prikaz prve stranice dokumenta Kemometrijski model zavisnosti svojstava kvalitete pšeničnog zrna i brašna
  Download
PDF 2.88 MB
master's thesis
Kemometrijski model zavisnosti svojstava kvalitete pšeničnog zrna i brašna
Osijek: Josip Juraj Strossmayer University of Osijek, FACULTY OF FOOD TECHNOLOGY, 2016. urn:nbn:hr:109:501144
Vasilj, Iva
Josip Juraj Strossmayer University of Osijek
FACULTY OF FOOD TECHNOLOGY
Department of Process Engineering
Sub-department of Modelling, Optimisation and Automatisation

Institutional repository: Repository of the Faculty of Food Technology Osijek

Cite this document

Vasilj, I. (2016). Kemometrijski model zavisnosti svojstava kvalitete pšeničnog zrna i brašna (Master's thesis). Osijek: Josip Juraj Strossmayer University of Osijek, FACULTY OF FOOD TECHNOLOGY. Retrieved from https://urn.nsk.hr/urn:nbn:hr:109:501144

Vasilj, Iva. "Kemometrijski model zavisnosti svojstava kvalitete pšeničnog zrna i brašna." Master's thesis, Josip Juraj Strossmayer University of Osijek, FACULTY OF FOOD TECHNOLOGY, 2016. https://urn.nsk.hr/urn:nbn:hr:109:501144

Vasilj, Iva. "Kemometrijski model zavisnosti svojstava kvalitete pšeničnog zrna i brašna." Master's thesis, Josip Juraj Strossmayer University of Osijek, FACULTY OF FOOD TECHNOLOGY, 2016. https://urn.nsk.hr/urn:nbn:hr:109:501144

Vasilj, I. (2016). 'Kemometrijski model zavisnosti svojstava kvalitete pšeničnog zrna i brašna', Master's thesis, Josip Juraj Strossmayer University of Osijek, FACULTY OF FOOD TECHNOLOGY, accessed 04 November 2024, https://urn.nsk.hr/urn:nbn:hr:109:501144

Vasilj I. Kemometrijski model zavisnosti svojstava kvalitete pšeničnog zrna i brašna [Master's thesis]. Osijek: Josip Juraj Strossmayer University of Osijek, FACULTY OF FOOD TECHNOLOGY; 2016 [cited 2024 November 04] Available at: https://urn.nsk.hr/urn:nbn:hr:109:501144

I. Vasilj, "Kemometrijski model zavisnosti svojstava kvalitete pšeničnog zrna i brašna", Master's thesis, Josip Juraj Strossmayer University of Osijek, FACULTY OF FOOD TECHNOLOGY, Osijek, 2016. Available at: https://urn.nsk.hr/urn:nbn:hr:109:501144

Metadata
TitleKemometrijski model zavisnosti svojstava kvalitete pšeničnog zrna i brašna
Title (english)Chemometric dependence model of quality of wheat grain and flour
AuthorIva Vasilj
MentorDamir Magdić (mentor)
MentorDaniela Horvat (komentor)
MBZ: 220423
Committee memberSandra Budžaki (predsjednik povjerenstva)
Committee memberDamir Magdić (član povjerenstva)
Committee memberDaniela Horvat (član povjerenstva)
MBZ: 220423
Committee memberAna Bucić-Kojić (član povjerenstva)
GranterJosip Juraj Strossmayer University of Osijek
FACULTY OF FOOD TECHNOLOGY
(Department of Process Engineering)
(Sub-department of Modelling, Optimisation and Automatisation)
Osijek
Defense date and country2016-10-10, Croatia
Scientific / art field,
discipline and subdiscipline		BIOTECHNICAL SCIENCES
Food Technology
Engineering
Abstract
Kemometrijskim metodama su određene povezanosti između svojstava pšeničnog zrna i brašna od 24 kultivara. Kultivari su uzgajani na poljima Poljoprivrednog instituta Osijek tijekom deset godina (2005.-2014.). Analizirana svojstva su: prinos pšenice (Y), hektolitarska masa (HL), masa tisuću zrna pšenice (TKW), udio proteina (P), udio vlažnog glutena (WG), gluten indeks (GI), sedimentacijska vrijednost (SED), broj padanja (FN) i izbrašnjavanje (FY). Na izmjerenom setu podataka provedena je sljedeća deskriptivna statistička analiza: određivanje srednjih vrijednosti, medijana, minimalne i maksimalne vrijednosti, standardne devijacije, koeficijenta varijabilnosti i njihovih međusobnih korelacijskih koeficijenata. Provedene su i sljedeće kemometrijske analize: analiza glavnih komponenti (PCA), klaster analiza (CA) i regresijska analiza metodom najmanjih kvadrata (PLSR). Analiza glavnih komponenti korištena je za smanjenje broja varijabli, klaster analiza korištena je za pokazivanje veza među svojstvima, a regresijska analiza metodom najmanjih kvadrata korištena je za izradu prediktivnih modela. Rezultati pokazuju da je na temelju snažnih korelacija moguće smanjiti broj varijabli i sa manje od devet svojstava opisati varijabilnost seta podataka. Predloženim prediktivnim matematičkim modelima moguće je korištenjem izmjerenih vrijednosti izračunavati vrijednosti preostalih svojstava s točnošću većom od 90%.
Abstract (english)
Chemometric methods were used to determine connection among properties of wheat grain and flour produced from 24 cultivars. Cultivars were breed on Agricultural institute Osijek in period of ten years (2005-2014). Following properties were analysed: yield (Y), hectolitre mass (HL), thousand kernel weight (TKW), protein content (P), wet gluten content (WG), gluten index value (GI), sedimentation value (SED), falling number (FN) and flour yield (FY). Following descriptive statistical analysis was applied on experimental set of data: mean value, median, minimum and maximum, standard deviation, coefficient of variability and coefficient of correlation. Following chemometric analysis were applied: principal component analysis (PCA), cluster analysis (CA) and partial least square method (PLSR). Principal component analysis was used for reduction of number of variables, cluster analysis was used for enlightening connections among properties while partial least square regression analysis was used for designing predictive mathematical models. Results show that strong correlations can be used for decreasing number of variables and describing variability of data set with less than nine properties. Using proposed predictive mathematical models based on experimental data makes possible calculating values of rest of properties with precision bigger than 90%.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:109:501144
Study programmeTitle: Process Engineering
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka procesnog inženjerstva (magistar/magistra inženjer/inženjerka procesnog inženjerstva)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2016-10-14 10:07:58