En aquesta tesi doctoral es desenvolupen models de calibratge basats en espectroscòpia infraroja (IR) per predir onze propietats de qualitat del dièsel. Per al desenvolupament dels models s'han analitzat un conjunt de mostres comercials i desulfurades recopilades durant gairebé quatre anys. S'han considerat models de calibratge basats en xarxes neuronals artificials (ANN) i regressió de mínims quadrats parcials (PLS) per modelar les relacions entre l'espectre IR i les propietats. Per al model de xarxes, s'ha desenvolupat una nova estratègia per definir els límits del domini d'aplicabilitat. Els models PLS i ANN prediuen amb precisió la densitat, el número de cetà, el contingut de FAME i la viscositat. S'exploren tres adaptacions del model de calibratge PLS per predir la densitat de mostres comercials de dièsel quan aquest és utilitzat amb mostres analitzades en un instrument diferent de l'utilitzat per desenvolupar el model. Les adaptacions emprades van ser diPLS, DOP and MU.
María Suliany Rodríguez Barrios (2024) studied this question.