis Doctorals en Xarxa)

Identificador:

urn:isbn:9788469345979
http://hdl.handle.net/10803/8590

Format:

application/pdf

Paraula Clau:

backpropagation network(BPN)
artificial neural network(ANN)
unsupervised learning algorithms
uncertainty analysis
support vector regression(SVR)
quantitative property-fate relationship(QPFR)
quantitative stucture-fate relationship(QSFR)
radial basis function(RBF)
self organizing map(SOM)
supervised learning algorithms
domain of applicability(DOA)
fate estimations
molecular descriptors
multimedia environmental model (MEM)
physicochemical properties
principal component analysis(PCA)

Data:	2010-05-26
Departament/Institut:	Departament d'Enginyeria Química Universitat Rovira i Virgili.
Director:	Grifoll Taverna, Jordi Giralt, Francesc
Autor:	Martínez Brito, Izacar Jesús
Títol:	Quantitative structure fate relationships for multimedia environmental analysis

Informació