Cantitate/Preț
Produs

Chemometrics: Advances in Applications and Research

Editat de Larry D Crenshaw
en Limba Engleză Hardback – 10 oct 2022

În cadrul volumului Chemometrics, editat de Larry D Crenshaw, remarcăm o focalizare riguroasă pe soluționarea unor probleme critice de autenticitate alimentară prin instrumente matematice avansate. Un punct central al lucrării îl reprezintă capitolul al doilea, unde este detaliată utilizarea spectroscopiei H-NMR pentru identificarea fraudelor în comercializarea uleiului de măsline. Prin aplicarea tehnicilor de recunoaștere a formelor, autorii propun un arbore de decizie capabil să distingă între amestecurile legale și cele etichetate fals, oferind o metodologie robustă pentru controlul calității.

Observăm că lucrarea nu se limitează doar la aplicații practice, ci explorează și fundamentul teoretic al prelucrării datelor. În capitolul al patrulea, sunt analizate metodele de învățare nesupravegheată, precum PCA și HCA. Acestea permit cercetătorilor să identifice structuri de date și corelații fără a introduce preconcepții subiective, un aspect esențial în cercetarea chimică modernă unde volumul de date este imens. Comparabil cu Analytical and Chemometric Tools de Alessandra Biancolillo în rigurozitate, volumul de față aduce o perspectivă actualizată prin integrarea abordărilor metabolomice pentru evaluarea stabilității produselor vegetale.

Structura editorială sub sigla Nova facilitează o parcurgere logică, de la modelarea spectrală la strategii complexe de regresie multivariată. Reținem utilitatea acestui format Hardback pentru laboratoarele de chimie analitică ce necesită un ghid metodologic durabil. Deși tematica este similară cu cea din Characterization and Authentication of Olive and Other Vegetable Oils, lucrarea editată de Crenshaw se distinge prin accentul pus pe algoritmii statistici de transfer și pe eliminarea erorilor de interpretare umană în analiza spectrală.

Citește tot Restrânge

Preț: 106049 lei

Preț vechi: 123313 lei
-14%

Puncte Express: 1591

Carte disponibilă

Livrare economică 07-21 mai


Specificații

ISBN-13: 9798886972740
Greutate: 0.53 kg
Editura: Nova
Colecția nova
Locul publicării:United States

De ce să citești această carte

Această lucrare este esențială pentru specialiștii în chimie analitică și siguranță alimentară care doresc să implementeze metode statistice avansate. Cititorul câștigă acces la studii de caz concrete privind detectarea fraudelor prin H-NMR și tehnici de analiză multivariată (PCA, HCA) care reduc subiectivitatea în interpretarea datelor. Este un instrument valoros pentru rafinarea protocoalelor de laborator și autentificarea riguroasă a produselor vegetale.


Descriere

Chemometrics is a discipline of chemistry that finds correlation between specific data using mathematical and statistical methods. During any thorough research, the scientists are handling vast amounts of data related to the samples which are being researched. In this type of research, finding the correlation (similarities or differences) between analyzed samples and data is of great importance. In the first chapter, commonly used chemometrics for spectral modeling transfer is examined. The second chapter provides an analytical tool to detect fraud when olive oil is illegally blended with VOs or a 'legal' blend is falsely labelled with respect to the botanical nature of the oils mixed and/or the percentage of each oil in the declared mixture. H-NMR spectral data of olive and virgin olive oils and their mixtures with the VOs most commonly used to make blends was analysed by pattern recognition techniques to develop multivariate classification and regression models, which were organised in a decision tree to afford a stepwise strategy for the aimed purposes. The next chapter focuses on a metabolomics approach based on H-NMR fingerprinting and multivariate data analysis for virgin olive oil stability assessments. In the fourth chapter, the authors review unsupervised methods using both principal component analysis (PCA) and hierarchical cluster analysis (HCA). Using these methods, they were able to spot the correlation between the samples and underlying data structures without the potential bias of scientists about the previous knowledge of data samples.