Oil Spill Forensics, investigating oil spill samples with GC-MS data with multivariate statistics and assessing the practical aspects of the free open source software R.
Master thesis
Permanent lenke
https://hdl.handle.net/11250/3014556Utgivelsesdato
2022Metadata
Vis full innførselSamlinger
- Institutt for kjemi [1405]
Beskrivelse
Full text not available
Sammendrag
Dette arbeidet er utført på tidligere innsamlede data, med innføring av nye prøver hentet fra SINTEF's råoljelager. Dette antas å gi et bredt spekter av vitrede og uvitrede oljeprøver for å gi et variert utvalg av prøver fra forskjellige opphav. Prøvene ble forberedt og analysert med gasskromatografi kombinert med en flammeioniserende detektor (FID) og massespektrometer i utvalgt ioneovervåking (MS-SIM)
Dataene er en samling av integrerte topper fra GC-MS-SIM. Disse toppene er forbindelser definert av CEN-metoden for å gi informasjon om kilden, også kjent som biomarkører. Forhold mellom disse biomarkørene brukes i CEN-metodikken for å gi en statistisk robust metode for å sammenligne oljeprøver. I denne oppgaven ble det forsøkt å bruke biomarkørene direkte, uten å regne ut diagnostiske forholdstall.
Multivariat statistikk ble utført på dataene i både Unscrambler og R. De praktiske aspektene ved programvaren ble undersøkt og det ble funnet at Unscrambler sin alt i én pakke er svært brukervennlig og godt laget for kjemometriske oppgaver, men den mangler fleksibiliteten og tilpasningsevnen som finnes i R. Unscrambler er også en relativt dyr programvare, mens R er gratis.
Både R og Unscrambler utfører den multivariate analysen på en adekvat måte, og begge programmene har sine styrker og svakheter. Styrkene deres er respektable og svakhetene er håndterbare, så det endelige valget koker ned til preferanser. This work has been conducted on previously collected data, with an addition of new samples collected from SINTEF crude oil storage. This is thought to give a wide range of withered and unwithered oil samples to give a varied range of samples from different sources. The samples were prepared and analysed with gass chromatography coupled with a flame ionizing detector (FID) and mass spectrometer in selected ion monitoring (MS-SIM)
The data is a collection of integrated peaks from GC-MS-SIM. These peaks are compounds defined by the CEN methodology as to give information about the source, also known as biomarkers. Ratios of these biomarkers are used in the CEN methodology to give a statistically robust method of comparing oil samples.
Multivariate statistics were performed on the data in both Unscrambler and R. The practical aspects of the softwares were examined and it was found that Unscramblers all in one package is very user friendly and well made for chemometric tasks, however it lacks the flexibility and customizability that can be found in R. Unscrambler is also a relatively expensive software, while R is free and open source.
Both R and Unscrambler performs the multivariate analysis in an adequate manner, and both programs has their strengths and weaknesses. Their strengths are respectable and their weaknesses are manageable, so the final choice should boil down to a matter of taste.