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

Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14310%2F04%3A00011991" target="_blank" >RIV/00216224:14310/04:00011991 - isvavai.cz</a>
Result on the web
—
DOI - Digital Object Identifier
—

Result language
angličtina
Original language 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
Original language description
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.
Czech name
Predikce rovnovážných konstant ve vodném roztoku. I. Extrapolace rovnovážných konstant k nulové iontové síle s využitím PLS, umělých neuronových sítí a genetického "soft" modelování
Czech description
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.

Type
J<sub>x</sub> - Unclassified - Peer-reviewed scientific article (Jimp, Jsc and Jost)
CEP classification
CB - Analytical chemistry, separation
OECD FORD branch
—

Project
<a href="/en/project/GA203%2F02%2F1103" target="_blank" >GA203/02/1103: Artificial neural networks and experimental design in analytical chemistry, especially in separation methods</a><br>
Continuities
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Publication year
2004
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Similar results(10)