http://hdl.handle.net/10498/17580 Fri, 06 Nov 2026 21:50:31 GMT 2026-11-06T21:50:31Z http://hdl.handle.net/10498/33878 Desarrollo de métodos para la caracterización inteligente y automatizada de productos derivados del petróleo mediante machine learning y técnicas espectroscópicas Casal Trigo, Antonio El creciente desarrollo de la inteligencia artificial y herramientas derivadas como el machine learning están revolucionando la industria actual. Estos avances pueden ser aplicados en prácticamente todos los campos, siendo uno de los más interesantes el industrial, ya que, entre sus mayores desafíos, se encuentra la búsqueda de mejoras para agilizar los procesos de control de calidad y gestión de residuos. En el campo de la industria petroquímica, uno de los principales impulsores de la economía a nivel mundial, el control de calidad de los derivados del petróleo cobra especial relevancia a la hora de garantizar un producto fiable, minimizar costes y reducir el impacto ambiental, teniendo en cuenta la multitud de productos que se obtienen de una sola materia prima, el petróleo. En este sentido, la caracterización de productos derivados del petróleo (PDPs) de forma automatizada supone un avance que permite garantizar la calidad de estos productos y el cumplimiento de la normativa vigente de forma rápida y sencilla. La identificación de PDPs es también importante para evaluar los residuos y vertidos que se generan y liberan (de forma intencionada o accidental) al medio ambiente como resultado de la actividad industrial y el transporte de PDPs. Determinar el origen de estos permite evaluar el grado de peligrosidad, el impacto medioambiental y establecer un protocolo de limpieza adecuado. Igualmente, debido al elevado precio y a la demanda de PDPs -como gasolina o diésel, entre otros-, la mezcla o adulteración de estos productos con otros más económicos también se está convirtiendo en una práctica cada vez más habitual, a pesar de que se trata de un fraude económico y un engaño al consumidor, que también puede tener consecuencias medioambientales al no cumplirse los estándares de calidad impuestos. Por esta razón, la búsqueda de métodos de detección de calidad y caracterización de productos es un campo de investigación de gran importancia y en continuo desarrollo. En la actualidad, la mayoría de las metodologías analíticas utilizadas con este fin requieren de técnicas costosas, personal especializado, producen residuos y/o usan disolventes. Además, sus métodos de análisis son largos, lo que complica y ralentiza la toma de decisiones. Es por ello necesario disponer de metodologías alternativas más ecológicas y rápidas que permitan un control de forma inteligente y automatizado de los PDPs. En este sentido, la inteligencia artificial y, en particular, el aprendizaje automático o machine learning, ha evolucionado de tal forma que ha abierto una nueva ventana en el campo de la quimiometría. El presente trabajo fin de grado (TFG) se centra en el desarrollo de modelos basados en algoritmos de machine learning de clasificación y cuantificación en combinación con técnicas espectroscópicas limpias y rápidas para obtener modelos predictivos que permitan la caracterización automatizada y objetiva de diferentes PDPs. Para ello, se prepararon 360 muestras formadas por mezclas a diferentes porcentajes (2,5% - 25%) de gasolina 98 con gasolina de menor octanaje (95), queroseno y metanol junto a 45 muestras de gasolina 98 sin mezclar. Para la discriminación de los diferentes tipos de PDPs, se evaluaron cuatro algoritmos: Linear Discriminant Analysis (LDA), k-Nearest Neighbors (KNN), Support Vector Machines (SVM) y Random Forest (RF)); para la cuantificación de los porcentajes de adulteración, se evaluaron tres: partial least squares regression (PLS), Support Vector Machines con kernel lineal (SVM) y Random Forest (RF). Los resultados obtenidos indicaron que el mejor modelo, tanto para clasificación como para cuantificación del porcentaje de mezcla, es el Random Forest, con porcentajes de acierto muy cercanos al 99% tanto en clasificación como en regresión. En el caso de clasificación, se encuentra seguido por los modelos k-Nearest Neighbors y Support Vector Machines; en el caso de cuantificación, se encuentra seguido por los modelos de partial least squares regression y Support Vector Machines con kernel lineal. Se comprobó que la utilización de machine learning en métodos de control de calidad y análisis de muestras es factible y fiable. Tue, 24 Sep 2024 00:00:00 GMT http://hdl.handle.net/10498/33878 2024-09-24T00:00:00Z http://hdl.handle.net/10498/30404 Identificación de compuestos emergentes en muestras acuosas y el estudio de su eliminación mediante procesos de fotocatálisis solar Freemantle, Lillie Jeal Elizabeth La entrada de contaminantes en el medio acuático está en constante aumento, pero la cantidad regulada y/o prohibida es limitada. Actualmente la comunidad científica muestra un mayor interés por los denominados contaminantes de interés emergente. Un grupo de contaminantes emergentes de especial preocupación debido a la resistencia microbiana que pueden producir, son los compuestos farmacéuticos. Estos compuestos llegan al medio ambiente principalmente por descargas de aguas residuales. Además, están presentes en efluentes de las estaciones depuradoras de aguas residuales (EDARs), lo que demuestra la ineficiencia de los tratamientos convencionales aplicados en ellos y por ello, la necesidad de aplicar tratamientos alternativos para conseguir eliminarlos. Dentro de los tratamientos alternativos la fotocatálisis solar es una opción prometedora, ya que además de emplear una fuente de radiación inagotable y gratuita, ha demostrado ser un proceso efectivo en la eliminación de compuestos emergentes. Para el presente Trabajo Fin de Grado, en primer lugar, se ha realizado el análisis de la presencia de compuestos emergentes en cinco muestras acuosas recolectadas de distintos puntos de la provincia de Cádiz. Después, se seleccionaron cuatro compuestos emergentes; atenolol, cafeína, fenazona y sulpirida y se ha estudiado la eficiencia de su eliminación mediante fotocatálisis solar, empleando láminas delgadas de TiO2 de distintos espesores, en agua ultrapura grado Milli-Q, agua residual dopada y agua residual sin dopar. Se ha demostrado que el uso de la fotocatálisis solar como tratamiento alternativo para la eliminación de los compuestos seleccionados resulta ser bastante efectivo, ya que se consiguieron porcentajes de eliminación superiores al 90 % de los cuatro compuestos con dosis de radiación UV acumulada inferiores a 10 Wh·m-2 en agua Milli-Q. En agua residual dopada y agua residual sin dopar resulta ser menos efectivo el tratamiento, necesitando dosis de radiación UV acumulada superiores para alcanzar el 90 % de eliminación, demostrando que la matriz acuosa y trabajar con concentraciones reales disminuye la eficiencia de eliminación. Wed, 01 Jun 2022 00:00:00 GMT http://hdl.handle.net/10498/30404 2022-06-01T00:00:00Z http://hdl.handle.net/10498/29185 El ruido marino antropogénico como factor de estrés ambiental y sus efectos sobre el ecosistema marino: Búsqueda de biomarcadores del Río Díaz, María En las últimas décadas, la intensificación del tráfico marítimo, la urbanización de las zonas costeras, el aumento de las explotaciones de petróleo y gas natural y los avances en ingeniería, que han permitido la construcción de todo tipo de infraestructuras costeras, han generado un enorme incremento de los niveles de ruido en el océano. En 2011, la Organización Mundial de la Salud (OMS) reconoce el ruido antropogénico como contaminante global. Desde entonces, la contaminación acústica marina se ha convertido en una preocupación a nivel mundial, ya que, además de afectar al bienestar y la supervivencia de los organismos marinos, puede comprometer los recursos pesqueros y la seguridad alimentaria del ser humano. Los niveles de exposición sonora generados por las actividades humanas causan estrés en las especies animales marinas, que inducen alteraciones en el comportamiento y a nivel fisiológico, que pueden conducir incluso a la muerte. El impacto del ruido en mamíferos marinos y peces ha sido ampliamente estudiado, pero la literatura científica existente sobre especies de invertebrados, tortugas marinas y aves (pingüinos) es muy reducida. En este trabajo se ha analizado la literatura científica publicada en los últimos diez años (2013-2023) en la que se estudian los efectos adversos de la contaminación acústica en estas especies menos estudiadas, aunque prácticamente todos los estudios encontrados se han realizado en invertebrados. Las respuestas biológicas estudiadas han sido clasificadas en conductuales, fisiológicas, bioquímicas, moleculares y de mortalidad. A partir de ellas, se han identificado en las especies marinas posibles biomarcadores que reflejen el estrés acústico al que se encuentran sometidas y que puedan ser utilizados como medidas de monitorización del riesgo ambiental, de cara al diseño de estrategias de mitigación y gestión ambiental del ruido en los océanos.; In recent decades, the intensification of maritime traffic, the development of coastal areas, the increase in oil and gas exploitation and advances in engineering which have allowed the construction of all types of maritime infrastructures, have hugely increased the noise levels in the ocean. In 2011, the World Health Organization (WHO) recognized the anthropogenic noise as a global pollutant. Ever since, marine noise pollution has become a worldwide concern due to its implication in animal well-being and survival, furthermore it could compromise fishing resources and human food security. Sound exposure levels generated by human activities cause stress in marine animal species, inducing behavioural and physiological impairments, which can lead to death. The impact of noise in marine mammals and fishes has been widely studied. However, the scientific literature about invertebrate species, sea turtles and birds (penguins) is really limited. In the present study, it has been analysed the scientific literature published in the last ten years (2013-2023) studying detrimental effects of noise pollution on these less studied species, although almost all papers found studied invertebrate species. Biological responses studied have been classified into behavioural, physiological, biochemical, molecular and mortality responses. From this responses, potential biomarkers have been identified in the species. They can be used as a measure of the acoustic stress to which they are subjected for environmental risk monitoring tools and for the design of mitigation strategies and ocean noise pollution management. Fri, 16 Jun 2023 00:00:00 GMT http://hdl.handle.net/10498/29185 2023-06-16T00:00:00Z http://hdl.handle.net/10498/25791 Oxidación de metano en sistemas estuáricos Mestre Durán, Miriam Se ha estudiado la distribución y reactividad de las concentraciones de CH4 y N2O a lo largo de un gradiente de salinidad en el estuario del Guadalquivir. Para ello, se ha realizado un muestreo longitudinal a bordo del B/O UCADIZ en marzo de 2021. Las concentraciones de CH4 y N2O se han cuantificado mediante cromatografía de gases. Se ha observado que la concentración de CH4 y N2O aumenta hacia el interior del estuario, observándose un incremento lineal para el óxido nitroso (de 8,7 a 23,23 nM), mientras que para el metano su máximo (42,6 nM) se alcanza a una salinidad intermedia a causa de los aportes laterales desde las zonas de marismas. Los flujos con la atmósfera son más intensos en la zona fluvial y la variación que presentan es similar a la que experimentan las concentraciones de ambos gases. Los flujos de CH4 y N2O son positivos (13,3-48,9 y 0,3-15,5 µmol·m-2·d-1 respectivamente) por lo que el estuario actuaría como fuente de ambos gases a la atmósfera. Para analizar la reactividad de estos gases se tomaron muestras en 4 estaciones a lo largo del estuario con salinidades comprendidas entre los 1,9 y 35,3, que fueron incubadas a dos temperaturas distintas (12 ⁰C y 25 ⁰C) durante 148 horas. Se ha obtenido que las velocidades de oxidación y consumo de CH4 y N2O, respectivamente, adquieren importancia a salinidades bajas y a una menor temperatura, pero se trata de valores bajos en comparación con otros estudios. Es probable que el diseño experimental utilizado no proporcione medidas de las reacciones individuales de producción o consumo de estos gases, contribuyendo a que los resultados obtenidos se encuentren afectados. Thu, 23 Sep 2021 00:00:00 GMT http://hdl.handle.net/10498/25791 2021-09-23T00:00:00Z