Для цитирования:
Лобачев А. Л., Фомина Н. В., Монахова Ю. Б. Идентификация нефтей Cамарской области с использованием метода главных компонент и факторного дискриминантного анализа // Известия Саратовского университета. Новая серия. Серия: Химия. Биология. Экология. 2015. Т. 15, вып. 1. С. 23-27. DOI: 10.18500/1816-9775-2015-15-1-23-27
Идентификация нефтей Cамарской области с использованием метода главных компонент и факторного дискриминантного анализа
Разработка методов идентификации месторождений нефти является приоритетной задачей нефтяной промышленности. В ходе исследования были определены следующие параметры для 2963 образцов нефти с пяти месторождений Самарской области: плотность, выход фракций при температуре 200 оС и 300 оС, массовая доля серы, содержание сероводорода, метил- и этилмеркаптанов, массовая концентрация хлористых солей и давление насыщенных паров. Матрица экспериментальных данных обработана с помощью хемометрического метода главных компонент (МГК) и факторного дискриминантного анализа (ФДА). Полученные модели позволяют определять месторождение образцов нефти с вероятностью практически 100%. Проведена проверка хемометрических моделей с помощью независимого тестового набора, которая показала достоверность и устойчивость моделей. Результаты проведенного анализа свидетельствуют о перспективности применения хемометрических методов для дискриминации образцов нефти различных месторождений Самарской области, а подобный подход может быть использован и для классификации образцов нефти из других регионов.
1. Вигдергауз М. С. Аналитическая химия нефти. Куйбышев : Куйбыш. гос. ун-т, 1990. 27 с.
2. Семенов В. А. Экоаналитическая идентификация источников загрязнений нефтяными углеводородами // Разведка и охрана недр. 2005. № 5. С. 57–61.
3. Cordella С. B. Y., Bertrand D. SAISIR : A new general chemometric toolbox // Trends Anal. Chem. 2014. Vol. 54. P. 75–82.
4. Wold S., Esbensen K., Geladi P. Principal component analysis // Chemom. Intell. Lab. Syst. 1987. Vol. 2. P. 37–52.
5. Benzecri J. P. Analyse Discriminante et Analyse Factorielle // Les Cahiers de l’Analyse des Donnees. 1977. Vol. 2. P. 369–406.
6. Родионова О. Е., Померанцев А. Л. Хемометрика: достижения и перспективы // Успехи химии. 2006. Т. 75, № 4. С. 302–321.
7. Monakhova Y. B., Kuballa T., Leitz J., Andlauer C., Lachenmeier D. W. NMR spectroscopy as a screening tool to validate nutrition labeling of milk, lactose-free milk, and milk substitutes based on soy and grains // Dairy Sci. Technol. 2012. Vol. 92. P. 109–120.
8. Macnaughtan Jr. D., Rogers L. B., Wernimont G. Principalcomponent analysis applied to chromatographic data // Anal. Chem. 1972. Vol. 44. P. 1421–1427.
9. Gergen I., Harmanescu M. Application of principal component analysis in the pollution assessment with heavy metals of vegetable food chain in the old mining areas // Chem. Central J. 2012. Vol. 6. P. 156–162.
10. Mouly P. P., Arzouyan C. R., Gaydou E. M., Estienne J. M. Differentiation of citrus juices by factorial discriminant analysis using liquid chromatography of flavanone glycosides // J. Agric. Food Chem. 1994. Vol. 42. P. 70–79.
11. Hammamia M., Rouissia H., Salaha N., Selmia H., Al-Otaibib M., Bleckerc C., Karoui R. Fluorescence spectroscopy coupled with factorial discriminant analysis technique to identify sheep milk from different feeding // Food Chem. 2010. Vol. 122. P. 1344– 1350.