A General Approach to Molecular Reconstruction Accuracy Estimation

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

A generalization to a few molecular reconstruction methods has been proposed along with a general approach for the accuracy estimation of molecular reconstruction methods. The proposed algorithm estimates the covariance matrix of model parameters based on the matrix of calculated property derivatives with respect to the model parameters and the covariance matrix of measurement error, which allows one to estimate the concentration range in which the solution will not violate collected experimental data. The proposed algorithm is especially easy to use when forward automatic differentiation is employed to find derivatives.

Full Text

Restricted Access

About the authors

N. A. Glazov

Boreskov Institute of Catalysis, SB RAS

Author for correspondence.
Email: glazov@catalysis.ru
Russian Federation, 5 Lavrentiev Ave., Novosibirsk, 630090

A. N. Zagoruiko

Boreskov Institute of Catalysis, SB RAS

Email: glazov@catalysis.ru
Russian Federation, 5 Lavrentiev Ave., Novosibirsk, 630090

References

  1. Зайнуллин Р.З., Коледина К.Ф., Губайдуллин И.М., Ахметов А.Ф., Коледин С.Н. // Кинетика и катализ. 2020. Т. 61. № 4. С. 550. (Zaynullin R.Z., Koledina K.F., Gubaydullin I.M., Ahmetov A.F., Koledin S.N. Kinetic Model of Catalytic Gasoline Reforming with Consideration for Changes in the Reaction Volume and Thermodynamic Parameters // Kinet. Catal. 2020. V. 61. P. 613. https://doi.org/10.1134/S002315842004014X)
  2. Заварухин С.Г., Яковлев В.А. // Кинетика и катализ. 2021. Т. 62. № 5 С. 647. (Zavarukhin S.G., Yakovlev V.A. Mathematical Modeling of the Nonisothermal Pyrolysis of Sorghum Biomass Based on a Three-Component Kinetic Model // Kinet. Catal. 2021. V. 62. P. 688. https://doi.org/10.1134/S0023158421050128)
  3. Zagoruiko A.N., Belyi A.S., Smolikov M.D, Noskov A.S. // Catal. Today. 2014. V. 220–222. P. 168.
  4. Temkin O.N., Zeigarnik A.V., Kuzmin A.E., Bruk L.G., Slivinskii E.V. // Russ. Chem. Bull. 2002. V. 51. № 1. Р. 1.
  5. Ren Y., Liao Z., Sun J., Jiang B., Wang J., Yang Y., Wu Q. // Chem. Eng. 2019. V. 257. P.761.
  6. Hudebine D., Verstraete J.J. // Oil Gas Sci. Technol. 2011. V. 66. № 3. P. 437.
  7. Neurock M., Libanati C., Nigam A., Klein M.T. // Chem. Eng. Sci. 1990. V. 45. № 8. P. 2083.
  8. Neurock M., Nigam A., Trauth D., Klein M.T. // Chem. Eng. Sci. 1994. V. 49. № 24. P. 4153.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Dependence of the calculated average molecular mass on the model parameter: a wide range of molecular masses corresponds to a narrow range of parameters (a) and a narrow range of molecular masses corresponds to a wide range of parameters (b).

Download (20KB)
Indexing metadata
3. Fig. 2. Dependence of the error of the found parameter on the parameter value.

Download (12KB)
Indexing metadata
4. Fig. 3. Dependence of the average absolute error in determining concentration on the model parameter.

Download (12KB)
Indexing metadata
5. Fig. 4. Dependence of the calculated molecular mass of the mixture on the value of the model parameter for exact and imprecise constraints.

Download (19KB)
Indexing metadata
6. Fig. 5. Average molecular weight (a) and mass fraction of carbon (b) of the mixture depending on the model parameters.

Download (29KB)
Indexing metadata
7. Fig. 6. Dependence of the logarithm of the standard deviation of the mean (a) and variance (b) on the true parameters of the model.

Download (36KB)
Indexing metadata
8. Fig. 7. Dependence of the logarithm of the standard deviation of the mean (a), variance (b) and correlation coefficient (c).

Download (28KB)
Indexing metadata


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».