Chemometrics for Selection, Prediction, and Classification of Sustainable Solutions for Green Chemistry—A Review - Publikacja - MOST Wiedzy

Wyszukiwarka

Chemometrics for Selection, Prediction, and Classification of Sustainable Solutions for Green Chemistry—A Review

Abstrakt

In this review, we present the applications of chemometric techniques for green and sustainable chemistry. The techniques, such as cluster analysis, principal component analysis, artificial neural networks, and multivariate ranking techniques, are applied for dealing with missing data, grouping or classification purposes, selection of green material, or processes. The areas of application are mainly finding sustainable solutions in terms of solvents, reagents, processes, or conditions of processes. Another important area is filling the data gaps in datasets to more fully characterize sustainable options. It is significant as many experiments are avoided, and the results are obtained with good approximation. Multivariate statistics are tools that support the application of quantitative structure–property relationships, a widely applied technique in green chemistry.

Cytowania

  • 2 1

    CrossRef

  • 0

    Web of Science

  • 2 2

    Scopus

Cytuj jako

Pełna treść

pobierz publikację
pobrano 197 razy
Wersja publikacji
Accepted albo Published Version
Licencja
Creative Commons: CC-BY otwiera się w nowej karcie

Słowa kluczowe

Informacje szczegółowe

Kategoria:
Publikacja w czasopiśmie
Typ:
artykuły w czasopismach
Opublikowano w:
Symmetry-Basel nr 12,
ISSN: 2073-8994
Język:
angielski
Rok wydania:
2020
Opis bibliograficzny:
Bystrzanowska M., Tobiszewski M.: Chemometrics for Selection, Prediction, and Classification of Sustainable Solutions for Green Chemistry—A Review// Symmetry-Basel -Vol. 12,iss. 12 (2020), s.2055-
DOI:
Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.3390/sym12122055
Weryfikacja:
Politechnika Gdańska

wyświetlono 156 razy

Publikacje, które mogą cię zainteresować

Meta Tagi