Medida de PH en rango completo mediante matrices sensoras ópticas y técnicas de inteligencia artificial

Resumen

Esta tesis doctoral analiza la viabilidad de la medida del pH de disoluciones acuosas en el rango completo (0-14) mediante la medida de color. Los propósitos de esta tesis son tres: 1) preparar y caracterizar matrices sensoras ópticas que contengan un conjunto de indicadores ácido-base inmovilizados y medir mediante escaneo la coordenada tonal H del espacio de color HSV, 2) evaluar las capacidades de diferentes técnicas de inteligencia artificial para extraer la información del pH considerando los errores de predicción y los requerimientos computacionales necesitados, y 3) diseñar y evaluar un instrumento portátil programable para la determinación del pH. Se probaron diferentes indicadores ácido-base colorimétricos para la preparación de las membranas que cumplieran las siguientes condiciones: 1) no lixiviación, 2) cambio en la coordenada tonal H mediante reacción, y 3) cubrir el rango completo mediante solapamiento entre sus respuestas frente al pH. Se caracterizó una matriz compuesta por 11 elementos sensores diferentes, tanto espectrofotométricamente como mediante el uso de un escáner. Para modelar los datos, se aplicaron técnicas de inteligencia artificial tales como redes neuronales artificiales, algoritmos genéticos y sistemas expertos. Las redes neuronales artificiales son modelos de aproximación capaces de ajustar funciones no-lineales complejas con propósitos de predicción/aproximación y también de indicar cómo se calcula el valor predicho. Ya que son ¿cajas negras¿, es difícil conocer su funcionamiento interno, y las reglas que hacen funcionar a la red no pueden ser explicadas. Para solventar esta limitación, se evaluó la capacidad de los sistemas expertos para entender cómo se predice un valor de salida a partir de los datos de entrada, utilizando para ello un conjunto de reglas causa-efecto tales como ¿Si algo ocurre entonces concluir algo/hacer una acción/hacer un cálculo¿. En esta tesis doctoral también se estudia el uso de algoritmos genéticos para solucionar el problema de optimización de minimizar: 1) el número de elementos sensores requeridos, 2) el error de predicción de pH asociado a las redes neuronales, y 3) la complejidad de la red neuronal. Posteriormente, se desarrolló un instrumento portátil programable basado en las matrices sensoras diseñadas. La red neuronal óptima obtenida empleando técnicas de optimización multiobjetivo se implementó en el microcontrolador, maximizando la precisión en el análisis de muestras reales.