ODORYMETRIA Nowe metody pomiarów

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 1 SPRAWOZDANIE Z REALIZACJI PROJEKTU BADAWCZEGO pt. ODORYMETRIA Nowe metody pomiarów Umowa Nr 139/T/5/9 Kierownik projektu: Adres prywatny: Prof. dr hab. inŝ. JOANNA KOŚMIDER, prof. nadzw. PS ul. Curie Skłodowskiej 1 m.1, 71-33 SZCZECIN Miejsce zatrudnienia: POLITECHNIKA SZCZECIŃSKA Wydział Technologii i InŜynierii Chemicznej Instytut InŜynierii Chemicznej i Procesów Ochrony Środowiska Zakład Ekologicznych Podstaw InŜynierii Środowiska Pracownia Zapachowej Jakości Powietrza Aleja Piastów, 71-5 SZCZECIN tel. (-91) 9-5-35; 9-5-19 e-mail: Joanna.Kosmider@ ps.pl

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów SPIS TREŚCI Cel i zakres badań 3 Zadanie 1 (grudzień 5 grudzień 7) 5 Badania stopnia zróŝnicowania węchowej wraŝliwości studentów WTiICh PS - uczestników pomiarów sensorycznych Zadanie (grudzień 5 grudzień ) 13 Opracowanie neuronowych modeli zaleŝności cech zapachu powietrza zanieczyszczonego n-butanolem (B), acetonem (A) i etanolem (E) od chromatograficznych zmiennych objaśniających (kolejne lub przesiane sygnały detektora FID) Zadanie 3 (listopad lipiec 7) Badania moŝliwości wykorzystania systemu GC(FID)-NN do identyfikacji wieloskładnikowych mieszanin zanieczyszczeń powietrza 3A. Benzyna silnikowa z domieszkami metanolu i etanolu 3B. Mieszaniny benzyny silnikowej i rozpuszczalnika ftalowego 33 3C. Rozpoznawcze badania moŝliwości klasyfikacji fosforytów pod kątem ich potencjalnej zapachowej uciąŝliwości podczas produkcji kwasu fosforowego i superfosfatu. Zadanie (maj 7 grudzień 7) 5 Opracowanie aplikacji wykorzystującej algorytmy graficznej analizy podobieństwa obrazów dla przebiegów chromatogramów substancji zapachowo czynnych (opracowanie: Mariusz Witkowski, Barbara Mazur- Chrzanowska) Zadanie 5 (lipiec 7 grudzień 7) 5 Badania moŝliwości rozpoznawania mieszanin węglowodorów z uŝyciem SPME i zestawu detektorów FID_FPD 3 PODSUMOWANIE 5 Publikacje zawierające wyniki realizacji projektu badawczego 57

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 3 Cel i zakres badań Cele PB ODORYMETRIA. Nowe metody pomiarów określono na podstawie wyników uzyskanych w czasie realizacji PB INTENSYWNOŚĆ ZAPACHU Prawa psychofizyczne i sztuczne sieci neuronowe (1-3, Nr 7 T9C 5 1) oraz równolegle prowadzonych badań własnych. Za najwaŝniejszy cel uznano określenie moŝliwości wykorzystywania systemu GC-NN (chromatografia gazowa + sieci neuronowe) jako uproszczonego sztucznego węchu. Istotę koncepcji przedstawiono na rysunku 1. Wyniki badań poprzedzających sformułowanie koncepcji były publikowane w latach 1-5 (p. piśmiennictwo do Cel i zakres badań ). Rys. 1. ZałoŜenia koncepcji systemu GC-NN pełniącego funkcje elektronicznego nosa Stwierdzono, Ŝe jest celowa kontynuacja badań moŝliwości: uzyskania pełniejszej zapachowej charakterystyki analizowanych próbek dzięki wykorzystaniu większej liczby zmiennych objaśniających (danych chromatograficznych), częściowej automatyzacji procesu gromadzenia danych. Problemy te objął niniejszy projekt badawczy. W toku realizacji program został rozszerzony o zagadnienia wynikające z wprowadzenia przez Polski Komitet Normalizacyjny normy Air quality Determination of odour concentration by dynamic olfaktometry, PN-EN 1375:5(U) i PN-EN 1375:7. Dodatkowo podjęto próby udoskonalenia metod opracowywania zbiorów danych chromatograficznosensorycznych dzięki wykorzystaniu zamiast ANN - technik rozpoznawania obrazów.

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów W okresie realizacji projektu Wykonawcy: 1. zgromadzili bogaty zbiór danych doświadczalnych, charakteryzujących stopień zróŝnicowania i zmienność węchowej wraŝliwości studentów kierunku Ochrona środowiska - uczestników pomiarów sensorycznych,. opracowali neuronowe modele zaleŝności cech zapachu powietrza zanieczyszczonego n-butanolem (B), acetonem (A) i etanolem (E) od chromatograficznych zmiennych objaśniających (kolejne lub przesiane sygnały detektora FID), 3. opracowali neuronowe modele umoŝliwiające wykorzystanie chromatograficznych zmiennych objaśniających do identyfikacji wieloskładnikowych mieszanin zanieczyszczeń powietrza (przedmiot badań: benzyna silnikowa z domieszkami metanolu i etanolu, mieszaniny benzyny silnikowej z rozpuszczalnikiem ftalowym),. podjęli próby wykorzystania technik analizy skupień i rozpoznawania obrazów podczas klasyfikacji chromatogramów próbek zanieczyszczonego powietrza na podstawie podobieństwa do wzorców, 5. rozpoczęli badania moŝliwości rozpoznawania chromatogramów zanieczyszczeń fosforytów stosowanych w produkcji kwasu fosforowego i superfosfatu,. rozpoczęli badania moŝliwości rozpoznawania chromatogramów mieszanin węglowodorów (o róŝnej zawartości siarki) z uŝyciem SPME i zestawu detektorów FID_FPD. Piśmiennictwo cyt. w pkt Cel i zakres badań : 1. Kośmider J., Zamelczyk-Pajewska M.: Trening sieci neuronowej określającej intensywność zapachu. InŜ. Chem. i Proc., 5-, 1. Kośmider J., Zamelczyk-Pajewska M.: Sieć neuronowa oceniająca zapach cykloheksanu i heksanu. InŜ. Chem. i Proc. 3, 7-1, 3. Kośmider J., Zamelczyk-Pajewska M., Wyszyński B.: Odour of mixtures of cyclohexane and cyclohexanone. Arch. Ochr. Środ. (), 9-3,. Kośmider J., Zamelczyk-Pajewska M.: Odour Intensity Assessment Using GC-ANN Method, th Sensometrics Meeting: The Sixth Sense, Dortmund,, s. 59-1 5. Zamelczyk-Pajewska M.: Sztuczne sieci neuronowe w odorymetrii, praca doktorska (promotor: dr hab. inŝ. J. Kośmider), WTiICh PS, Szczecin 3. Krajewska B., Kośmider J.: Level of information noise and perspective of odour assessing GC- NN system. Intern. Conf. Environmental Odour Management, Kolonia, 17-19 listopada, str. 51-5 7. Kośmider J., Zamelczyk-Pajewska M., Krajewska B.: Intensywność zapachu gazów przemysłowych. MoŜliwość pomiarów instrumentalnych. Ochrona Powietrza, 5 1,. Krajewska B.: Monitoring zapachu z uŝyciem GC-NN. Analizator intensywności zapachu (1 zmiennych objaśniających) praca dyplomowa, WTiICh PS Szczecin 3, II nagroda w Konkursie Ministra Środowiska Nauka na rzecz ochrony środowiska i przyrody na najlepsze prace magisterskie przygotowane w polskich szkołach wyŝszych w 3 roku (promotor: prof. dr hab. inŝ. Joanna Kośmider) 9. Kośmider J., Krajewska B.: Odour Chromatography GC Detector Treated as Sensors Field. International Symposium on Olfaction and Electronic Noses ISOEN 5, Barcelona, 13-15 kwietnia 5 1. Kośmider J., Krajewska B.: GC-NN system evaluating odour quality, Arch. Ochr. Środ. 1, 3 1, 5

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 5 Zadanie 1 (-7) Badania stopnia zróŝnicowania węchowej wraŝliwości studentów WTiICh PS uczestników pomiarów sensorycznych W pierwszym etapie realizacji zadania (grudzień 5 - kwiecień ) badania wraŝliwości sensorycznej wykonywano określając wartości indywidualnych oszacowań progu węchowej wyczuwalności n-butanolu, octanu etylu i heksanalu. Pomiary wykonano stosując trzy metody pomiarów olfaktometrycznych: A. metodę olfaktometrii dynamicznej z wykorzystaniem olfaktometru TO7, zgodną z EN 1375 (rys. ) B. metodę ekstrapolacyjną, opracowaną w Politechnice Szczecińskiej, C. testy róŝnicowe trójkątowe, wykonywane metodą statyczną (Japanese Triangle Bag Metod [Nagata Y., Measurement of Odor Threshold by Triangle Odour Bag Metod; Bulletin of Japan Environmental Sanitation Center 19, 17pp]; (rys. 3). Pomiary wykonywano w pomieszczeniach Pracowni Zapachowej Jakości Powietrza, wyposaŝonych w wysokosprawną instalację wentylacyjno-klimatyzacyjną. W skład zespołów oceniających zapach wchodzili studenci Politechniki Szczecińskiej (kierunek kształcenia: Ochrona Środowiska - ćwiczenia laboratoryjne z przedmiotu Odorymetria, prace dyplomowe oraz zajęcia nadobowiązkowe). W części pomiarów uczestniczyli współpracownicy z Tokyo Metropolitan Government (Research Institute for Environmental Protection) Mr. Hiroyuki Ueno i Mrs. Saeko Amano. Rys.. Pomiar stęŝenia zapachowego metodą rozcieńczeń dynamicznych (PN-EN 1375)

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów Rys. 3. Pomiar stęŝenia zapachowego metodą trójkątową (rozcieńczenia statyczne) Podstawowe próbki powietrza były przygotowywane przez wprowadzanie do odmierzonych ilości powietrza, oczyszczonego w filtrze z węglem aktywnym, określonych ilości badanych związków (preparaty czystości do chromatografii gazowej ). StęŜenia zanieczyszczeń w próbkach podstawowych oznaczano chromatograficznie z uŝyciem chromatografu SRI 1C. Stwierdzono występowanie znacznych róŝnic między wynikami oznaczeń progu wyczuwalności, wykonanymi w Szczecinie z uŝyciem czterostanowiskowego olfaktometru TO7 produkcji ECOMA i przy udziale zespołu polskiego, a wynikami wcześniej zebranymi w Tokio, z uŝyciem olfaktometru dwustanowiskowego Oftaktomat-n produkcji OdourNet Holding BV. RóŜnice te były prawdopodobnie konsekwencją zróŝnicowania węchu uczestników pomiarów oraz konstrukcyjnych róŝnic między olfaktometrami, wymuszających zastosowanie róŝnych technik analizy sensorycznej. W urządzeniach Olfaktomat-n kaŝde stanowisko jest wyposaŝone w dwa porty wylotowe (http://www.odournet.com/tools_analysis.html), co umoŝliwia bezpośrednie porównania zapachu rozcieńczonej próbki i powietrza odniesienia. Port, z którego jest prezentowana próbka jest losowo zmieniany, a zadaniem oceniających jest jego wskazanie na podstawie zapachu. W aparatach serii TO powietrze zanieczyszczone i powietrze odniesienia są prezentowane naprzemiennie przez ten sam port (w odstępach 3-sekundowych). Pomiary muszą być wykonywane metodą TAK/NIE, czyli w oparciu o odpowiedzi czuję zapach lub nie czuję. Porównywanie zapachu próbki z zapachem powietrza odniesienia, prezentowanego przed próbką, budzi wątpliwości (nie jest to powietrze zupełnie czyste).

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 7 Jest niewątpliwe, Ŝe najbardziej wiarygodne wyniki oznaczeń progów wyczuwalności i stęŝenia zapachowego uzyskuje się stosując olfaktometry wielostanowiskowe (co najmniej dwustanowiskowe) i róŝnicowe techniki pomiarów sensorycznych. W drugim etapie realizacji zadania 1 (październik - grudzień 7) badania wraŝliwości węchowej prowadzono głównie z uŝyciem olfaktometru dynamicznego TO7. W pomiarach uczestniczyło około studentów WTiICh PS. W tabeli 1 zestawiono dla przykładu wyniki zgromadzone w czasie jednego dnia pomiarów progu węchowej wyczuwalności acetonu. Większą uwagę zwrócono na wyniki badań dotyczących węchowej wraŝliwości na zapach n-butanolu, uznanego za wzorzec europejski.. Zgodnie z PN-EN 1375 pomiary stęŝenia zapachowego powinny być wykonywane przez zespół, którego członkowie spełniają następujące kryteria: średnia geometryczna z co najmniej dziesięciu indywidualnych oszacowań progu ITE n-butanol mieści się w zakresie od µg/m 3 do µg/m 3 (- ppb), antylogarytm z odchylenia standardowego logarytmów ITE n-butanol (s ITE ) jest mniejszy niŝ,3. W warunkach laboratorium niekomercyjnego moŝliwości spełnienia wymogu systematycznej kontroli węchu oceniających i ich selekcji są ograniczone. Wykonując pomiary z udziałem przypadkowo dobranych grup oceniających (takich jak studenckie grupy ćwiczeniowe) trzeba liczyć się z tym, Ŝe część wyników powinna być odrzucona w toku weryfikacji wstecznej. Wyniki zgromadzone podczas realizacji projektu pozwalają przewidywać, jaka powinna być początkowa liczebność zespołu oceniających, aby pomiar był waŝny (aby kryteria wstępnej selekcji i weryfikacji wstecznej spełniały co najmniej osoby). W tabelach i 3 zestawiono wyniki kilku sesji pomiarów indywidualnego progu n-butanolu (ITE n-butanol ), wykonanych przez jedną ze studenckich grup ćwiczeniowych. Stwierdzono, Ŝe oba warunki normy spełniało około 5% studentów. Rysunek ilustruje statystyczny rozkład uzyskanych wartości ITE n-butanol. Zmienność wraŝliwości węchu osób, które spełniały kryteria normy, przedstawiono na rysunku 5. Tabela 1. Wyniki indywidualnych oszacowań progu wyczuwalności acetonu (ITE aceton ), zgromadzone w czasie jednego dnia pomiarów (czerwonym kolorem czcionki wyróŝniono sytuacje, w których oceniający wyczuwał zapach najbardziej rozcieńczonej próbki serii rozcieńczeń) Próbka podstawowa c = 59 ppm acetonu Odour threshold panellist protocol (dilutions): Z TAK Z ITE ITE [ppm] 13..7 1:5H Z = 1 37 sequence start step SmuŜniak A. Tomaka A. Saja T. Wiącek K. SmuŜniak A. Tomaka A. Saja T. Wiącek K. SmuŜniak A. Tomaka A. Saja T. Wiącek K. 1 19 3 19 1 9 53 775 3 1393 97,5,,1, 19 1 19 1 91 3 775 1737 9,1, 3, 3 19 1 9 1 5 1737 1393 3 3733 3,,1 1,5 19 1 9 1 5 3 1393 3 3733,1,,1 1,5 51 19 13 51 1,3,3 5,1,9

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 13..7 11:H Z = 37 sequence start step SmuŜniak A. Sikora A. Saja T. Wiącek K. SmuŜniak A. Sikora A. Saja T. Wiącek K. SmuŜniak A. Sikora A. Saja T. Wiącek K. 1 19 1 1 1 1 3 1737 3 1737,1 3,1 3 19 1 1 5 5 3 3 3733 3733,1,1 1,5 1,5 3 91 1 1 1 1 3 3 1737 1737,1,1 3 3 91 1 1 1 5 3 3 3 3733,1,1,1 1,5 3 13 13 5,1 5,1 3,, 13..7 11:31H Z = 3 7 sequence start step SmuŜniak A. Sikora A. Saja T. Tomaka A. SmuŜniak A. Sikora A. Saja T. Tomaka A. SmuŜniak A. Sikora A. Saja T. Tomaka A. 1 359 95 95 95 359 135 135 135 33 3,9 3,9 3,9,1 359 95 95 95 159 135 135 135 131 3,9 3,9 3,9, 3 359 95 95 95 7 135 135 135 1159 3,9 3,9 3,9,5 359 95 95 191 159 135 135 7 131 3,9 3,9, 135 135 17 131 3,9 3,9 3,3, 13..7 1:H Z = 7 sequence start step Wiącek K. Sikora A. Saja.T. Tomaka A Wiącek K. Sikora A. Saja.T. Tomaka A Wiącek K. Sikora A. Saja.T. Tomaka A 1 359 95 95 95 359 135 135 135 33 3,9 3,9 3,9,1 359 359 95 95 7 33 135 135 1159,1 3,9 3,9,5 3 359 3 95 359 7 5 135 33 1159 1 3,9,1,5 359 3 3 3 359 5 5 5 33 1 1 1,1 31 191 575 131,, 1,, 13..7 1:3H Z = 5 597 sequence start step Wiącek K. Sikora A. SmuŜniak A. Tomaka A. Wiącek K. Sikora A. SmuŜniak A. Tomaka A. Wiącek K. Sikora A. SmuŜniak A. Tomaka A. 1 3 3 119 119 3 33771 1 1 533 1, 3,1 3,1,1 3 119 3 119 955 1 33771 1 135 3,1 1, 3,1, 3 3 119 119 119 191 1 1 1 7171 3,1 3,1 3,1, 3 77 119 119 191 753 1 1 7171, 3,1 3,1, 39 1 1 7171 1,9, 3,1, 13..7 1:H Z = 995 sequence start step SmuŜniak A. Wiącek K. Sikora A. Tomaka A SmuŜniak A. Wiącek K. Sikora A. Tomaka A SmuŜniak A. Wiącek K. Sikora A. Tomaka A 1 3 199 79 199 159 13 11571 13 513 1,9,5 1,9, 3 199 199 39 159 13 13 5 513 1,9 1,9,9, 3 3 199 39 199 159 13 5 13 513 1,9,9 1,9, 13 5 355 513 1,9,9 1,5,

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 9 Tabela. Wyniki indywidualnych oszacowań progu węchowej wyczuwalności n-butanolu, zgromadzone w czerwcu przez jedną z grup studentów Nazwisko Lp. 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 Michniak M. ITE [µg/m 3 ] 13 5 13 13 1 1 7 1 7 95 95 1 7 log ITE,1 1,1,1,1,1,1 1,,1 1, 1,3 1,9 1,9 1,3 1,3 1,7 1, Mielniczuk E. ITE [µg/m 3 ] 13 13 13 5 7 7 7 7 7 95 95 95 95 19 95 3 log ITE,1,1,1 1,1, 1,,, 1, 1,9 1,9 1,9 1,9, 1,9 3, Łukowska B. ITE [µg/m 3 ] 517 517 1 517 1 7 57 1 95 3 3 3 log ITE,71,71,,71,1,,7,1 1,9,5,5,5 Baran D. ITE [µg/m 3 ] 1 15 15 15 157 3 7 7 7 15 15 15 log ITE 3,3 3, 3, 3,,,,,,5,,, 3,1 3,1 3,1 1,3 Drabik H. ITE [µg/m 3 ] 33 5 5 13 9 7 7 7 39 7 157 7 7 7 95 95 7 log ITE 1,51 1,1 1,1,11 1,97 1,7 1,7 1,9 1,59 1,9, 1,3 1,3 1, 1, 1, 1,9 1,9 1, Jarosławski B. ITE [µg/m 3 ] 13 5 11 1573 75 9 157 157 7 95 7 95 3,7 19 19 7 19 log ITE,11, 1,1 3,,1, 1,97,,, 1,9 1,9 1, 1,9 1,3,, 1,, Kadłubek M. ITE [µg/m 3 ] 51 5 51 377 377 7 31 157 157 log ITE,7 1,1,7,,5,5 1,7,5,,, CzyŜewski A. ITE [µg/m 3 ] 13 51 51 377 377 377 31 157 31 157 7 7 7 7 7 19 1 95 log ITE,11,,7,7,5,5,5,5,,5, 1, 1, 1, 1, 1,, 1,7 1,9 Ratajczyk J. ITE [µg/m 3 ] 9 9 13 9 157 7 157 log ITE 1, 1,,1 1, 1,9, 1,9, Poliński P. ITE [µg/m 3 ] 11 11 1 1 3 3 log ITE 3, 3, 3,5 3,5, 1,5,9 1, Cebula I. ITE [µg/m 3 ] 55 7 13 7 7 31 7 log ITE,7,,1, 1,9,,5 1,9 Farbotko A. ITE [µg/m 3 ] 55 13 55 9 7 31 31 31 log ITE,7,1,7 1, 1,9,5,5,5 Drapikowska R. ITE [µg/m 3 ] 17 35 9 13 7 7 7 7 7 7 1 95 19 15 log ITE 1, 1,5 1,,1 1,9 1,9 1,9 1,9 1, 1,3 1,3 1, 1,7 1,9, 3,1 SmuŜniak A. ITE [µg/m 3 ] 33 1 55 1 7 7 7 3 3 3 3 log ITE 3,95 3,5 3,3,7,1, 1,,,5,5,5,5 Konopko D. ITE [µg/m 3 ] 35 9 9 9 7 39 39 95 95 7 3 log ITE 1,5 1, 1, 1, 1,9 1,9 1,59 1,59 1,3 1,3 1,3 1,3 1,9 1,9 1,,5 Sadowska A. ITE [µg/m 3 ] 33 55 13 31 31 31 95 19 95 3 1 7 95 log ITE 3,95,7,1 3,3,5,,5,5 1,9, 1,9,5 1,7 1, 1,3 1,9

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 1 Sadowska A. Noga A. Jędrasik M. Konieczyńska M. Byczkiwicz M. Jastrzębowska L. Białończyk L. Wyka Ł. Wojtków E. Wiącek K. Tomaka A. ITE [µg/m 3 ] 33 55 13 31 31 31 95 19 95 3 1 7 95 log ITE 3,95,7,1 3,3,5,,5,5 1,9, 1,9,5 1,7 1, 1,3 1,9 ITE [µg/m 3 ] 3 5 13 5 7 7 157 39 7 7 7 log ITE 1,51 1,13,11 1,13 1,95 1,95,19 1,59 1,77 1,37 1,77 1,77 ITE [µg/m 3 ] 5 13 3 7 7 7 31 7 19 95 95 19 3 log ITE 1,1,11,1 3,9 1,9 1,9 1,9,5 1,,77,77, 1,9 1,9, 3, ITE [µg/m 3 ] 5 3 5 5 31 7 7 31 95 19 19 19 log ITE 1,1 1,51,7,7,5 1,9 1,9,5 1,9,,, ITE [µg/m 3 ] 5 1 1 5 5 1 5 1 1 1 7 3 3 15 15 log ITE 1,1 1,1 1,1 1,1 1,7 1,1 1,7, 1,5 1,5, 1,5 1,3,77,77,77 1, 1,1 1,1 ITE [µg/m 3 ] 5 5 399 399 1 7 57 7 95 95 95 7 1 3 11 log ITE,7,1,1,7,3,,,3,1 1,,7 1, 1,9 1,9 1,9 1, 1,7 1,, ITE [µg/m 3 ] 13 13 13 1 799 7 7 1 3 95 95 95 1 3 1 log ITE,11,11,11,1,,3,3,9 1, 1,,1 1,5 1,3 1,9 1,9 1,9 1,7 1, 1,7 ITE [µg/m 3 ] 5 13 1 1 97 57 1 7 7 7 19 95 7 3 log ITE,7,1,11,1,,,3,3 3,3,7,1 1, 1, 1,, 1,9 1,3 1,,5 ITE [µg/m 3 ] 13 13 157 39 157 157 31 157 7 157 157 95 7 7 log ITE,1,1, 3, 1,59,,,5, 1,9,, 1,3 1,9 1, 1, ITE [µg/m 3 ] 13 13 17 3 3 3 3 7 log ITE,1,1 1, 1, 1, 1, 1, 1, 1,3 1,3 1,3 1, ITE [µg/m 3 ] 157 13 13 3 3 3 7 1 95 7 log ITE 3,,1 1,,1 1,5,9 1, 1, 1, 1,7 1,9 1,

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 11 Tabela 3. Wyniki kontroli zgodności wraŝliwości węchu członków jednej z grup studenckich z kryteriami PN-EN 1375 (szarym tłem komórek wyróŝniono osoby, które spełniają oba kryteria PN-EN 1375; czerwonym kolorem czcionki wartości wykraczające poza zakres dopuszczalny, wskazany w normie) L,p, Nazwisko ITE śr.geom. [µg/m 3 ] log ITE śr s log ITE Antylogarytm s logite Wynik kontroli 1. Michniak M. 5 1,1,35, +. Mielniczuk E. 1,17,,3-3. Łukowska B. 35,, 1,1 -. Baran D. 1,,7,95-5. Drabik H. 5 1,77,3 1,9 -. Jarosławski B. 19,,,1-7. Kadłubek M.,3,37,35 -. CzyŜewski A. 15,15,,9-9. Ratajczyk J. 1,9,3 1,9 + 1. Poliński P. 17,7 1, 1,73-11. Cebula I. 7,3,35,3 + 1. Farbotko A. 7,3,3,7 + 13. Drapikowska R. 1,1,3,19 + 1. SmuŜniak A. 55,3,, - 15. Konopko D. 5 1,7,33,15-1. Sadowska A. 17,3,71 5,9-17. Noga A. 59 1,77, 1,7-1. Jędrasik M. 17,1,, - 19. Konieczyńska M. 157,,3, -. Byczkiwicz M. 1,,,7-1. Jastrzębowska L. 1,19, 1,7 +. Białończyk L. 115,,35,5 + 3. Wyka Ł. 17,19,7,9 -. Wojtków E. 1,,,9-5. Wiącek K. 9 1,9,9 1,97 -. Tomaka A. 1,79,5 3, - ŚREDNIA 17 MEDIANA 15 ODCH.STD. 1 MIN MAKS 1

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 1 7 11 5 Maks. Min. 75% 5% Mediana 1 9 7 3 Liczba obserwacji 5 3 1 1 <= (;1] (1;] (;3] (3;] (;5] (5;] (;7] > 7 ITE_n-butanol [ug/m^3] Rys.. Rozkład wyników indywidualnych oszacowań progu węchowej wyczuwalności n-butanolu, zgromadzonych w czerwcu przez jedną z grup studentów 7 5 3 1 Michniak M. Ratajczyk J. Cebula I. Farbotko A. 1 1 1 1 Drapikowska R. Jastrzębowska L. Białończyk L. 1 3 5 7 9 1 11 1 13 1 15 1 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 Rys. 5. Zmiany wartości ITE n-butanol [µg/m 3 ] siedmiu studentów grupy /7 spełniających kryteria PN-EN 1375

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 13 Zadanie (grudzień 5 grudzień ) Opracowanie neuronowych modeli zaleŝności cech zapachu powietrza zanieczyszczonego n-butanolem (B), acetonem (A) i etanolem (E) od chromatograficznych zmiennych objaśniających (kolejne lub przesiane sygnały detektora FID) Gromadzenie zbiorów wyników chromatograficzno-sensorycznych analiz próbek powietrza zanieczyszczonego n-butanolem, acetonem i etanolem (1 grudzień 5 czerwiec ) Kontynuując badania moŝliwości wykorzystania systemu GC-NN do określenia cech zapachu zanieczyszczonego powietrza wykonano olfaktometryczne pomiary stęŝenia zapachowego i intensywności zapachu próbek powietrza zawierających znane ilości acetonu (A), etanolu (E) i n-butanolu (B). Wykonano chromatograficzne analizy badanych próbek z uŝyciem chromatografu SRI 1C. Podczas oznaczeń stęŝenia zapachowego i intensywności zapachu stosowano czterostanowiskowy olfaktometr TO7. Zgromadzono łącznie około 17 indywidualnych oszacowań stęŝenia zapachowego próbek o róŝnym składzie. Wykonano ponad 35 analiz GC z wykorzystaniem trzech programów. Jeden z nich umoŝliwiał całkowite rozdzielenie pasm wszystkich składników (DOBRY.AEB), dwa pozostałe rozdział częściowy (ZŁY1.AEB i ZŁY.AEB). Programy zostały wybrane podczas badań wstępnych. W czasie pomiarów rejestrowano chromatogramy Rys.. Chromatogram próbki zanieczyszczonej acetonem, etanolem i n- butanolem (program ZŁY1.AEB; przykład) (format chr) oraz pliki w formacie ASCI (wszystkie kolejne wartości sygnałów detektora GC, jeden na sekundę). Na rysunku przedstawiono chromatogram typowy dla programu ZŁY1.AEB. Intensywność zapachu oceniano po dynamicznym rozcieńczeniu próbki podstawowej czystym powietrzem. Stopień rozcieńczenia (Z) zmieniano w zakresie od Z = do Z = 5 (szereg geometryczny wartości Z, czynnik szeregu:, kolejność prezentacji stęŝeń: sekwencyjnie w górę). Tabela zawiera fragment zbioru wyników, zgromadzonych w czasie jednego pomiaru.

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 1 Tabela. Wyniki ocen intensywności zapachu (S) jednej z badanych próbek (fragment). Próbka podstawowa: c B = 1,5 ppm, c A = 51,7 ppm, c E = 157, ppm Rozcieńczenie StęŜenia zanieczyszczeń Ocena intensywności, S Z c B ppm c A ppm c E ppm S Stanowisko,5,3,3 1,11,5 1, 1 1 3 1 1 1 3 1 1 3 1 1 1 3...---. --- --- --- --- --- 5 1,7 1,33 51,5 5 1 5 3 5 5 1 5 3 5 Opracowanie modeli zaleŝności intensywności zapachu i stęŝenia zapachowego (c od [ou/m 3 ]) od stęŝenia zanieczyszczeń B, A i E (c [ppm]) (lipiec wrzesień ) Wyniki wykonanych z uŝyciem TO7 olfaktometrycznych pomiarów stęŝenia zapachowego (c od [ou/m 3 ] i ocen intensywności zapachu (S) oraz chromatograficznych oznaczeń stęŝenia n-butanolu (B), acetonu (A) i etanolu (E) wykorzystano do opracowania neuronowych modeli c od = f (c B, c A, c E ) oraz S = f (c B, c A, c E ). Na rysunku 7 przedstawiono przykład zastosowania jednego z otrzymanych neuronowych modeli c od = f (c B, c A, c E ). Otrzymana sieć została wykorzystana do obliczeń intensywności zapachu powietrza zawierającego łącznie 5 ppm n-butanolu, acetonu i etanolu. Wykres pozwala przeanalizować zaleŝność intensywności zapachu od proporcji między składnikami.

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 15 Rys. 7. Wyniki obliczeń intensywności zapachu powietrza zanieczyszczonego acetonem, etanolem i n-butanolem (sumaryczne stęŝenie: 5 ppm, x objętościowe udziały składników) Przygotowania zbiorów treningowych dla NN na podstawie chromatogramów w formacie ASCI; róŝna liczba sygnałów GC jako zmienne objaśniające stęŝenie zapachowe) (lipiec wrzesień ) Podczas przygotowania zbiorów treningowych zbiory danych GC, zarejestrowane w PeakSimple w formacie ASCI, przenoszono do programu Statistica StatSoft i poddawano analizie zmierzającej do wyodrębnienia charakterystycznego przedziału czasu retencji, mieszczącego w sobie informacje o wszystkich składnikach analizowanej mieszaniny ABC (zbiór podstawowy). Sposób postępowania ilustruje przykład przygotowania danych do generowania sieci określającej stęŝenie zapachowe ABC na podstawie chromatogramów zarejestrowanych przy uŝyciu programu ZŁY1. Sporządzono trzy treningowe zbiory danych: zbiór X5P: tabela o. kolumnach i. wierszach (5 zmiennych objaśniających, 1 zmienna objaśniana log c od ), zbiór X1P: tabela o 11 kolumnach i wierszach (1 zmiennych objaśniających, 1 zmienna objaśniana log c od ), zbiór X1P35 tabela o 11 kolumnach i 35 wierszach (1 zmiennych objaśniających, 1 zmienna objaśniana log Z ITE ).

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 1 Sposób pozyskiwania zmiennych objaśniających ilustrują dane dotyczące jednej z próbek, analizowanych 3.1. (próbka M3, zapach oceniany przez czteroosobowy zespół G). Chromatogram jednej badanej próbki, zapisany jako zbiór kolejnych sygnałów ASCII, przedstawiono na rysunku. Wyniki jednego pomiaru sensorycznego zawiera tabela 5. 1 9 7 5 3 1 1 31 1 91 11 151 11 Rys.. Kolejne sygnały FID, zarejestrowane 3.1. w czasie analizy próbki M3 (przykład) Tabela 5. Wyniki olfaktometrycznego oznaczenia stęŝenia zapachowego zanieczyszczeń w próbce M3, ocenianej 3.1. przez zespół G (przykład) 3.1. 15:9H ABE M3 G 3.1. Odour threshold panellist protocol (dilutions): sequence start step Panellist 1 Panellist Panellist 3 Panellist 1 1 1 5 1 1 1 1 1 3 1 1 1 Średnia geometryczna: 1 79 1 3175 1335 ou/m 3

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 17 Dane uzyskane po chromatograficznej i sensorycznej analizie próbki są wprowadzane do jednego wiersza zbioru X5P (tabela ) i zbioru X1P (tabela 7) oraz czterech wierszy zbioru X1P35 (tabela ). W analogiczny sposób wprowadzano dane uzyskiwane w wyniku analiz wszystkich sporządzonych próbek, o róŝnym sumarycznym stęŝeniu acetonu, etanolu i n-butanolu oraz róŝnych udziałach poszczególnych składników mieszaniny AEB. Tabela Wycinek zbioru treningowego X5P (3.1., próbka M3, grupa ) Data 3.1. Wielkości sygnału FID w ekstremach GC log c Symbol od próbki Maks. A Min.AE Maks. E Min.EB Maks. B (c od [ou/m 3 ]) 1 3 5 M3 9331 57537 1157 9 955 3,15 Tabela 7 Wycinek zbioru treningowego X1P (3.1., próbka M3, grupa ) Data 3.1. Symbol Kolejne sygnały z detektora FID chromatografu gazowego log c od próbki 1 39 1 9 1 (c od [ou/m 3 ]) M3 3 3 7793 9331 99 3 5 3,15 Tabela Wycinek zbioru treningowego X1P35 (3.1., próbka M3, grupa ) Symbol Kolejne sygnały z detektora FID chromatografu gazowego Data log Z próbki ITE 1 39 1 9 1 3 3 7793 9331 99 3 5 3, 3 3 7793 9331 99 3 5,9 3.1. M3 3 3 7793 9331 99 3 5 3,1 3 3 7793 9331 99 3 5 3,5 Opracowanie neuronowych modeli zaleŝności stęŝenia zapachowego (c od [ou/m 3 ]) od wybranych zmiennych objaśniających (październik listopad ) W czasie treningów sieci ze zbiorów danych chromatograficzno-sensorycznych wyodrębniano zbiór testowy, a pozostałe przypadki dzielono losowo między zbiory uczący i weryfikacyjny. Treningi powtarzano co najmniej 1-krotnie. Spośród otrzymanych modeli neuronowych wybierano ten, który charakteryzował się najmniejszą wartością błędu RMS. Sieci otrzymywane z uŝyciem zbiorów o róŝnej liczbie zmiennych objaśniających i przypadków cechowały zbliŝone błędy RMS, co ilustruje tabela 9. Stosując zbiory z tabel i 7 otrzymano sieci, dla których współczynniki korelacji między wartościami oczekiwanymi i obliczonymi były jednakowe (rys. 9).

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 1 Tabela 9. Porównanie błędów RMS, popełnianych przez sieci wyszkolone z uŝyciem zbiorów o róŝnej liczbie zmiennych objaśniających (X) i przypadków (P) Zbiór Przedział błędów RMS X5P,99,1 X1P,1,1 X1P35,1,13 Rys. 9. Korelacja między oczekiwanymi na podstawie pomiaru (TO7) i obliczonymi (NN) wartościami log c od i log Z ITE ; zastosowane zbiory treningowe: a X5P, b X1P, c X1P35 Potwierdzono więc, Ŝe udział specjalisty-analityka nie jest niezbędny podczas przygotowywania systemu GC-NN. Analityk opisuje połoŝenie punktów chromatogramów, które charakteryzują rodzaj i stęŝenie występujących w próbce zanieczyszczeń lub punktów na linii podstawowej, które potwierdzają brak spodziewanych składników (prawdopodobnie kształtujących wraŝenie zapachowe).

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 19 Takiego świadomego (niełatwego) działania człowieka moŝna uniknąć. Zmiennymi objaśniającymi stęŝenie zapachowe lub intensywność zapachu próbki mogą być regularnie, zupełnie automatycznie zbierane sygnały detektora chromatografu. W obu przypadkach błędy predykcji cech zapachu przez wygenerowane sieci są podobne i nieuniknione (konsekwencja zróŝnicowania węchu oceniających próbki testowe). Prace opublikowane w I etapie badań Wagner M., Zamelczyk-Pajewska M., Landes C., Sudhoff H., Kosmider J., Richards T., Krause U., Stark R., Groh A., Weichert F., Linder R.: Simulating soft data to make soft data applicable to simulation. In Vivo (1), 9-5, Kośmider J., Krajewska B.: Comparison of odour concentration measurment methods-dynamic olfactometry versus psychophysical model, th Workshop Odour and Emissions of Plastic Materials, Kassel March Kośmider J., Krajewska B.: Sensoryczne metody oznaczania emisji zanieczyszczeń powietrza, Materiały VIII Środowiskowej Konferencji Naukowej Chemików Chemia w ZrównowaŜonym Rozwoju, s. 15, Poznań 5-7 czerwca Kośmider J., Krajewska B.: Comparison of odour concentration measurment methods-dynamic olfactometry versus psychophysical model, th Workshop Odour and Emissions of Plastic Materials, Kassel March 7-,

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów Zadanie 3 (listopad grudzień 7) Badania moŝliwości wykorzystania systemu GC(FID)-NN do identyfikacji wieloskładnikowych mieszanin zanieczyszczeń powietrza Zadanie 3A. Benzyna silnikowa z domieszkami metanolu i etanolu Gromadzenie zbiorów doświadczalnych danych dotyczących próbek powietrza zawierającego wieloskładnikowe mieszaniny zanieczyszczeń (listopad grudzień ) Za cel kolejnego etapu badań uznano sprawdzenie: o czy wartości błędów RMS będą mniejsze wówczas, gdy technikę GC(FID)-NN zastosuje się do predykcji niesensorycznych cech mieszaniny odorantów (określanych dokładniej), o czy predykcja będzie bardziej poprawna, jeŝeli interpretacja chromatogramów ( obrazów próbki ) będzie wykonywana z zastosowaniem technik rozpoznawania obrazów zamiast NN. Przystąpiono do gromadzenia chromatogramów wieloskładnikowych mieszanin rzeczywistych, róŝniących się składem. W pierwszej kolejności postanowiono wykorzystać chromatogramy benzyny silnikowej, zawierającej róŝne dodatki alkoholi. Badane próbki przygotowywano w formie roztworów w cykloheksanonie. Do 5cm 3 rozpuszczalnika dodawano 5µl benzyny oraz róŝne ilości metanolu i etanolu (tab. 1). Rejestrowano chromatogramy próbek o róŝnej wielkości,1-1, (tab.1). Tabela 1. Skład i wielkość zastrzyków chromatograficznych Uwaga: W niniejszym etapie badań zmiany udziału dodatków metanolu i etanolu określano jako zmiany rodzaju zapachu, a zmiany wielkości zastrzyku GC jako zmiany siły zapachu. Wielkość domieszek alkoholi (symulacja zmian rodzaju zapachu ) metanol etanol µl/5 µl µl/5 µl benzyny benzyny Zastrzyk GC ( siła zapachu ) 1,,,5,,3, µl Wielkość domieszek alkoholi (symulacja zmian rodzaju zapachu ) metanol etanol µl/5 µl µl/5 µl benzyny benzyny Zastrzyk GC ( siła zapachu ) 5,5 5,5 3,5 5 5, 5, 1,5 1,3 1 1, 1 1,5 1 1, 1 1,3 1 1,1 1 1,3 1 1,5 µl

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 1 Porównanie niektórych spośród chromatogramów przedstawiono na rysunku 1 (chromatogramy jako typowe linie ciągłe oraz przesiane sygnały FID). Poza róŝnicami związanymi ze zmianami składu próbki i wielkości zastrzyku łatwo dostrzegalne są róŝnice spowodowane zmianami warunków wykonywania analiz (np. przesunięcie linii podstawowej spowodowane zmianami czystości gazu nośnego i temperatury w laboratorium). 7 5 3 1 7 1 5 3 1 1 Rys 1. Chromatogramy próbek benzyny z dodatkami metanolu i etanolu (przykład)

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów Generowanie neuronowych modeli zaleŝności umownych cech zapachu mieszanin od sygnałów FID jako zmiennych objaśniających (styczeń luty 7) Treningi sieci neuronowych wykonano stosując jako podstawowe źródło zmiennych objaśniających surowe pliki ASC oraz pliki skorygowane, uzyskane przez przesunięcie wszystkich chromatogramów do wspólnego poziomu bazowego. Zbiory treningowe zawierały dane dotyczące róŝnych fragmentów chromatogramów zbioru treningowego (przykład: rys. 11 i tab. 11). Zawierały kolejne sygnały FID, rejestrowane co sekundę, lub sygnały rejestrowane co, lub sekund (zbiory przesiane ). e5 a. dane: 1_35 co 1.STA 5v*1c,e5 b. dane: 5xs.STA 53v*1c c. dane: 33xs.STA 3v*1c,e5 e5 1,e5 e5 3e5 1,e5 1,e5 1,e5 e5 1e5 Rys. 11. Fragmenty chromatogramów, wykorzystywane jako źródło zmiennych objaśniających (kolejne lub przesiane sygnały FID) W kaŝdym przypadku zmiennymi objaśnianymi były trzy wartości charakteryzujące badaną próbkę: wielkość zastrzyku GC ( siła zapachu ) oraz ilości metanolu i etanolu, dodanych do benzyny (µl/5µl; rodzaj zapachu ). Rysunki 1 a-c charakteryzują dziewięć spośród otrzymanych sieci neuronowych. Ilustrują jakość aproksymacji zaleŝności siły i rodzaju zapachu od zbioru surowych zmiennych objaśniających (patrz rys. 11): a 5 kolejnych sygnałów FID, rejestrowanych w okresie od 1s do 35s analizy, b 5 sygnałów FID, rejestrowanych co s (5 sekund analizy), c 33 sygnałów FID, rejestrowanych co sekundy (93 sekundy analizy). Lepszą aproksymację umoŝliwiały sieci NN otrzymane po szkoleniach wykonywanych z uŝyciem wstępnie skorygowanych zbiorów danych chromatograficznych otrzymanych przez przesunięcie wszystkich chromatogramów do wspólnego początkowego poziomu sygnałów FID (rys. 13 a-c).

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 3 Tabela 11. Fragment zbioru przesianych danych chromatograficznych zgromadzonych podczas analiz próbek benzyny z domieszkami etanolu i metanolu (przykład; wartości sygnałów FID rejestrowane co sekund) Rodzaj zapachu Siła 1 3 5 3 metanol etanol zastrzyk Symbol Sekunda rejestracji sygnału FID ul/5ul ul/5ul ul s1 s9 s17 s5 s33 s33 s3 s35 1 ME 1 1359 13513 359 53 19 91 93 5, ME 75 593 7915 5717 133 11 135 133, ME 775 913 5 1553 75 799 7995 791,5 ME 5 11 59 19791 11771 55 5 3, ME 539 35119 13777 11 51 75 91 9,3 ME 3 3 31 11777 7313 317 1 71, ME 37 5 731 517 9 1 113 1 5,5 M5E 5A 3 739 1975 117 5557 573 9 3 5,5 M5E 5B 333 791 1953 11599 5 3 599 33 3,5 M3E 5 1931 771 1999 1371 79 57 33 5 5, M5E5 19 11 73 991 7 777 73 3 5, ME5 7 113 95 1357 71 19 75 75 1,5 ME1 5 57 13 1515 9 1 91 1,3 ME1 3 33 391 17 717 35 1115 9 779 1 1, M1E1 5175 931 97 1715 9 115 13 11 1 1,5 M1E1 5 595 5 19593 13951 53 935 7 5 1 1, M1E1 771 371 1531 11 533 7 753 1 1,3 M1E1 3 315 71 1139 77 1 753 75 1 1,1 M1E1 1 17 333 333 55 179 79 13 35 1 1,3 M1E1 3 3399 37 111 771 353 173 15 9 1 1,5 M1E1 5 5537 93 11191 1915 7393 591 1553 11

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 1, NN1 A 1, NN A 1, NN3 A 1, 1, 1,,,,,,,,,,,,,,,, 1 NN1 B 1 NN B 1 NN3 B 1 1 1 - - - 1 NN1 C 1 NN C 1 NN3 C 1 1 1 - - - Rys. 1a. Zestawienie rzeczywistych (czerwony) i obliczonych (niebieski) "cech zapachu"; zbiór GC surowy; 1-35s; A - zastrzyk [ul], B - etanol [ul/5ul], C - metanol [ul/5ul]

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 5 1, NN1 A 1, NN A 1, NN3 A 1, 1, 1,,,,,,,,,,,,,,,, 1 NN1 B 1 NN B 1 NN3 B 1 1 1 - - - 1 NN1 C 1 NN C 1 NN3 C 1 1 1 - - - Rys. 1b. Zestawienie rzeczywistych (czerwony) i obliczonych (niebieski) "cech zapachu"; zbiór GC surowy; 5 x s; A - zastrzyk [ul], B - etanol [ul/5ul], C - metanol [ul/5ul]

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 1, NN1 A 1, NN A 1, NN3 A 1, 1, 1,,,,,,,,,,,,,,,, 1 NN1 B 1 NN B 1 NN3 B 1 1 1 - - - - 1 NN1 C 1 NN C 1 NN3 C 1 1 1 1 - - - - - -1 Rys. 1c. Zestawienie rzeczywistych (czerwony) i obliczonych (niebieski) "cech zapachu"; zbiór GC surowy; 33 x s; A - zastrzyk [ul], B - etanol [ul/5ul], C - metanol [ul/5ul]

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 7 1, NN1 A 1, NN A 1, NN3 A 1, 1, 1,,,,,,,,,,,,,,,, 1 NN1 B 1 NN B 1 NN3 B 1 1 1 - - - 1 NN1 C 1 NN C 1 NN3 C 1 1 1 - - - Rys. 13a. Zestawienie rzeczywistych (czerwony) i obliczonych (niebieski) "cech zapachu"; zbiór GC skorygowany; 9-3s; A - zastrzyk [ul], B - etanol [ul/5ul], C - metanol [ul/5ul]

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 1, NN1 A 1, NN A 1, NN3 A 1, 1, 1,,,,,,,,,,,,,,,, 1 NN1 B 1 NN B 1 NN3 B 1 1 1 - - - 1 NN1 C 1 NN C 1 NN3 C 1 1 1 - - - Rys. 13b. Zestawienie rzeczywistych (czerwony) i obliczonych (niebieski) "cech zapachu"; zbiór GC skorygowany; 5 x s; A - zastrzyk [ul], B - etanol [ul/5ul], C - metanol [ul/5ul]

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 9 NN3 A NN1 A NN A 1, 1, 1, 1, 1, 1,,,,,,,,,,,,,,,, NN1 B 1 NN B 1 1 NN3 B 1 1 - - - - NN1 C 1 1 1 1 NN C 1 1 NN3 C 1 1 - - - Rys. 13c. Zestawienie rzeczywistych (czerwony) i obliczonych (niebieski) "cech zapachu"; zbiór GC skorygowany; 33 x s; A - zastrzyk [ul], B - etanol [ul/5ul], C - metanol [ul/5ul]

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 3 Badania moŝliwości klasyfikacji badanych mieszanin metodami analizy skupień dostępnymi w programie STATISTICA: aglomeracja, metoda k-średnich i grupowanie obiektów i cech (styczeń-luty 7) W kolejnym etapie pracy przeprowadzono próby klasyfikacji chromatogramów metodami analizy skupień, które są stosowane przewaŝnie wtedy, gdy nie dysponujemy Ŝadnymi hipotezami a priori. Analiza skupień obejmuje kilka róŝnych algorytmów klasyfikacji. Spośród ogólnych typów analizy skupień, dostępnych w programie STATISTICA, wybrano aglomerację oraz grupowanie metodą k-średnich. Algorytm aglomeracji łączy klasyfikowane obiekty w coraz to większe wiązki, przy czym stosowana jest pewna miara podobieństwa lub odległości (np. odległości euklidesowe). Wynikiem grupowania jest drzewo hierarchiczne lub macierz odległości euklidesowych. Grupowanie metodą k-średnich jest stosowane, jeŝeli moŝna przewidywać liczbę skupień klasyfikowanych obiektów. Algorytm umoŝliwia podział zbioru obiektów na k moŝliwie odmiennych klas. Program rozpoczyna analizę od stworzenia k skupień losowych, a następnie przenosi obiekty między nimi tak aby zminimalizować zróŝnicowanie wewnątrz skupień lub zmaksymalizować róŝnice między skupieniami. MoŜliwość wykorzystania wymienionych technik analizy do klasyfikacji chromatogramów ilustruje przykład dotyczący zbiorów sygnałów FID zapisywanych co sekund (tab. 11). Wykonując klasyfikację metodą k-średnich wstępnie załoŝono, Ŝe zbiór moŝna podzielić na sześć klas trzy klasy siły zapachu i po dwie klasy rodzaju zapachu w kaŝdej z klas siły (benzyna bez domieszek i benzyna z domieszkami). Wyniki grupowania chromatogramów przedstawione na rysunku 1 wskazują, Ŝe algorytm k-średnich wskazał inne kryteria klasyfikacji, których sprecyzowanie wymaga zastosowania większego zbioru danych. W dwóch osobnych skupieniach (nr 1 i ) znalazły się największe próbki nie zawierające domieszek. Skupienie nr zawiera trzy spośród czterech próbek o największej zawartości metanolu (1µl/5µl). Czwarta z nich znalazła się w skupieniu nr. Próbki o największej zawartości etanolu (1µl/5µl) przypisano do skupień nr 3 i. Na rysunkach 15 i 1 przedstawiono wyniki aglomeracji chromatogramów: drzewo hierarchiczne i graficzną ilustrację macierzy odległości euklidesowych. Wyniki obu wstępnych prób zastosowania analizy skupień do klasyfikacji chromatogramów są mniej satysfakcjonujące od wyników modelowania neuronowego. Mimo to typ analiz moŝe być uznany za obiecujący sposób szybkiej orientacyjnej klasyfikacji duŝych zbiorów danych chromatograficznych.

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 31 Rys. 1. Wyniki grupowania chromatogramów metodą k-średnich (przykład) ME_1 ME_ ME_ ME_5 M5E_5A M5E_5B M3E_5 ME1_5 ME_ ME_3 ME_ M1E1_1 M1E1_3 M1E1_5 M1E1_ ME1_3 M1E1_3 M5E5_ ME5_ M1E1_ M1E1_5 1 1 Odległości euklidesowe; 1*Dwiąz/Dmaks Rys. 15. Wyniki aglomeracji chromatogramów na podstawie odległości euklidesowych (przykład)

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 3 MACIERZ ODLEGŁOŚCI EUKLIDESOWYCH M1E1_5 M1E1_3 M1E1_1 M1E1_3 M1E1_ M1E1_5 M1E1_ ME1_3 ME1_5 ME5_ M5E5_ M3E_5 M5E_5B M5E_5A ME_ ME_3 ME_ ME_5 ME_ ME_ ME_1 ME 1 ME ME ME 5 ME ME 3 ME M5E 5A M5E 5B M3E 5 M5E5 ME5 ME1 5 ME1 3 M1E1 M1E1 5 M1E1 M1E1 3 M1E1 1 M1E1 3 M1E1 5 5335,7 1,5e5 1,597e5,19e5,e5 3,19e5 3,7e5,59e5,791e5 5,3e5 Rys. 1. Stopień podobieństwa chromatogramów jako mapa odległości euklidesowych (przykład)

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 33 Zadanie 3B. Mieszaniny benzyny silnikowej i rozpuszczalnika ftalowego Kolejny zbiór danych GC zgromadzono analizując próbki gazowe, które przygotowywano wstrzykując µl ciekłych zanieczyszczeń do 5 dm 3 powietrza (rys. 17, tab. 1). Rolę zanieczyszczeń przypisano dwóm rzeczywistym mieszaninom wieloskładnikowym: benzynie silnikowej i rozpuszczalnikowi ftalowemu. Umowną funkcję rodzaju zapachu odgrywał objętościowy udział rozpuszczalnika ftalowego w całej mieszaninie zanieczyszczeń, przyjmujący wartości: ;,15;,5;,375;,5;,5;,75;,75 i 1. Funkcją siły zapachu przypisano wielkości gazowego zastrzyku GC:,5 cm 3, 1, cm 3 i, cm 3. Rys. 17. Fragmenty chromatogramów próbek powietrza zanieczyszczonego benzyną silnikową i rozpuszczalnikiem ftalowym (przykłady; zbiory 5 x s i -s) Rysunki 1a-d charakteryzują jakość modeli neuronowych aproksymujących zaleŝność między umownymi cechami zapachu a kształtem chromatogramów. Za zmienne objaśniające uznawano zbiory sygnałów FID rejestrowanych w wybranych okresach biegu analizy (wszystkie kolejne sygnały lub zbiory przesiewane ). Rysunki ilustrują poszukiwania fragmentu chromatogramów, który zawiera informacje najbardziej istotne z punktu widzenia jakości zapachu. Dotyczą dwunastu sieci otrzymanych z uŝyciem następujących zbiorów danych: rys. 1a - 15 sygnałów FID zapisywanych co s (symbol 15 x s; 5 s analizy), rys. 1b - 5 sygnałów FID zapisywanych co s (symbol 5 x s; 5 s analizy), rys. 1c - kolejnych sygnałów FID z zakresu od s do s (symbol -s), rys. 1d - kolejnych sygnałów FID z zakresu od 7s do 15s (symbol 7-15s). Zestawienie błędów RMS aproksymacji zawiera tabela 13 i rysunek 19.

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 3 Tabela 1. Fragment zbioru danych chromatograficznych zgromadzonych podczas analiz próbek powietrza zanieczyszczonego benzyną silnikową i rozpuszczalnikiem ftalowym (przykład; 7-15s) 5 3 1 1 1 1 1 1 ZAPACH" 1 3 7 79 1 "rodzaj" "siła" s7 s71 s7 s73 17 1 19 15 udział RF V [cm 3 ] Sygnały detektora FID,5 1959 15 113 1115 717 79 71735 719 1 1913 13 113 175 79 7 73 3159 357 9 7 117 115 1139 111,5,5 113135 11995 197 179 79 753 7 73,5 1 175 1911 1 159 73 73 7179 719,5 335 39 9797 7 11791 151 9911 9793,375,5 1195 111939 1951 17 1 75 517 3,375 1 171979 1393 115 15371 3 39 395 373,375 3391 31 31397 979 939 977 91559 9,5,5 19313 11 159 1159 51 511 5399 5377,5 1 15 155 511 191 7 73 7313 71,5 71 35 33 355 5 73 39 951,75,5 1531 153 115 137 599 59 595 5919,75 1 77 3793 3557 35191 111 1319 99 9593,75 5133 7 593 3717 111 119 117 1171 1,5 171 1399 1355 131 371 35 53 1 1 39 75 159 135 735 7797 7759 7719 1 3939 35957 337 33 9331 9755 913 9177,5,5 157 151 1511 13 7 75 711 7177,5 1 91 5 91 3379 97 9 935 999,5 57 515 7 535 137 193 177 151

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 35 A 15 x s B Wykres liniowy (RUN NN1 15x.sta 7v*c) Wykres liniowy (RUN NN1 15x.sta 7v*c), 1, 1, 1,, 1,, 1,,,,,, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 -, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 Wykres liniowy (RUN NN3 15x.sta 7v*c) Wykres liniowy (RUN NN3 15x.sta 7v*c), 1, 1, 1,, 1,, 1,,,,,, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 -, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 Wykres liniowy (RUN NN 15x.sta 7v*c) Wykres liniowy (RUN NN 15x.sta 7v*c), 1, 1, 1,, 1,, 1,,,,,, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 -, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 Rys. 1a. Zestawienie rzeczywistych (czerwony) i obliczonych (niebieski) "cech zapachu"; zbiór GC: 15xs; A - zastrzyk [cm^3], B - objętościowy udział rozpuszczalnika ftalowego

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 3 A 5 x s B Wykres liniowy (RUN NN1 5x.sta 7v*c) Wykres liniowy (RUN NN1 5x.sta 7v*c), 1, 1, 1,, 1,, 1,,,,,, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 -, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 Wykres liniowy (RUN NN 5x.sta 7v*c) Wykres liniowy (RUN NN 5x.sta 7v*c), 1, 1, 1,, 1,, 1,,,,,, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 -, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 Wykres liniowy (RUN NN3 5x.sta 7v*c) Wykres liniowy (RUN NN3 5x.sta 7v*c), 1, 1, 1, 1,, 1,,, 1,,,, -,, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 -, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 Rys. 1b. Zestawienie rzeczywistych (czerwony) i obliczonych (niebieski) "cech zapachu"; zbiór GC: 5 x s; A - zastrzyk [cm^3], B - objętościowy udział rozpuszczalnika ftalowego

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 37 A -s B Wykres liniowy (RUN NN1 -.sta 7v*c) Wykres liniowy (RUN NN1 -.sta 7v*c), 1, 1, 1,, 1,, 1,,,,,, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 -, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 Wykres liniowy (RUN NN -.sta 7v*c) Wykres liniowy (RUN NN -.sta 7v*c), 1, 1, 1,, 1,, 1,,,,,, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 -, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 Wykres liniowy (RUN NN3 -.sta 7v*c) Wykres liniowy (RUN NN3 -.sta 7v*c), 1, 1, 1,, 1,, 1,,,,,, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 -, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 Rys. 1c. Zestawienie rzeczywistych (czerwony) i obliczonych (niebieski) "cech zapachu"; zbiór GC: -s; A - zastrzyk [cm^3], B - objętościowy udział rozpuszczalnika ftalowego

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 3 A Wykres liniowy (RUN NN1 79-13.sta 7v*c) 7-13s B Wykres liniowy (RUN NN1 79-13.sta 7v*c), 1, 1, 1,, 1,, 1,,,,,, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 -, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 Wykres liniowy (RUN NN 79-13.sta 7v*c) Wykres liniowy (RUN NN 79-13.sta 7v*c), 1, 1, 1,, 1,, 1,,,,,, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 -, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 Wykres liniowy (RUN NN3 79-13.sta 7v*c) Wykres liniowy (RUN NN3 79-13.sta 7v*c), 1, 1, 1,, 1,, 1,,,,,, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 -, 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 Rys. 1d. Zestawienie rzeczywistych (czerwony) i obliczonych (niebieski) "cech zapachu"; zbiór GC: 7-13s; A - zastrzyk [cm^3], B - objętościowy udział rozpuszczalnika ftalowego

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 39 Tabela 13. Błędy RMS aproksymacji zaleŝności umownych cech zapachu od sygnałów FID, traktowanych jako zmienne objaśniające dla sieci neuronowych (objaśnienia symboli zbiorów w tekście) Zbiór treningowy I symbol sieci Błędy 5 x s RMS tr RMS wer NN1,9,111 NN,5,13 NN3,51 15xs RMS tr RMS wer NN1,15,1 NN,113,15 NN3,1,997 -s RMS tr RMS wer NN1,19,1 NN,1519,13 NN3,3,19 7-13s RMS tr RMS wer NN1,13,17 NN,955,1 NN3,97,193,, Średnia+Odch.std. Średnia-Odch.std. Średnia+Błąd std. Średnia-Błąd std. Średnia,1 Błąd RMS,1,1,13,13,11,1,, ZB_5X ZB15X ZB_ ZB7_13 Rys. 19. Porównanie błędów RMS popełnianych przez sieci neuronowe, wygenerowane z uŝyciem róŝnych zbiorów sygnałów FID GC (objaśnienia symboli zbiorów w tekście)

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów W kolejnej serii treningów sieci neuronowych wygenerowano modele aproksymujące zaleŝność między kształtem chromatogramów a stęŝeniem zapachowym: c od [ou/m 3 ] = V 5dm3 / V 5dm3 i intensywnością zapachu (S), obliczoną z zaleŝności: gdzie: V 5dm3 k V 5dm3 S = k log (V 5dm3 / V 5dm3 ), ilość mikrolitrów zanieczyszczeń w 5-litrowej próbce powietrza, z której do analizy GC pobierano cm 3, wyznaczony w odrębnej serii pomiarów współczynnik Webera-Fechnera mieszaniny odorantów o określonym składzie jakościowym, wyznaczone w odrębnej serii pomiarów progowe stęŝenie mieszaniny zanieczyszczeń, wyraŝone w mikrolitrach ciekłych zanieczyszczeń wprowadzonych do 5-litrowej próbki powietrza. Na rysunku przedstawiono część zgromadzonych zaleŝności Webera-Fechnera, wyznaczonych przez dwa czteroosobowe zespoły studentów PS. a) b) 7 5 3 1-1 1, 1, 1, 1, 1,,,,,, 3, LOG_Z Rys.. Wyniki indywidualnych ocen intensywności zapachu (S) zanieczyszczonego powietrza od stopnia rozcieńczenia (Z) próbki podstawowej powietrzem czystym; zanieczyszczenia: a rozpuszczalnik ftalowy, b - benzyna, 7,5 7,,5, 5,5 5,,5, 3,5 3,,5, 1,5 1,,5, 1,5,,5 3, LOG_Z W tabeli 1 zestawiono wartości wcześniej stosowanych umownych miar rodzaju zapachu i siły zapachu z sensorycznie oznaczonymi wartościami k i V 5dm3 oraz obliczonymi wartościami stęŝenia zapachowego (c od [ou/m 3 ]) i intensywności zapachu (S). W stosowanych poprzednio zbiorach treningowych (takich jak przedstawiony w tabeli 1) zmienne objaśniane, zamieszczone w kolumnach 1 i tabeli 1, zastąpiono zmiennymi z kolumn i 7 z tej tabeli. Po treningach otrzymano modele neuronowe, których charakterystykę przedstawiono na rysunku 1 (przykłady czterech sieci wyszkolonych z uŝyciem zmodyfikowanego zbioru 5xs).

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 1 Tabela 1 Zestawienie wartości zmiennych objaśnianych, wprowadzanych do zbiorów treningowych dla modeli neuronowych określających: - umowne cechy zapachu udział rozpuszczalnika w próbce ( rodzaj ) i siłę (wielkość zastrzyku GC), - stęŝenie zapachowe (c od [ou.m 3 ]) i intensywność zapachu (S). ZAPACH próbek do analiz GC (µl zanieczyszczeń w 5l powietrza) Ilość µl domieszek w 5 dm 3 powietrza po przeliczeniu rodzaj : siła : (załoŝenie: udział zastrzyk GC zastrzyk GC= cm 3 ) RF [cm 3 ] V 5dm3 [µl] Wyniki sensorycznych badań zaleŝności intensywności zapachu od stęŝenia zanieczyszczeń (µl /5dm 3 ) k V 5dm3 c od [ou/m 3 ] S 1 3 5 7,5,1,15 137, 1,1,15 7 9,,1,15 579 9,,5,5 3,3, 5,9,5 1 3,3, 1 9,9,5 3,3, 1,9,375,5 3,5,3 5 9,5,375 1 3,5,3 153 1,,375 3,5,3 15 11,,5,5 3,35, 75 9,,5 1 3,35, 19 1,,5 3,35, 99 11,,5,5 3,7,37 51 1,1,5 1 3,7,37 11 11,,5 3,7,37 1 1,3,75,5,1,5 35 1,,75 1,1,5 79 11,,75,1,5 153 13,1 1,5 3,99, 5 9, 1 1 3,99, 5 1, 1 3,99, 1 1,

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów Symbol sieci: NN1S; RMS tr :,135; RMS wer:,917 13,5 5 1,5 55 Intensywność zapachu, S 11,5 1,5 9,5,5 StęŜenie zapachowe, c_od [ou/m3] 5 35 5 15 5 7,5 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19-5 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 Symbol sieci: NNS; RMS tr:,5 ; RMS wer:,1 13,5 5 1,5 55 Intensywność zapachu, S 11,5 1,5 9,5,5 StęŜenie zapachowe, c_od [ou/m3] 5 35 5 15 5 7,5 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19-5 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 Symbol sieci: NN3S; RMS tr:,; RMS wer:, 1,5 5 13,5 55 Intensywność zapachu, S 1,5 11,5 1,5 9,5,5 StęŜenie zapachowe, c_od [ou/m3] 5 35 5 15 5 7,5 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19-5 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 Symbol sieci: NNS; RMS tr:,13; RMS wer:,11 13,5 5 1,5 55 Intensywność zapachu, S 11,5 1,5 9,5,5 StęŜenie zapachowe, c_od [ou/m3] 5 35 5 15 5 7,5 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19-5 1 3 5 7 9 1 11 1 13 1 15 1 17 1 19 Rys. 1. Zestawienie rzeczywistych (czerwony) i obliczonych (niebieski) "cech zapachu"; zbiór GC: 5xs; wykresy po lewej intensywność zapachu, S; wykresy po prawej stęŝenie zapachowe, c od [ou/m 3 ]

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 3 Zadanie 3C. Rozpoznawcze badania moŝliwości klasyfikacji fosforytów pod kątem ich potencjalnej zapachowej uciąŝliwości podczas produkcji kwasu fosforowego i superfosfatu Jednym z najwaŝniejszych perspektywicznych celów badań systemu GC-NN jest opracowanie metody instrumentalnego monitoringu emisji zapachowych z wytwórni kwasu fosforowego i nawozów fosforowych z surowców mineralnych zawierających znaczne ilości związków organicznych, w tym związków siarki. Celowe jest równieŝ poszukiwanie sposobu szybkiego instrumentalnego sprawdzania, jak duŝa emisja zapachowa moŝe wystąpić podczas przetwarzania nowej partii fosforytu. Podczas badań zapachowej uciąŝliwości produkcji kwasu fosforowego w Z.Ch. POLICE (1995-1) zespół Pracowni Zapachowej Jakości Powietrza wielokrotnie określał metodami olfaktometrycznymi wskaźniki emisji odorantów, odniesione do jednostki masy przetwarzanych fosforytów z Tunezji i Togo 1. Najwięcej uwagi poświęcono fosforytom tunezyjskim. Stwierdzono, Ŝe wskaźniki zmieniają się w szerokich granicach. Wartości średnie odpowiednio 3 ou/kg m 3 i 11 ou/kg. W wypadku wytwórni przetwarzającej około 1 Mg fosforytu na godzinę do atmosfery odprowadza się odpowiednio lub jednostek zapachowych na sekundę (ou/s). W latach 199- rozpoczęto próby określenia korelacji między zapachowym stęŝeniem zanieczyszczeń w gazach odlotowych (ou/m 3 ) oraz wskaźnikami emisji zapachowej (ou/mg) a zawartością związków organicznych w emitowanych gazach oraz przetwarzanych fosforytach. Na rysunku przedstawiono typowe chromatogramy zatęŝonych ekstraktów z próbek fosforytów. Tabela 15 zawiera wyniki analizy jednej z 5-litrowych próbek gazów emitowanych w czasie produkcji kwasu fosforowego z fosforytu tunezyjskiego. Zanieczyszczenia były adsorbowane w rurce z węglem aktywnym, a następnie poddawane desorpcji termicznej techniką Purge and Trap i analizie metodą GC-MS. Wykonawcy niniejszego projektu uwaŝają, Ŝe orientacyjne oceny jakości fosforytów pod kątem potencjalnej zapachowej uciąŝliwości ich przetwarzania mogą być wykonywane metodą uproszczoną, opartą na termicznej desorpcji zanieczyszczeń z próbek zmielonego fosforytu. Przyjęto, Ŝe moŝna oczekiwać istotnej korelacji między wynikami chromatograficznej analizy gazów desorbowanych termicznie (kolejne sygnały FID) i wynikami sensorycznych pomiarów stęŝenia zapachowego w powietrzu zawierającym zanieczyszczenia uwalniane z fosforytów w procesie ekstrakcji P O 5 (pod wpływem kwasu siarkowego). Przewiduje się opracowanie modeli wiąŝących zbiory danych GC (kolejne sygnały detektora/detektorów) ze wskaźnikami emisji zapachowej (ou/mg). W roku 7 przeprowadzono analizy rozpoznawcze, które potwierdzają słuszność koncepcji. Chromatograf GC SRI 1C wyposaŝono w dodatkowy dozownik (z zaworem 1-droŜnym), spełniający równocześnie rolę desorbera i ogrzewanej pętli prób. Gazy uwalniane z nawaŝek fosforytów są okresowo kierowane do kolumny chromatograficznej. Na rysunku 3 przedstawiono chromatogramy mieszanin zanieczyszczeń uwolnionych z powierzchni kilku nawaŝek róŝnych fosforytów 1 Kośmider J., Mazur-Chrzanowska B.: Odour annoyance in production of phosphoric acid. W materiałach EURODEUR 97 Congress: Masking and deodorization - physiology and perception. ParyŜ, 5- czerwca 1997; Mazur-Chrzanowska odorantów.: Zapachowa uciąŝliwość produkcji kwasu fosforowego (praca doktorska) WTiICh PS, Szczecin 199; Emisja odorantów z wytwórni kwasu fosforowego i moŝliwości jej zmniejszenia. Raporty z badań wykonanych w latach 1995-1999 na zamówienie Dyrekcji Z. Ch. POLICE S.A. Kośmider J., Cichocki K., Zamelczyk-Pajewska M., Wyszyński B.: Odory z wytwórni kwasu fosforowego. Ochrona Powietrza, 5-, 1999; Zamelczyk-Pajewska M.: Związki węgla w gazach odlotowych z wytwórni kwasu fosforowego. Ochrona Powietrza 1, 1-13,

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów w prototypowej wersji przystawki desorpcyjnej. Przed przystąpieniem do gromadzenia zbiorów danych sensoryczno-chromatograficznych konieczne jest dokonanie zmian konstrukcji przystawki oraz procedury przygotowania próbek, umoŝliwiających zwiększenie powtarzalności analiz GC. Rys.. Chromatogramy zatęŝonych ekstraktów z próbek fosforytów sprowadzanych z Maroko i Tunezji w r. 1997 (Cichocki K., Kośmider J., Zamelczyk-Pajewska M., i wsp., 1997-) Tabela 15. Wyniki analizy jednej z próbek gazów emitowanych w czasie produkcji kwasu fosforowego z fosforytu tunezyjskiego (próbka 5 dm 3 rurka ads.z C akt Purge and Trap GC-MS) Nazwa związku t [min] c [ppm] Nazwa związku t [min] c [ppm] Ditlenek siarki (+COS),7 3,7 Metylowopropylowy sulfid 13, 1, Izobutan 5,5 5, Metylocykloheksan 13,,3 Butan,1 117 Dimetylowy disulfid 13,7,9 Metanotiol, 5, Izooktan 1,1,5 -Metylobutan 7,7 1,7 Toluen 1,, Etanotiol, 1, Metyl.--metyloprop. sulfid 1,3 3,9 Pentan,3 75,3 Metylowobutylowy sulfid 1, 3, Dimetylowy sulfid, 11,1 Oktan 1,7 33,5 Disiarczek węgla 9,3 1, -Metykodekan 15,1 1,3 Izopropanotiol 9,5 17, Metylowoetylowy disulfid 15,5 15, -Metylopentan 9,9 59,5 Propylocyklopentan 15, 1,1 3-Metylopentan 1,3 15, Etylocykloheksan 15,, Heksan 1, 137, Nonan 15,9, Propanotiol 1,7 1, p-ksylen 1, 1 Metylowoetylowy sulfid 1, 7 m-ksylen 1, 19,7 Metylocyklopentan 11, 1, Oktanotiol 1,3 1,9 Izobutanotiol 1,, Dekan 1,5 1,3 Metylowoizopropyl. sulfid 1, 5, Metylowoizopropyl. disulfid 1, 1,7 -Metyloheksan 1,3 79 o-ksylen 1,7 1,9 3-Metyloheksan 1, 73,7 DEDS 17,1, Heptan 1, 9,5 Cykloheksanotiol 17, 3,

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 5 Sygnał FID mv *1 3 5 15 1 5 PIASEK 5.7.7 TOGO.7.7 P1 TOGO 11.7.7 P1 TOGO 11.7.7 P JORDANIA 5.7.7 P 1 1 11 11 1 31 31 1 1 Czas, s Rys. 3. Chromatogramy gazów zdesorbowanych z próbek fosforytów TOGO i JORDANIA w dodatkowym dozowniku SRI 31C Zadanie (maj 7 grudzień 7) Opracowanie aplikacji wykorzystującej algorytmy graficznej analizy podobieństwa obrazów dla przebiegów chromatogramów substancji zapachowo czynnych (opracowanie: Mariusz Witkowski, Barbara Mazur-Chrzanowska) Zadanie polegało na opracowaniu aplikacji, która po wczytaniu określonych przebiegów chromatogramów będzie mogła podać procentową zgodność badanej próbki z próbkami wzorcowymi. Największym problemem do rozwiązania (poza brakiem dokumentacji opisującej format plików ASC) było opracowanie takiego algorytmu analizy podobieństwa obrazów, by jak najbardziej przypominał w działaniu ludzkie oko. ZałoŜono, Ŝe nie powinien sprawdzać liczbowych wartości przebiegu chromatogramu w danym punkcie i kontrolować odchyleń tych wartości względem próbki wzorcowej. Prace rozpoczęto od analizy formatu plików ASC, na podstawie których gotowa aplikacja miała przeprowadzać testy zmierzające do określenia stopnia podobieństwa próbki X do wzorca Y. Okazało się, Ŝe pliki te są zwykłymi plikami tekstowymi, a więc analiza wiersz po wierszu wystarcza, by odczytać wymagane minimum informacji o pozostałej strukturze pliku, a następnie właściwych danych. NajwaŜniejsze informacje zawarte są w dwóch linijkach. Pierwsza zaczynająca się od <RATE>= zawiera informacje odnośnie częstotliwości próbkowania, natomiast druga, rozpoczynająca się <SIZE>= zawiera informacje na temat ilości danych zapisanych w bieŝącym pliku. Praktycznie cały plik składa się z dwóch segmentów jeden jest segmentem nagłówkowym, drugi danych róŝnią się one jedynie występowaniem znaku < na początku wiersza. Kolejnym problemem, który naleŝało rozwiązać, był wybór docelowy języka programowania, w którym cała aplikacja zostanie stworzona. Pod uwagę naleŝało wziąć między innymi łatwość implementacji algorytmów, szybkość wykonania, łatwość rozszerzania aplikacji o nową funkcjonalność, ewentualną moŝliwość łatwego tworzenia portu programu dla innego środowiska docelowego. Po dokładnej analizie uznano język Python za wystarczająco dobrze spełniający wszystkie załoŝenia, począwszy od łatwości implementacji algorytmów na przenośności kodu skończywszy.

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów W celu ułatwienia pracy całe GUI 3 programu zostało stworzone z wykorzystaniem otwartej biblioteki wxwidgets z wykorzystaniem programu wxglade 5. Do obsługi wszelkich funkcji związanych z rysowaniem przebiegów chromatogramów, odczytem określonych danych z buforów podręcznych została uŝyta otwarta biblioteka PIL. Następnym etapem przygotowawczym do realizacji zadania było stworzenie funkcji rysującej przebieg chromatogramu o określonych wymiarach (identycznych dla kaŝdej z próbek) na podstawie danych wejściowych zawartych w pliku ASC. Wszystkie funkcje dotyczące obsługi tego zadania (odczyt pliku, rysowanie przebiegu w pamięci podręcznej programu, zapisanie wyniku po przetworzeniu w celu przyśpieszenia działania aplikacji) są zawarte w module asc_tools.py. Po przygotowaniu środowiska pracy - stworzeniu funkcji odczytujących ASC i wykreślających przebiegi chromatogramów - przystąpiono do głównego zadania, czyli stworzenia algorytmu klasyfikującego. ZałoŜono, Ŝe optyczne podobieństwo obrazów umoŝliwi określenie do której z próbek wzorcowych jest najbardziej podobna analizowana próbka. W celu odnalezienia najbardziej optymalnego rozwiązania przetestowano kilka róŝnych algorytmów. Opis przeprowadzanych prób oraz uzyskiwanych wyników zostanie poprzedzony wyjaśnieniem zasady tworzenia bazy wzorcowej i blokowego przebiegu analizy chromatogramów. Program został napisany tak, Ŝe w prosty sposób moŝna wymienić całą bazę wzorcową. Zapewniło to wysoką elastyczność i zwiększyło moŝliwości zastosowania programu. W pierwszym etapie procedury przygotowania bazy danych, wyselekcjonowane pliki ASC, które są uznane za wzorcowe, naleŝy skopiować do odpowiedniego podkatalogu w głównym folderze aplikacji (data\ref\), a następnie z menu wybrać opcję regenerowania bazy danych. W tym momencie program skanuje wymieniony wyŝej katalog, wyszukuje wszystkie pliki ASC, a następnie po kolei wczytuje je do pamięci, analizuje ilość próbek zawartych w tych plikach i przystępuje do wykreślenia przebiegu chromatogramu. W celu zwiększenia precyzji porównań, oraz uwzględnienia duŝych róŝnic pomiędzy poszczególnymi, sąsiednimi wartościami, program kreśli trzy przebiegi chromatogramów, róŝniące się jedynie skalą odwzorowania względem osi Y. Bazą jest ten sam zestaw danych wejściowych. Uzyskiwany jest jeden plik zawierający trzy wersje przebiegu, rysowane róŝnymi kolorami podstawowymi (czerwony, niebieski, zielony). W celu zabezpieczenia fragmentów wykresów przed znikaniem podczas zmiany skali, są one kreślone z jednoczesnym zaznaczeniem pola pod danym przebiegiem (wypełnianie tym kolorem, co sam przebieg). Wersje GC są wykreślane w kolejności od największego do najmniejszego (rosnący stopień przeskalowania względem osi Y). Na rysunku przedstawiono przekształcony chromatogram przed dalszą obróbką. Kolejne operacje programu to przeskalowanie całego wykresu do zadanego formatu oraz zapisanie wyniku na dysku w celu przyśpieszenia późniejszych operacji. 3 GUI interfejs graficzny uŝytkownika http://wxwidgets.org/ 5 http://wxglade.sf.net/ http://www.pythonware.com/products/pil/

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 7 Po wczytaniu próbki przeznaczonej do analizy podobieństwa do wzorców program wykonuje początkowo te same operacje co przy przygotowaniu bazy wzorcowej. Efektem jest wygenerowanie pliku tymczasowego z wykresem. W kolejnej operacji wykonywane są testy porównawcze porównanie próbki wejściowej z wszystkimi próbkami bazy. Po zakończeniu testów wyświetlana jest lista próbek bazy wraz z informacją o procentowej zgodności z testowaną próbką. Takie podejście do problemu umoŝliwia testowanie róŝnych algorytmów wystarczy zamienić plik zawierający definicje klasy z odpowiednimi właściwościami i ponowić testy. BieŜący algorytm znajduje się w pliku img_cmp.py. Przebieg przygotowania danych potrzebnych do pracy programu przedstawia diagram, zamieszczony na rysunku 5. Po przeprowadzeniu przedstawionej procedury program jest gotowy do pracy. Po wybraniu kliknięciem opcji przeprowadzenia testów program wywołuje algorytm testowania podobieństwa w pętli, a wyniki zapisuje w tablicy tymczasowej. Jej zawartość jest wyświetlana po skończeniu testów.

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów Rys. 5. Procedura przygotowań materiałów do pracy programu W pierwszym algorytmie, który został przetestowany, wykorzystano wartości RMS (Root Mean Square), zwane teŝ wartościami skutecznymi. Teoretycznie byłaby to idealna funkcja do rozwiązania problemu, jednakŝe praktyka pokazała, Ŝe wyniki uzyskiwane są dalekie od oczekiwanych. ZałoŜono, Ŝe przyczyną takiego stanu rzeczy było oparcie algorytmu na histogramie obrazu kolorowego. Próby wykorzystania dla obrazu w odcieniach szarości oraz obrazu dwutonalnego nie potwierdziły tego

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 9 załoŝenia (róŝnice były jeszcze większe). Seria testów wykazała, Ŝe algorytm nie jest wybrany właściwie i powinien być wykluczony z dalszych prób i analiz. Następny algorytm był wymyślonym całkowicie od podstaw sposobem porównania dwóch obrazów. Polega na sprawdzaniu stopnia podobieństwa wartości składowych RGB dla kolejnych punktów i uśrednianiu tych wartości. Zaproponowany algorytm okazał się duŝo bardziej efektywny niŝ RMS. Pierwsza wersja programu była bardzo wraŝliwa na wymiary porównywanych obrazów (zmiany szybkości pracy i zmiany zwracanych informacji o stopniu podobieństwa). Ostateczna wersja algorytmu jest wersją mocno zmodyfikowaną. Zastosowano przeskalowanie chromatogramów do wymiarów na 1 pikseli (rys. ). Dzięki temu zmniejszył się znacząco rozmiar bazy danych wzorcowych, a program zwiększył szybkość działania. Wykorzystanie funkcji antyaliasingu zapewniło zachowywanie przewaŝającej części informacji. Przeskalowanie większego obszaru do jednego piksela prowadzi do pojawienia się pól o róŝnym odcieniu i nasyceniu kolorów (łagodne przejścia między obszarami o róŝnej barwie). Sprawia to, Ŝe kolumny zmniejszonego rysunku są niepowtarzalne, a więc podobne dane wejściowe po przeskalowaniu róŝnią się w stopniu wystarczającym, by program róŝnicę wykrył. Zmniejszenie analizowanych obrazów jest odwzorowaniem początkowego zachowania ludzkiego wzroku. Obserwując obraz najpierw dostrzegamy ogólny kontur, a dopiero później przechodzimy do analizy szczegółów. Działanie algorytmu zaczyna się od rejestracji obrazu zmniejszonego aŝ do stopnia utracenia szczegółów, a następnie analizuje składowe kolorów traktując je tak, jak oko traktuje detale. Dodatkowo algorytm został wyposaŝony w funkcję zwracania przedziałów czasowych, dla których dany wzorzec jest najbardziej zgodny z próbką. Dla zmniejszonych obrazków wynikowych (pliki bazy i pliki ocenianych próbek) są określane i zapisywane wartości składowych kolorów RGB dla kolejnych punktów (plik z rozszerzeniem.cdt). Analiza podobieństwa obrazu ocenianego i wzorca polega na porównywaniu wartości składowych RGB dla wszystkich odpowiadających sobie punktów obu obrazów i obliczaniu stopnia ich zgodności. Analiza odbywa się z góry na dół i od lewej strony do prawej. Wyniki są wpisywane do tablicy tymczasowej. Procentowa zgodność całych obrazów jest obliczana z uwzględnieniem wag, dobranych doświadczalnie dla kaŝdej kolumny (rys., czerwone litery a, b, c ). Dzięki temu uzyskano najwyŝszy stopień poprawności

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 5 działania algorytmu na tym etapie prac. Końcowym wynikiem analizy podobieństwa obrazów jest średnia arytmetyczna sum wyników podobieństwa kaŝdej z kolumn. Po zakończeniu analizy są zapisywane wyniki o największym stopniu podobieństwa (lista wzorców najbardziej podobnych do próbki wraz z informacją o procentowo określonym stopniu podobieństwa). Ułatwia to końcową interpretację wyników testu, jeŝeli wynik nie jest jednoznaczny. PoniŜej przedstawiono dla przykładu dwie strony opracowanej instrukcji obsługi programu ChroMach wersja..1 (autor: Mariusz Witkowski).

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 51 Dane zamieszczone dla przykładu na drugiej z przedstawionych stron instrukcji uzyskano w czasie testów, które wykonano z uŝyciem chromatogramów mieszanin benzyny z rozpuszczalnikiem ftalowym. Za wzorce trzech klas rodzaju zapachu (baza) uznano próbki benzyny (a), rozpuszczalnika ftalowego (d) i mieszaniny obu cieczy, zawierającej,5% rozpuszczalnika (c). W kaŝdej z klas wyodrębniono trzy warianty: 1, i 3 (zapach słabysilny-mocny; małe, piki GC: małe-średnie-duŝe; zastrzyk GC:,5-1,-, cm 3 ). Po przeprowadzeniu testów podobieństwa chromatogramów wzorców i jednej z pozostałych analizowanych próbek otrzymano wyniki: Wyniki te pozwalają stwierdzić, Ŝe chromatogram próbki jest w około 75% zgodny z chromatogramem a1, czyli Ŝe zapach próbki jest najbardziej podobny do zapachu benzyny (klasa a) i słaby (wariant 1). Wynik ten jest zgodny z oczekiwanym. Na drugim miejscu znalazł się stopień podobieństwa do wzorca c1 (słaby zapach mieszaniny benzyna-rozpuszczalnik; zgodność około 1%). Podczas dalszych próbnych testów okazało się, Ŝe algorytm w pełni poprawnie klasyfikuje większość próbek. Najwięcej pomyłek popełnia w przypadku plików naleŝących do grupy d, co wymaga wyjaśnienia w toku dalszych badań.

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 5 Zadanie 5 (lipiec 7 styczeń ) Badania moŝliwości rozpoznawania mieszanin węglowodorów z uŝyciem SPME i zestawu detektorów FID-FPD Za cel badań rozpoczętych w ostatnim etapie niniejszej pracy uznano sprawdzenie, w jakim stopniu moŝna zmniejszyć błędy popełniane podczas rozpoznawania mieszanin przez system GC-NN. Postanowiono: zwiększyć precyzję dozowania analizowanych próbek, zwiększyć ilość danych chromatograficznych, zapisywanych w czasie jednej analizy GC, zwiększyć liczbę wzorców wprowadzanych do zbiorów treningowych. Aby zminimalizować błędy dozowania próbek GC postanowiono wykonać analizy chromatograficzne ciekłych mieszanin węglowodorów. Za obiekt badań uznano etylinę 95, paliwo lotnicze i rozpuszczalnik ftalowy oraz ich mieszaniny. Do pobierania i dozowania próbek GC zastosowano SPME z włóknem o małej polarności. W celu zwiększenia ilości danych GC, zapisywanych w czasie jednej analizy: wybrano kolumnę chromatograficzną umoŝliwiającą lepszy rozdział składników mieszanin (uzyskanie bardziej urozmaiconych obrazów.chr), uruchomiono równocześnie działające dwa detektory; poza FID zastosowano detektor płomieniowo fotometryczny (FPD), o zwielokrotnionej czułości na związki siarki (zmiana kształtu obrazu.chr). Na rysunku 7 przedstawiono okno programu Peak Simple w czasie analizy próbki etyliny 95, zawierającej domieszki disiarczku węgla i tiofenu (około 1%). Zestawienie reakcji detektorów FID (czerwony) i FPD (granatowy) rejestrowanych w czasie analiz próbek kilku mieszanin benzyny (B) zanieczyszczonej związkami siarki z paliwem lotniczym (PL) i rozpuszczalnikiem ftalowym (R) zamieszczono na rysunkach i 9. Fragment zbioru danych zgromadzonych do chwili zakończenia okresu umowy przedstawiono w tabeli 1. Badania są w toku. Wstępną orientacyjną ocenę zwielokrotnienia liczby zmiennych objaśniających trzy zmienne wyjściowe (udziały B, R i PL w mieszaninach) umoŝliwia rysunek 3. Na wykresach porównano rzeczywiste wartości zmiennych wyjściowych z wartościami obliczonymi przez jedną z kilku wygenerowanych sieci neuronowych. Biorąc pod uwagę, Ŝe sieci szkolono korzystając ze zbioru zaledwie dwunastu wzorców treningowych, moŝna stwierdzić, Ŝe błędy aproksymacji są małe. Dowodzi to celowości kontynuacji badań.

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 53 Rys. 7. Okno programu Peak Simple po uruchomieniu zestawu dwóch detektorów: FID (góra) i FPD (dół); chromatogram próbki benzyny silnikowej z dodatkami dwusiarczku węgla i tiofenu (około 1%v/v) Rys.. Zestawienie reakcji detektorów FID (czerwony) i FPD (granatowy) rejestrowanych w czasie analizy próbek mieszanin benzyny (B) zanieczyszczonej związkami siarki i rozpuszczalnika ftalowego (R)

Sprawozdanie z PB Nr 139/T/5/9: ODORYMETRIA Nowe metody pomiarów 5 55 5 5 B : PL = 1 : 3 35 35 5 15 5 5-5 1 11 1 31 1 51 1 71 15 5 R : B : PL = : 1 : 1 5 3 35 1 5 1 11 1 31 1 51 1 71 15 Rys. 9. Zestawienie reakcji (sygnały mv) detektorów FID (czerwony) i FPD (granatowy) rejestrowanych w czasie analizy próbek dwóch mieszanin benzyny zanieczyszczonej związkami siarki (B), rozpuszczalnika ftalowego (R) i paliwa lotniczego (PL); Rys. 3. Porównanie rzeczywistych udziałów paliwa lotniczego (PL), benzyny Pb 95 (B) i rozpuszczalnika ftalowego (R) z obliczonymi przez jedną z sieci neuronowych, wygenerowanych z uŝyciem zbioru dwunastu wzorców GC