Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Preliminary Correlations for Characterizing the Morphology of Abdominal Aortic Aneurysms as Predictor of Rupture Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

6. Uncertainty Quantification in Chromatography Process Identification Based on Markov Chain Monte Carlo

verfasst von : Mirtha Irizar Mesa, Leôncio D. Tavares Câmara, Diego Campos-Knupp, Antônio José da Silva Neto

Erschienen in: Mathematical Modeling and Computational Intelligence in Engineering Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Modeling and simulation of chromatography systems leads to better understanding of the mass transfer mechanisms and operational conditions that can be used to improve molecular separation/purification. In this chapter, parameter uncertainty produced by the model and measurement errors in a front velocity chromatography model is quantified by means of a Bayesian method, the delayed rejection adaptive metropolis algorithm, which is a variant of the Markov Chain Monte Carlo (MCMC) method. The model is also evaluated for a random sample of parameters, being then determined the uncertainty in the prediction.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel An Indirect Kernel Optimization Approach to Fault Detection with KPCA
Nächstes Kapitel Inverse Analysis of a New Anomalous Diffusion Model Employing Maximum Likelihood and Bayesian Estimation
Literatur
1.
Câmara, L.D.T.: Chromatographic columns characterization for SMB (Simulated Moving Bed) separation of glucose and fructose. In: 8th European Congress of Chemical Engineering- ECC (2011)
2.
Chib, S., Greenberg, E.: Understanding the Metropolis-Hastings algorithm. Am. Stat. 49 (4), 327–335 (1995)
3.
Cowles, M.K., Carlin, B.P.: Markov chain Monte Carlo convergence diagnostics: a comparative review. J. Am. Stat. Assoc. 91 (434), 883–904 (1996)MathSciNetCrossRefMATH
4.
Gelman, A., Carlin, J., Stern, H., Rubin, D.: Bayesian Data Analysis, 2nd edn. Chapman and Hall, London (2004)MATH
5.
Gu, T., Tsai, G.J., Tsao, G.T.: Modeling of nonlinear multicomponent chromatography. In: Tsao, G.T. (ed.) Advances in Biochemical Engineering/Biotechnology, vol. 49, pp. 45–71. Springer, Berlin (1993)
6.
Guiochon, G.: Preparative liquid chromatography. J. Chromatogr. A. 965 (1–2), 129–161 (2002)CrossRef
7.
8.
Haario, H., Laine, M., Mira, A., Saksman, E.: DRAM: efficient adaptive MCMC. Stat. Comput. 16 (4), 339–354 (2006)MathSciNetCrossRef
9.
10.
Lee, K.B., Kasat, R., Cox, G., Wang, N.: Simulated moving bed multiobjective optimization using standing wave design and genetic algorithm. Am. Inst. Chem. Eng. J. 54 (11), 2852–2871 (2008)CrossRef
11.
Nam, H.G., Mun, S.: Optimal design and experimental validation of a three-zone simulated moving bed process based on the Amberchrom-CG161C adsorbent for continuous removal of acetic acid from biomass hydrolyzate. Process Biochem. 47, 725–734 (2012)CrossRef
12.
Nam, H.G., Park, C., Jo, S.H., Suh, Y.W., Mun, S.: Continuous separation of succinic acid and lactic acid by using a three-zone simulated moving bed process packed with Amberchrom-CG300C. Process Biochem. 47, 2418–2426 (2012)CrossRef
13.
Orlande, H.R.B., Colaço, M.J., Naveira-Cotta, M.J., Guimãraes, C., Borges, V.L. (eds.): Método de Monte Carlo com Cadeia de Markov. Inverse Problems in Heat Transfer (in Portuguese), Notas em Matemática Aplicada, vol. 51, pp. 67–80. Sociedade Brasileira de Matemática Aplicada e Computacional (www.​sbmac.​org.​br) - SBMAC (2011)
14.
Roberts, G.O., Rosenthal, J.S.: Optimal scaling for various Metropolis-Hastings algorithms. Stat. Sci. 16 (4), 351–367 (2001)MathSciNetCrossRefMATH
15.
Solonen, A.: Monte Carlo Methods in Parameter Estimation of Nonlinear Models. Master’s Thesis, Lappeenranta University of Technology (2006)
Metadaten
Titel
Uncertainty Quantification in Chromatography Process Identification Based on Markov Chain Monte Carlo
verfasst von
Mirtha Irizar Mesa
Leôncio D. Tavares Câmara
Diego Campos-Knupp
Antônio José da Silva Neto
Copyright-Jahr
2016
Buch
Mathematical Modeling and Computational Intelligence in Engineering Applications

Print ISBN: 978-3-319-38868-7

Electronic ISBN: 978-3-319-38869-4

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-38869-4_6

Premium Partner

    Marktübersichten

    Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen. 

    Zur Marktübersicht
    Bildnachweise