Quantitative structure fate relationships for multimedia environmental analysis

Martínez Brito, Izacar Jesús

Pertenece a la colección TDX:SerieTesis

TÍTULO:

Quantitative structure fate relationships for multimedia environmental analysis - TDX:372

Handle:

http://hdl.handle.net/20.500.11797/TDX372

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

Busca tu registro en:

Archivos desponibles
Archivo	Descripción	Formato
Memoria	Memoria	application/pdf

Todos los objetos de esta colección

Descripción:	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).
Tipo:	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
Materia:	62 - Enginyeria. Tecnologia 504 - Ciències del medi ambient
Formato:	application/pdf
Autor:	Martínez Brito, Izacar Jesús
Derechos:	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.
Fecha:	2010-05-26
Editor:	Universitat Rovira i Virgili
Materia:	62 - Enginyeria. Tecnologia 504 - Ciències del medi ambient
Idioma:	eng
Editor:	Universitat Rovira i Virgili
Fuente:	TDX (Tesis Doctorals en Xarxa)
Identificador:	urn:isbn:9788469345979 http://hdl.handle.net/10803/8590
Formato:	application/pdf
Palabra clave:	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)

Información